AI エージェント向け最速ブラウザ自動化

ego (lite) は、あなたとAI エージェントが並行して作業できるブラウザです。エージェントはそれぞれの Spaces で複数のブラウザタスクを実行し、あなたのタブには触れません。タスクはより少ないトークンで速く完了します。

この1年、私たちの多くは AI エージェント（ Claude Code, Codex、Continue)、実際のブラウザで実際のブラウザ自動化を実行します。ログインした管理パネルからリストを取得します。ベンダーフォームに記入します。 QA はステージング環境で実行します。これらのためのツールは存在しますが、実際にそれを行う経験はまだ大まかです。

ego (lite) は、その問題を解決するための私たちなりの答えです。

ego (lite) とは

ego (lite) は Chrome エコシステムの深い部分に組み込まれています。Chrome と同じエンジンを使い、ブックマーク、拡張機能、ログイン済みセッションをすべてそのまま引き継ぎます。閲覧方法を変える必要はなく、インストール後すぐに使えます。

何より他と一線を画すのは、エージェントをネイティブにサポートしている点です。

• CLI ベースではなくコード ベースにより、複雑なタスクをより少ないトークンで高速に実行できます。 ego (lite) がエージェントに公開する機能は、エージェントが直接呼び出せる JavaScript 関数としてラップされています。これにより、エージェントは得意なこと、つまりコードを書くことに集中し、複数ステップのタスクを 1 回の実行にまとめられます。「2 つのコマンドを呼び出し、結果を確認し、さらに 2 つ呼び出す」というループに陥りません。従来の CLI 方式と比べ、複雑なワークフローは成功率を高めながら 20〜50% 速く完了し、タスクごとのツール呼び出しも大幅に減ります。Vercel の agent-browser との社内ベンチマークでも同じ傾向が見られ、ワークフローが難しいほど差が広がります。
• すべてのエージェント専用のSpace。 ego (lite) は各エージェントに完全に分離された専用の Space を割り当てます。あなたが手前でブラウジングしている間、エージェントはバックグラウンドで作業し、互いに邪魔しません。どの Space でエージェントが動いているかをいつでも確認でき、必要なら操作を引き継いだり停止したりできます。Chrome に接続する agent-browser ツールを使ったことがあれば、ウィンドウやタブが次々に開く煩雑さをご存じでしょう。ego (lite) はその問題を根本から解消します。
• エージェントは Space、つまり同じブラウザ内にある並列ワークスペースで、マルチタスクをこなします。 それぞれの Space には専用の AI エージェントやタスクが割り当てられ、すべて同時に動きます。Claude Code が 10 の並列 Space でリードを 10 件同時に精査する。Codex が別の 5 つの Space で競合サイトを 5 件スクレイピングする。互いに干渉せず、あなたのタブも奪いません。マウスは置いた場所にそのまま残ります。
• 市場最強のページ Snapshot。 カーネルレベルのカスタマイズにより、ego (lite) は、テキストモデルが Web ページを「見て」操作するために使う高品質なページスナップショットを生成します。深くネストした iframe など、他の方式が繰り返し失敗する難しいケースも安定して処理できます。
• どのエージェントでも、次を通じて操作できます: ego-browser. ego-browser は、あらゆるエージェント CLI（Claude Code、Codex、Cursor、独自 CLI）と ego (lite) をつなぐ接続層です。ブラウザをページ内 JavaScript ツールの集合として公開します：snapshot、fill、click、wait、navigate、capture。エージェントがこれらを呼び出す JavaScript スニペットを書くと、ego-browser がページ上で一度に実行します。
• 使うほどエージェントが速くなる経験の蓄積機能（近日公開予定）。 エージェントがブラウザタスクに費やす時間の多くは試行錯誤です。ego (lite) の公式 Skill は、成功した操作を再利用可能なツールやワークフローとして蓄積し、同様のタスクを次回以降は最大 5 倍速く実行できるようにします。詳しくは後ほど説明します。

ego (lite) を構築した理由

「GUI は死ぬのか」という問いには、私たちなりの見解があります。GUI はなくなりません。根本的に変わるのは、それを誰が用意するかです。今はどのプラットフォームも自前で作り込んだインターフェースを提供していますが、これからは、あなた専属のエージェントがその場でインターフェースを生成するようになります。

