AIサブルーチン:ゼロトークンコストでの決定論的ブラウザ自動化

AIサブルーチンの機能
AIサブルーチンは、ブラウザタスクを一度記録し、呼び出し可能なツールとして保存します。これにより、トークンコストゼロ、LLM推論遅延ゼロ、100%の決定性で再生できます。生成されたスクリプトは、プロキシ、ヘッドレスワーカー、または外部プロセスソリューションを介さず、ウェブページ自体内で実行されます。
主要なアーキテクチャ上の決定
スクリプトはウェブページの実行コンテキスト内で実行されるため、すべての認証情報、CSRFトークン、TLSセッション、署名付きヘッダーが自動的にリクエストに追加されます。証明書のインストール、TLSフィンガープリントの変更、別個の認証スタックのメンテナンスは不要です。
記録メカニズム
記録中、拡張機能は2層を使用してネットワークリクエストを傍受します:
- ページスクリプトが実行される前にインストールされるMAIN-world fetch/XHRパッチ
- CORSおよびサービスワーカーパス用の相関フォールバックとしてのChromeのwebRequest API
JSONだけでなく、FormData、Blob、生バイトを含むリクエストボディもキャプチャされます。
ネットワークキャプチャ処理
システムは、複数のシグナルに基づいて約300のリクエストを約5つにスコアリングして削減します:
- ファーストパーティとサードパーティのオリジン(+20 / −15)
- 既知のテレメトリホスト(Sentry、Segment、Hotjar、RUM):−80
- DOMイベントとの時間的相関(800ms以内:+28、2.5秒以内:+16)
- メソッドとペイロード形状(変更を加えるPOST/PUT/PATCH/DELETE:+35;GET:+5;リクエストボディあり:+8)
- レスポンス品質(2xx:+12;4xx以上:−25;空でないボディ:+4)
- 揮発性の操作識別子(−18)GraphQLのqueryId、doc_id、operationHash用
揮発性のGraphQL操作IDは、次回実行時に黙って失敗する前に、DOMのみのフォールバックをトリガーします。
生成されたコード構造
生成されたコードは、ネットワーク呼び出しとDOMアクション(クリック、入力、検索)をrtrvr.*ヘルパー名前空間を介して同じ関数内で結合します。上位5つのランク付けされたリクエストとDOMインタラクションが、ジェネレーター用に12,000文字のコンテキストにレンダリングされます。
使用パターン
AIエージェントを500行のスプレッドシートに向けると、わずか1回のLLM呼び出しでパラメータが割り当てられ、500のサブルーチンが起動されます。
主要なユースケース
- Instagram DMの送信を記録し、トークンコストゼロでDMを送信する再利用可能なルーチンを作成
- サイトカタログの最新製品を取得するルーチンを作成し、直接GraphQLクエリを介して数千の製品を取得
- 現在のページコンテキストからAIがパラメータを推論し、EHRフォームを提出するルーチンを設定
- MCPサーバーを使用して、LinkedIn/Slack/Gmailの送信メッセージをCRMに毎日同期するルーチンを再利用
なぜこれが重要なのか
繰り返しタスクのためのブラウザエージェントの根本的な問題は、推論ループを経ることが不要であることです。一度記録し、LLMがすべての可能なインタラクションメソッド(直接API呼び出し、DOMインタラクション、サードパーティツール/API/MCPサーバー)を活用するスクリプトを生成することで、決定論的でコスト効果の高い自動化を実現します。
📖 Read the full source: HN LLM Tools
👀 See Also

エージェントメモリV4は、LongMemEvalベンチマークで96.2%を達成し、商用AIメモリシステムを上回りました。
agentmemory V4はLongMemEvalで96.2%のスコアを獲得し、PwC Chronos(95.6%)、Mastra(94.87%)、OMEGA(93.2%)など複数の資金調達済みAIメモリ企業を上回りました。このシステムは中程度のゲーミングPCを使用し、1,000ドルの予算で16日間で単独で構築されました。

ロア: AIコーディング会話から構造化されたコンテキストを抽出するツール
LoreはClaude Codeで構築されたブラウザベースのツールで、AI会話から構造化されたコンテキストを抽出し、決定事項、TODO、ブロッカー、再開チェックリストを記録します。React + TypeScriptのPWAで、Chrome拡張機能により会話の直接キャプチャとコンテキスト注入が可能です。

Claude Code Session Dashboard: 複数セッションを監視するオープンソースツール
複数のClaude Codeセッションを同時に監視するオープンソースダッシュボードで、トークン使用量、コスト、セッションステータス、コンテキストウィンドウ使用率、アクティブなサブエージェントを表示します。インストールには3つのコマンドが必要です:git clone、cd、npm install && npm start。

LLM回路ファインダー:トレーニングなしで推論を強化するために3層を複製
新しいツールキットがトランスフォーマーモデル内に『推論回路』を発見 - 3〜4層の連続したブロックが分割不可能な認知単位として機能します。これらのブロック(Devstral-24Bの12〜14層)を複製すると、重みの変更や学習なしで、BBHベンチマークの論理的推論スコアが0.22から0.76に向上します。