「ログインボタンを押す」のような指示でWeb自動操作を組み立てられる。
#自然言語操作#Web自動化
これは何?本格派向けの部品(プログラムに組み込む)
できること
「検索欄に入力して検索ボタンを押す」と日本語や英語で書くだけでブラウザ操作を組める。ページの作りが変わっても壊れにくいのが利点で、確実に動かしたい部分は従来どおりコードでも書ける。
誰に効く?
Web自動化を分かりやすく書きたい人
用意するもの
と、ChatGPTなどの
時間のめやす
—(本格派向け)
使うとこうなる
- 1黒い画面で npx create-browser-app と打って雛形を作る
- 2使いたいAIのAPIキーを設定する
- 3「ログインして注文履歴を開く」のように、やりたいことを文章で書いて実行する
作れるもの・できることの例
サイトの表示崩れの定期チェック、複数ページからの情報収集、申込フォームの動作確認
使えるようになるまでの手順をひらく
- これは「作る人向けの材料」なので、単体でアプリのようには使えません
- 同じ目的の完成品ツールを「かわりにこちら」から探すのがおすすめです
こんな人には向かないかも
- プログラムを書かない人(これは単体で使う道具ではなく、作る人向けの部品です)
- 登録やAPIキーの設定を一切やりたくない人
🔑 必要な鍵(APIキー)
OpenAI(ChatGPT) の発行ページ↗発行は無料。APIはChatGPT Plus(月額)とは別勘定で、使った分だけの課金。※Codex等の一部公式ツールは、キーの代わりにChatGPTの月額プランでログインして使える
鍵は「合鍵」の文字列。発行→コピー→ツールの設定に貼り付け、の3手です。迷ったらAIチャットに「画面つきで教えて」と。
迷ったらこれ:いつも使っているAIチャット(ChatGPT・Claude・Geminiなど)にこのツールのGitHubリンクを貼って 「これを使いたい。私のPCでの始め方を一歩ずつ教えて」と頼むのが一番の近道です。
むずかしそう? 同じジャンルで、もっと始めやすいのはこちら
注意点
指示の解釈にAIを使うため、実行のたびにAI利用料がかかる。また同じ指示でも結果が揺れることがあるので、購入や送信など取り消せない操作には使わないこと。
ひとことメモ
Browserbase社が開発。操作内容はコードとして残るので、何をしているか後から確認できる。
Stagehandについてよくある質問
- Stagehandは無料で使えますか?
- Stagehand自体は無料で使えますが、動かすのに外部AIのAPIキーが必要です。そのAI側の利用料は別にかかります(無料枠があるものもあります)。
- Stagehandを使うのに、インストールや専門知識は必要ですか?
- これはプログラムに組み込んで使う部品です。単体のアプリとしては使えません。
- Stagehandはスマホでも使えますか?
- スマホには対応していません。パソコンが必要です。
- Stagehandは仕事(商用)で使えますか?
- ライセンスは MIT で、商用利用も認められています。ただし著作権表示を残すなどの条件が付くので、配布物に含める場合はライセンス本文を確認してください。
ブラウザ自動化のほかのツール
Stagehandが合わなかったときの、同じ用途の候補です。
Firecrawl
WebサイトをAI用のきれいなデータに変える
準備がいる・ターミナル操作あり
browser-use
AIにブラウザを操作させる
準備がいる・ターミナル操作あり
Puppeteer
Google製のブラウザ自動操作の老舗
はじめやすい・ターミナル操作あり
Playwright
ブラウザ自動操作の定番エンジン
はじめやすい・ターミナル操作あり
Crawl4AI
AI用データ収集の人気クローラー
はじめやすい・ターミナル操作あり
Skyvern
見た目で判断してWeb作業を代行するAI
準備がいる・ターミナル操作あり
