اگر برای اجرای عاملهای هوش مصنوعی روی وب هزینه میکنید، احتمالاً میدانید که حجم دادههای صفحات وب، بودجه توکنهای شما را بهسرعت میبلعد. Libretto با عرضه SDK ابزارهای مرورگر در ۲۱ ژوئیه ۲۰۲۶، ادعا میکند که هزینههای عملیاتی را نسبت به چارچوبهای رقیب ۵۵٪ کاهش داده است. این رویکرد در راستای حل چالشهای عملیاتی است که پیشتر در بررسی ۷ ابزار کلیدی برای عبور از بنبست اجرای عاملهای هوش مصنوعی به آنها پرداخته بودیم.
بسیاری از ادغامهای مرورگر و عامل شکست میخورند چون مدل با حجم عظیمی از دادههای اضافی صفحه بمباران میشود. این SDK از یک رویکرد مینیمال استفاده میکند؛ یعنی عامل (Agent) — مانند دستیاری که بهجای خواندن کل کتابخانه، فقط یک برگه خلاصه از وضعیت فعلی را میبیند — ابتدا یک تصویر سریع (Snapshot) از صفحه میگیرد و سپس فقط کد پلیرایت (Playwright) مورد نیاز برای آن وظیفه خاص را اجرا میکند. طبق مستندات libretto.sh، این روش مانع از سرریز اطلاعات در مدل میشود. این قابلیت مکمل سیستمهای خودترمیمی است که در راهکار Libretto برای رفع خودکار اسکریپتهای شکستخورده Playwright مورد بحث قرار گرفت.
همانطور که در تحلیل قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، کنترل دقیق ورودیها کلید پایداری سیستم است. در اینجا نیز Libretto با محدود کردن ابزارها، احتمال «گیج شدن» مدل در مواجهه با کتابخانههای حجیم را از بین برده است.
طبق اعلام این شرکت، معماری این ابزار بر پایه ۶ ابزار تخصصی است:
- browser_snapshot: برای خواندن وضعیت فعلی صفحه.
- browser_exec: برای اجرای مستقیم کدهای Playwright.
- ابزارهای پشتیبانی برای باز کردن، اتصال، بازرسی و بستن نشستها.
این بسته نرمافزاری از طریق آداپتورهای داخلی برای AI SDK و Pi فعال میشود، اما ابزارهای پایه آن مستقل از چارچوب هستند. توسعهدهندگان میتوانند مرورگر Chromium را بهصورت محلی یا از طریق سرویسهای ابری مانند Libretto Cloud، Browserbase، Kernel و Steel مدیریت کنند.
بر اساس بررسی منابع فنی، این تغییر رویکرد از «تجزیه کامل صفحه» به «سнэپسات و اجرا»، مرورگر را بهجای یک جریان داده خام، به یک API دقیق تبدیل میکند. این مدل برای کسانی که اسکرپرهای صنعتی یا جریانهای کاری خودکار میسازند، انتخابی کاربردی است و جایگزینی مدرن برای متدهای قدیمی است، مشابه آنچه در معرفی Webcmd برای جایگزینی سلکتورهای شکننده مشاهده کردیم.
برای شروع، توسعهدهندگان میتوانند این بسته را با دستور npm i libretto-browser-tools تحت لایسنس MIT نصب کنند.
گام بعدی شما
- اگر از چارچوبهای سنگین برای اتوماسیون وب استفاده میکنید، هزینهی توکنهای خود را با جایگزینی آن با Libretto مقایسه کنید.
- مستندات SDK را برای پیادهسازی لوپهای سفارشی (Custom Loops) بررسی کنید.
- منتظر انتشار آداپتورهای جدید برای چارچوبهای گستردهتر باشید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو