HN投稿: Webアプリをエージェントツールにリバースエンジニアリングする
Show HN: Reverse-engineering web apps into agent tools (news.ycombinator.com)
要約
この投稿では、認証済みのWebアプリ内で動作し、アプリ自身のAPI呼び出しを監視して自動的にエージェントツールに変換するブラウザベースのエージェントが紹介されています。このエージェントは、既存のWebアプリケーションのAPIを学習し、それらをLLMが利用できる「レシピ」として生成することで、最小限の労力でAIアシスタントを製品に深く統合することを可能にします。これにより、コードのメンテナンスなしに、より高度で高速なアプリケーション操作が実現します。
全文翻訳
皆さん、こんにちは!私たちは、認証済みのWebアプリ内で動作し、そのアプリ自身のAPI呼び出しを監視して、それらを自動的にエージェントツールに変換するブラウザベースのエージェントを構築しました。これは、ホストアプリの変更に合わせて自己更新する、自動生成されたMCPサーバーのようなものだと考えてください。
その結果、最小限の労力で、あらゆる製品(チャットやRAGだけでなく)に深く統合された、熟練したAIアシスタントが生まれます。
以下の短いデモで、皆さんがよく知っているであろうソフトウェアでエージェントがどのように動作するかをご覧ください。
- Jira: https://demo.frigade.com/hn?skill=jira
- Spotify: https://demo.frigade.com/hn?skill=spotify
- Hacker News (lol): https://demo.frigade.com/hn?skill=hackernews
- フルデモ: https://demo.frigade.com/hn?skill=full-demo
例でご覧いただけるように、ポイント&クリックで通常できることよりもはるかに多くのこと(そして速く)を実行できます。そして、これらの製品のソースコードには一切触れていません!
なぜこれを行うのか?
理想的な世界では、すべてのアプリケーションにMCPサーバーや、AIエージェントが利用できる消化しやすいAPIが用意されているはずです。実際には、非常にモダンなソフトウェアでさえ、AIエージェントがそのままでは使用できない、複雑に絡み合ったAPIやサービスの網を持っていることがわかりました。また、アプリケーションはエンドポイントの保護方法について異なる(しばしば独自開発の)標準(JWT/Cookie/両方の組み合わせ)を持っているため、セキュリティも大きな問題となります。さらに、実際のブラウザエージェントがユーザーの代わりにアプリケーションを使用する(つまり、コンピューターの使用)のは、あまりにも脆く、遅く、多くのトークンを消費します。
私たちは、認証済みアプリケーションの使用と学習にすでにトレーニングされている既存のブラウザエージェントを使用し、アプリの認証済みAPIを「レシピ」に自動的に変換する追加ステップを追加しました。レシピは以下の要素の組み合わせです。
- APIエンドポイント + メソッド
- 認証方法(および認証トークン/Cookieの更新方法の取得方法)
- レスポンススキーマ
- 入力スキーマ(POST/PUT用)
- ツールが何をするかの人間が読める説明
これらを組み合わせることで、コードを一切書いたり保守したりすることなく、LLMのための再利用可能なツールになります。APIが変更されても、私たちのエージェントはそれを検出し、ツールのレシピを更新されたバージョンに置き換えます。
このようにして、AIエージェントにツールを追加するのは非常に簡単になります。
- 私たちのエージェントはアプリでトレーニングを行い、レシピを構築します。
- アプリの所有者は、ダッシュボードから検出されたツールを有効にします。
- エージェントは、ユーザーの代わりにアプリケーション内で直接アクションを実行できるようになります。例えば、「チームメイトをワークスペースに招待して」と言うと、サードパーティを経由したり中継したりすることなく、ユーザーを招待するための既存のAPIエンドポイントが安全に呼び出されます。
もちろん、これを試みるときには多くのエッジケースに遭遇します。標準が数多く存在するにもかかわらず、すべてのアプリケーションは本質的に異なります。面白い事実:標準的なレシピの作成において、graphqlが最も扱いにくいAPIでした。
フィードバックやコメントをお待ちしています!