それは未来の話です。現実には、エージェントはすでに多くの実務をこなす必要があるのに、世界の方はまだそれに対応していません。API も MCP も持たないサービスはまだたくさんあります。情報や機能は GUI の中に閉じ込められたまま、人間向けにパッケージ化されています。Codex や Claude Code でリサーチをしたり、SaaS ツールに依存する作業を進めたりしたことがあれば、これがどういうことか分かるはずです。結局エージェントは、ブラウザを開いてこの古い世界と向き合うしかないのです。

そのため、多くのエージェント製品がブラウザを自前で抱え込むようになっています。クライアントに簡易ブラウザを埋め込むものもあれば、既存の Chrome に橋渡しする拡張機能を出すものもあります。しかし、どれも十分にはうまくいきません。Chrome 連携型は不安定で、ログイン状態が引き継がれることもあれば引き継がれないこともあり、タブが理由もなく新しいウィンドウに飛び出し、画面表示ありとヘッドレスの切り替えも制御不能になりがちです。埋め込み型は本物のブラウザではないため、少し複雑なことをさせるとすぐに破綻します。

これらすべてが不十分な理由は、もっと根本的なところにあります。 ブラウザは、そもそもエージェントのために設計されたものではありません。 Chrome のタブ、ウィンドウ、ナビゲーション、権限といった細部はすべて、人間のユーザーを前提に設計されています。自律的なエージェントがどう扱うかは誰も想定していませんでした。ブリッジ型ツールも組み込み型ツールも、もともとエージェントの居場所がないシステムへの後付けのパッチにすぎません。そこで問題が起きるのは当然の帰結です。

問題のもう半分はこうです。これらのツールのどれも、エージェント向けのブラウザが本来どうあるべきかを真剣に考えていません。ブラウザを過剰にラップしてエージェントには数個の CLI コマンドしか渡さず、エージェントが自力で組み立てられる能力を過小評価しているか、逆に生のプロトコルをそのまま公開して、ノイズだらけの情報をモデルに丸投げしているかのどちらかです。

だからこそ ego (lite) を作りました。ブラウザを根本から考え直し、あなた、エージェント、Web を最も滑らかにつなぐ接点にしたかったのです。

ego (lite) の構築方法

コードを記述する前に、エージェントはブラウザとどのように対話すべきかという 1 つの疑問を解決する必要がありました。

私たちが出した答えは、3つの層でした。

第一の層は「視覚と操作」です。エージェントは人間と同じようにページを「見て」、クリック・入力・スクロールを行います。これはどんなブラウザもエージェントに提供すべき最低限の土台です。

第二の層は、ラップされたメソッド呼び出しです。よく使う操作、代表例が Snapshot ですが、それらに整理された抽象化を与えました。あえて数は絞っています。100個ものメソッドを積み上げることはしません。目指したのは、網羅性ではなく抽象化の鋭さです。

第三の層は、ブラウザの基盤機能への直接アクセスです。エージェントが本当に低レベルの制御を必要とするときのために用意されています。

この3層構造の狙いは、エージェントがタスクに合った層を選べることです。単純なクリックに生のプロトコル呼び出しは要りませんし、複雑なフローを無理に一つの CLI コマンドに押し込む必要もありません。

なぜ Python やシェルではなく JavaScript なのか

Code over CLI はアーキテクチャ上の選択です。その中で、なぜ Python や Shell ではなく JavaScript を使うのでしょうか?それを推進したのは 2 つの理由です。

1 つ目の理由は認知負荷です。ego (lite) がページに注入するものは、すでに JavaScript です。バックグラウンドのオーケストレーションコードが別の言語なら、エージェントはタスクのたびに 2 つの文脈で構文を切り替えなければなりません。これは不要な負担です。タスク全体を 1 つの言語で統一すれば、エージェントは 1 つの思考モードに集中できます。

2 つ目の理由は実行環境の安定性です。すべてのユーザーに Python が入っているとも、同じように動くシェルがあるとも限りません。ユーザー環境に依存せず、必要なランタイムを製品側で用意します。ブラウザ内の V8 エンジンを再利用し、Node.js の不要な部分を省いて、完全な Node ランタイムを ego (lite) に同梱しています。インストールサイズの増加はわずか 6 MB です。

ego (lite) の速度はどれくらいですか?

