ابزار OpenCode Browse کنترل مستقیم تب‌های فعال مرورگر را به ایجنت‌های کدنویسی می‌سپارد

تیم OpenCode به‌تازگی ابزار جدیدی به نام OpenCode Browse را منتشر کرده است؛ ابزاری که به ایجنت‌های هوش مصنوعیِ کدنویسی امکان می‌دهد تبهای مختلف را در پروفایل فعال مرورگرهای مبتنی بر Chromium مدیریت و هدایت کنند. در این سازوکار، فریمورک Playwright وظیفه هدایت تبهای پسزمینه را بر عهده می‌گیرد، در حالی که دسترسی ایجنت به نشست‌های کاربری فعال، افزونه‌ها و صفحات باز در همان پروفایل دستنخورده باقی می‌ماند.

برای توسعه‌دهندگان، ابزار Browse بار سنگین و فرساینده احراز هویت در فرایندهای خودکارسازی مرورگر را به‌طور چشمگیری کاهش می‌دهد؛ فرایندهایی که پیش از این نیازمند ساخت پروفایل‌های جداگانه، ذخیره و انتقال کوکی‌ها، ورود مکرر به حساب‌ها و پیاده‌سازی اتصالات اختصاصی برای هر سرویس بودند. افزون بر این، در مراحل حساس نظیر تأیید مجدد هویت، دریافت کدهای ورود دومرحل‌های یا پرداخت‌ها، کنترل تب بلافاصله به کاربر واگذار می‌شود و ایجنت پس از تأیید انسانی کار خود را ادامه می‌دهد.

سازوکار داخلی پل ارتباطی با مرورگر

ابزار Browse یک افزونه مرورگر Chromium را با یک سرور پروتکل کانتکست مدل (MCP) ترکیب می‌کند. پروتکل MCP استانداردی باز است که به کلاینت‌های هوش مصنوعی اجازه می‌دهد ابزارهای خارجی را فراخوانی کنند، در حالی که Playwright لایه اجرایی خودکارسازی مرورگر را تأمین می‌کند. هر نشست کاری معمولاً در چهار مرحله اجرا می‌شود:

1. یک کلاینت سازگار با پروتکل MCP دستور یا وظیفه مدنظر در مرورگر را ارسال می‌کند.
2. ابزار Browse یک تب جدید در پسزمینه باز می‌کند یا از طریق افزونه، یکی از تبهای موجود را تحویل می‌گیرد.
3. کتابخانه Playwright عملیات پیمایش صفحات، کلیک، تایپ متن، ثبت اسکرینشات یا ضبط ترافیک شبکه را به انجام می‌رساند.
4. ابزار Browse در مراحل حساس از پیش تعیینشده متوقف می‌شود و پس از کلیک کاربر روی گزینه Continue، فرایند را پی می‌گیرد.

تیم OpenCode از پشتیبانی ابزارهایی مانند OpenCode، Claude Code، Cursor، Codex، Zed و سایر کلاینت‌های مبتنی بر MCP خبر داده است. مرورگرهای سازگار نیز شامل Chrome، Edge، Brave، Arc، Helium، Vivaldi، Opera و Chromium هستند، اما نام مرورگر فایرفاکس (Firefox) در فهرست پلتفرم‌های پشتیبانیشده دیده نمی‌شود.

چهار روش برای نصب و راه‌اندازی

نصب افزونه اختصاصی Chrome یک راهنمای گامبهگام را برای پیکربندی اولیه اجرا می‌کند و ابزار خط فرمان نیز دستورات مجزایی را برای پوسته‌ها و پکیجمینجرهای رایج در اختیار کاربران می‌گذارد.

سورسکد این پروژه در گیتهاب (GitHub) به‌صورت عمومیدسترس قرار دارد و افزونه آن نیز از طریق فروشگاه وب کروم (Chrome Web Store) عرضه می‌شود. ابزار Browse با بهره‌گیری مجدد از نشست‌های ورود فعال در وب‌سایتها، نیاز به ساخت کلیدهای اختصاصی API برای سایت‌های هدف را در فرایندهای مرورگرمحور از بین می‌برد؛ هرچند اطلاعات هویتی و اعتباری مورد نیاز برای ایجنت یا ارائه‌دهنده مدل همچنان مجزا باقی می‌مانند.

چرا استفاده از نشست‌های کاربری موجود اهمیت دارد؟

اتوماسیون مرورگر در محیط‌های نیازمند ورود کاربر معمولاً توسعه‌دهندگان را با چالش‌هایی چون مدیریت کوکی‌ها، ایجاد حساب‌های آزمایشی، هماهنگی با سامانه‌های ورود یکپارچه (SSO) و عبور از سدهای ورود دومرحل‌های درگیر می‌کند. ابزار Browse دسترسی مستقیم به همان رابط کاربری احراز هویتشدهای را به ایجنت می‌دهد که کاربر از قبل در اختیار دارد. این ویژگی ابزار یادشده را به گزین‌های ایدهآل برای انجام کارهای محلی و تحت نظارتی تبدیل می‌کند که خودکارسازی آنها با اسکریپت‌های سنتی دشوار است.

