ブラウザをAIが操作する時代、3つの動きを整理

ここ数週間で、AIエージェントがWebブラウザを自律的に操作するための道具が、オープンソースとして立て続けに公開されている。Alibabaが公開した page-agent（GitHubで2.3万スター）は、JavaScriptをWebページに埋め込むことで、自然言語の指示でDOMを操作できるライブラリだ。「この入力欄に○○を入力して送信ボタンを押す」といった操作を、コードを逐一書かずにAIへの指示で実行できる仕組みになっている。

Googleも同タイミングで ADK（Agent Development Kit） をPython向けにオープンソース公開した（2万スター超）。こちらはブラウザ操作に特化するというより、ツール呼び出し・マルチエージェント連携・評価まで含んだAIエージェント構築の汎用キットとして位置づけられている。

2つの動きが同時期に重なっているのは偶然ではない。「AIが自律的にWebを操作する」という領域に対して、Big Techが本気でインフラを整えはじめたタイミングと見るのが自然だ。

両者は一見似た領域をカバーするように見えるが、切り口が異なる。

page-agent はWebページそのものへの介入が主眼だ。ブラウザの外からPuppeteerで操作するのではなく、ページ内のスクリプトとして動作する点が特徴的。フォームの自動入力、ページ上の要素クリック、データ抽出などをAIに自然言語で委ねる用途に向いている。デモを見ると、ECサイトの操作や社内Webツールの自動化といったユースケースが想定されていることがわかる。

ADK はもう少し上のレイヤーにある。「どのツールをどの順番で呼ぶか」「複数のエージェントをどう連携させるか」という設計を担うキットだ。ブラウザ操作はあくまでその中の一機能として組み合わせることができる。Gemini系のモデルとの親和性が高いが、他モデルの接続も可能な設計になっている。

コードが書けると有利な場面としては、ADKを使って「フォームへの入力→結果のスプレッドシート書き込み→Slackへの通知」といった一連のフローをエージェントとして組む構成が挙げられる。コードなしでも試せるのは、page-agentの公式デモページで自然言語入力を試してみることだ。

もう一つ注目したいのが awesome-claude-code（4.8万スター）だ。Claude Codeに関するリソースを有志がキュレーションしているリポジトリで、プロンプトパターン・プラグイン・ステータスライン表示など、実際にClaude Codeを使い倒している人たちの知恵が集まっている。

スター数4.8万という数字は、現時点でこの3つの中でも群を抜いている。Claude Codeを日常的に使っている人口の多さを反映しているとも言えるし、「まとめリポジトリ」という性質上、初めて触る人の入口としても機能しているとも読める。

チームでClaude Codeを使うなら、ゲートウェイを立てるで触れたように、Claude Codeの活用は個人の使いこなしから組織的な運用まで幅が広い。awesome-claude-codeはその「個人の使いこなし」側のアイデアが特に充実している。page-agentやADKのようなエージェント構築ツールと、Claude Codeを使ったバイブコーディングは、実践面で組み合わせやすい位置関係にある。