4 つの複雑なブラウザ自動化タスクで、ego (lite) と Vercel の agent-browser を比較しました。ego (lite) は大幅に少ないトークンで、各タスクを最大 3.45 倍速く完了しました。

タスクが難しくなるほど、その差は広がります。

違いを生んだのは、2つの設計判断です。1つ目は、先ほどの3層構造の JavaScript インタラクション。エージェントは CLI 呼び出しを一つずつ連鎖させる代わりに、一つのスニペットで多くの操作を一度に実行します。2つ目は、独自の Chromium エンジンの内部に組み込んだカーネルレベルの Snapshot。これは、JavaScript シムによる Snapshot 取得ではひそかに取りこぼされる、クロスオリジン iframe や Shadow DOM、サードパーティ SDK のウィジェットにも届きます。

使えば使うほど速くなります（近日公開予定）

ego (lite) の公式 Skill では、経験を蓄積する仕組みを試験しています。成功したタスクはドメインごとの再利用可能なツールやワークフローに変換されます。次に似たタスクを実行するとき、エージェントはそれらを読み込み、試行錯誤を省けます。

理想を言えば、タスクを実行しながらエージェントが経験を記録できるのが一番です。実際、最初はそれを試しました。しかし評価結果は芳しくありませんでした。タスク自体と経験の記録を同じ実行の中で両立させようとすると、成功率は下がり、実行も遅くなります。二兎を同時に追うと、どちらも中途半端になるのです。

そこで、処理を2つの段階に分けました。実行中はタスクに専念し、他には何もしません。タスクが終わると、別の蓄積フェーズに移り、そこで関連ドキュメントを読み込みながらツールと知見を積み上げていきます。この段階的なアプローチによって、目指していた高速化が実現しました。複雑なタスクでの社内テストでは、2回目以降の実行が最大 2.6 倍高速 初回実行より、トークン数を大幅に減らして完了しました。

UX にはまだ満足していません。タスク完了後、最終結果が届くまでに蓄積ステップの待ち時間が発生し、そこがまだスムーズではないのです。検討している方向性の一つは、蓄積処理をユーザーの手に委ねることです。タスク終了後に経験の記録を行うかどうかをユーザー自身が選べるようにすれば、強制的な待ち時間はなくなり、エージェントの育て方もユーザーがより細かくコントロールできるようになります。

現在も磨き込んでいる最中で、基準を満たした段階で広く展開する予定です。

私たちの製品群における ego (lite) の役割はシンプルです。あなたとエージェントの両方が使えるブラウザ。それ以上でも、それ以下でもありません。

ego (lite) と既存ツールの違いは？

「ego」という名前の由来

現代のカルチャーは「自我を抑える」ことに大きく傾いています。意図はわかります。自己主張が強すぎれば、実際に他人を傷つけることもあるからです。しかし、この流れは行き過ぎてしまいました。自己抑制を美徳としてまとい、人を巨大な機械の歯車へとすり減らしていく一種のレトリックになっているのです。

AI が担う仕事が増えていくほど、私たちはむしろ逆だと考えています。今こそ「自分」の価値を見つめ直すときです。ツールが強くなるほど、その裏にある人の判断力、個性、自分自身の考えの価値は増します。薄めるのではなく、むしろ増幅すべきものです。

本当の危険は、コンピュータが人間のように考え始めることではなく、人間がコンピュータのように考え始めることだ。

そこで、こう名付けました ego。利己的になるための呼びかけではありません。そもそも自分の直感、アイデンティティ、自分の判断力が守る価値があるという賭け。

ego (lite) の「lite」は、これが ego のすべてではないことを表します。完全版の ego には、パーソナルエージェント、クラウドのサンドボックス環境、ブラウザを超えるシステムレベルの機能、メモリシステムがあります。2 つは別々の製品として提供しています。

試してみてください

現在、ego (lite) は macOS で個人利用なら無料です。Windows と Linux はロードマップに含まれています。ブラウザ操作は私たちのサーバーではなく、あなた自身のエージェントが実行します。そのため、個人向けの ego (lite) を無料で提供できます。

• ダウンロード .dmg.

オンボーディングで尋ねる質問は「Chrome のデータを移行するか」の一つだけで、あとはすべて自動で処理されます。

AI エージェントを実際のブラウザにつなぐことに苦労してきたなら、ego (lite) を試してみてください。期待を裏切りません。

最後にもう 1 つ。ego (lite) はページ内容の読み取りだけでなく、実際の操作まで行えるブラウザ操作機能をエージェントに提供します。操作を任せるエージェントが信頼できる提供元のものであることを必ず確認してください。