AI Browserとは？Webを読むだけでなく、AIがClick・入力・ページ移動まで行うBrowser Agent

普通のAIにRestaurant予約を探してもらうと、Webを検索して候補をまとめてくれます。

**Browser Agent（ブラウザ代理）**はさらに：

予約Siteを開く
→ 日付を選ぶ
→ 人数を入力
→ 時間を比較
→ 店を開く
→ Formを入力
→ 最終送信前に確認

まで進められます。

Searchは情報、BrowserはInterface操作

Lesson 043のAI Searchは、主に情報を探し読んで統合します。

Browser Agentは：

Read
+ Click
+ Type
+ Navigate
+ Submit

というActionを追加します。

Cloud Browserとは

**Cloud Browser（クラウドブラウザ）**は、個人PCの全Browser Tabを直接操作するのではなく、Cloud上の別Environmentで動くBrowserです。

OpenAIの現在のCloud Browser資料では、Cookie、Login State、Browser Dataが独立しており、Local BrowserのHistoryや保存Passwordを自動継承しない設計が説明されています。

必要なContextだけ渡せる分離はSecurity上重要です。

APIがあるならAPIのほうが安定しやすい

Lesson 018のAPIは構造化されたSystem-to-System Interfaceです。

良いAPIがある場合、Human UIをClickするより安定し、Permissionも明確にしやすいです。

しかし現実にはWeb UIしかないWorkflowも多いため、Browser Agentが汎用的な方法になります。

Connected Appとも違う

GmailやCalendarなどのConnected Appが構造化Toolを提供できる場合、Browserを経由せず直接Actionできることがあります。

Connected App / API
→ 構造化・安定

Browser
→ 汎用だがUI変更の影響を受ける

Web Page自体がAgentを誘導する可能性

Lesson 035のPrompt Injectionが重要です。

Browser Agentは信頼できないWeb Contentを読みます。Page内の文字をUser InstructionやSystem Ruleと混同すると、危険なActionにつながる可能性があります。

User Instruction、System Policy、Web Content、Tool Permissionを分ける必要があります。

重要ActionはConfirmationを入れる

検索・Draft作成と、Payment、Delete、Publish、SubmitはRiskが違います。

高いImpactの操作前にHuman Confirmationを置くのは合理的です。

CAPTCHA、2FA、Popup、地域制限、Bot Block、UI変更などで失敗することもあり、「Browserを持つ = 全Siteを自動操作できる」ではありません。

ひとことで

AI Searchは主にWeb情報を探して読み、AI BrowserはClick、Type、Navigateまで行います。行動能力が増えるほど、Browser隔離、Prompt Injection対策、Permission、重要操作のConfirmationが重要になります。