ابزارهای کنترلی ویژه برای تبهای زنده

• گروهبندی تبهای پسزمینه: تبهایی که توسط ایجنت ساخته می‌شوند، به‌صورت جمعشده و جدا از پنجره اصلی مرور کاربر باقی می‌مانند.
• قابلیت واگذاری تب (Lend-a-tab): دکمه تعبیهشده در نوار ابزار به کاربر اجازه می‌دهد یکی از تبهای موجود را به ایجنت واگذار کند تا اتوماسیون از میان‌های یک فرایند آغاز شود.
• ابزارهای ثبت و ضبط داده: ابزار Browse می‌تواند اسکرینشات، ویدیوهای ضبطشده از صفحه و فایل‌های آرشیو شبکه (HAR) شامل جزئیات درخواست‌ها و داده‌های زمانی ارتباطات را تولید کند.
• فهرست‌های مجاز دسترسی: امکان محدود کردن دسترسی ایجنت به دامنه‌ها و وب‌سایتهای مشخص وجود دارد تا دامنه صفحات در دسترس در طول اجرای عملیات محدود بماند.
• انتقال کنترل به انسان (Human handoff): در گام‌های تعیینشده، اتوماسیون متوقف می‌شود و تب مرورگر برای دریافت ورودی مستقیم در اختیار کاربر قرار می‌گیرد.

جریان‌های کاری پشت سد ورود به حساب

ابزار Browse بیشترین کاربرد را در شرایطی دارد که انجام یک وظیفه به رابط کاربری نیازمند لاگین وابسته باشد و رابط برنامه‌نویسی نرم‌افزار (API) پایدار یا ابزار خط فرمانی برای آن در دسترس نباشد. از جمله نمونه‌های رایج این سناریوها میتوان به موارد زیر اشاره کرد:

• بازآفرینی یک باگ فرانتاند در محیط آزمایشی (Staging) که با سامانه ورود یکپارچه محافظت می‌شود.
• بررسی و اعتبارسنجی سرتاسری فرایند استقرار نرم‌افزار به‌عنوان یک کاربر واردشده به سیستم.
• تکمیل فرم‌های طولانی که نیازمند بازبینی‌های دورهای یا درج اطلاعات محرمانه هستند.
• بررسی داشبوردهای تراکنش یا سایر داده‌های فقطخواندنی حساب کاربری در چارچوب یک فهرست مجاز محدود.
• اجرای ارزیابی‌های Lighthouse روی صفحات باز و گردآوری اسکرینشات، ویدیو یا ردگیری‌های ترافیک شبکه برای تحلیل خطاهای احتمالی.

ضرورت تعیین مرزهای دقیق امنیتی برای دسترسی ایجنت‌ها

واگذاری کنترل یک پروفایل مرورگر با نشست‌های فعال به ایجنت هوش مصنوعی، تمام دسترسی‌ها و داده‌های در اختیار آن کاربر از جمله تنظیمات حساب، صفحات خصوصی و حتی بخش‌های حساس را در معرض عملکرد مدل قرار می‌دهد. اگرچه استفاده از فهرست‌های مجاز مسیرهای پیمایش را محدود می‌سازد، اما همچنان خطر حملات تزریق پرامپت (Prompt Injection) از درون صفحات سایت‌های تأییدشده وجود دارد و ممکن است بر رفتار ایجنت اثر بگذارد.

• هر نشست کاری ایجنت را به محدودترین دامنه‌های ممکن و ضروری محدود کنید.
• برای کار با سایت‌های ناشناس یا پرخطر، یک پروفایل مرورگر اختصاصی با کمترین سطح دسترسی بسازید.
• اقدامات برگشتناپذیر مانند پرداخت‌ها، تغییرات حساب کاربری و حذف داده‌ها را همواره تحت کنترل مستقیم کاربر انسانی نگه دارید.
• اسکرینشات‌های ثبتشده، ویدیوها و فایل‌های HAR را به‌عنوان داده‌های حساس تلقی کنید، زیرا ممکن است شامل آدرس‌ها، پاسخ‌های سرور و هدرهای احراز هویت باشند.
• پیش از اعطای دسترسی‌های گسترده، مجوزهای افزونه را بازبینی کرده و ابتدا فرایندهای فقطخواندنی را آزمایش کنید.

جریان‌های کاری محلی و تحت نظارتی که به نشست‌های ورود فعال متکی هستند، بیشترین بهره را از معماری مبتنی بر افزونه و پروتکل MCP در ابزار Browse می‌برند؛ به‌ویژه زمانی که مراحل پیچیده احراز هویت بخش عمدهای از زمان اجرای کار را به خود اختصاص می‌دهد. با این حال، استفاده از پروفایل‌های ایزوله و اسکریپت‌های قطعی و سنتی همچنان بهترین گزینه برای کارهای خودکار در سرورهای یکپارچه‌سازی مداوم و تراکنش‌های بسیار حساس به‌شمار می‌روند.