browser-use/jev-ultrafast

目的を1つ渡すと、Chrome を操作してやり遂げるブラウザエージェントだ。ブラウザ自動化の Browser Use が、判断用の API「Jev」を提供する TypeSafe と組んで作った。ライセンスは MIT。動かすには TypeSafe の APIキーと、文字を書かせる LLM の APIキー（例の設定では OpenRouter）の2つが要る。

画面にあるボタンや入力欄を読み取って番号つきの一覧にし、次の一手を LLM に文章で書かせるのではなく、Jev に「どの操作を、どの番号に」を確率つきで選ばせる。操作はクリック・文字入力・選択・上へスクロール・下へスクロール・待つ・完了・行き詰まりの8種類で、その画面で使えるものだけが候補に出る。操作を選ぶ問いと、操作ごとの対象を選ぶ問いを先回りしてまとめて送るので、判断は1回の問い合わせで決まる。小さな LLM が呼ばれるのは、入力欄に打つ文字を作るときだけだ。

速さのために、画面の撮影は既定では使わず、画面の読み取りはブラウザへの呼び出し1回で済ませ、画面外の本文は送らない。README は、Google Flights でチューリッヒ発ロンドン行きの便を検索し終えるまでを7.1秒としている（最初に画面を読んでから、読み込み待ちも含めた時間）。また、モデルの出力をそのままクリック位置やコードとして実行せず、必ず一覧にある要素に置き換えてから、隠れていないかなどを確かめて操作する。

ブラウザ操作の自動化で、1手ごとの待ち時間が気になっているとき

画面の撮影を送らず、判断も1手1回の問い合わせで済ませる作りになっている。手元で動かす画面では、要素の番号・各操作の確率・実行した操作が見え、1手ずつ止めて確かめることもできる。

ブラウザエージェントの中身を、読んで理解したいとき

処理の本体は数個のファイルに分かれていて、README に役割の対応表がある。画面の読み取り、判断、実行がどこで行われるかを追いやすい。

試作の段階で、扱えない要素がある。 README は、Shadow DOM・フレーム・canvas・ファイルのアップロード・ポップアップで開くタブ・入れ子のスクロールなどを「この MVP の範囲外」としている。

速さの数字は、少ない試行の結果。 README は計測について、1つのブラウザ環境で1つの作業を3回くり返しただけで、一般的な信頼性の評価ではないと断っている。

「完了」の判断をうのみにしない。 エージェントが完了を選んでも、結果は別に確かめる必要があると README に書かれている。

いつもの Chrome のプロフィールをそのまま使う。 エージェントが開くタブは、既存の Chrome のプロフィールを共有すると README にある。ログイン状態も共有されるとみられるので、動かすプロフィールは選んだほうがよい。

実際に動かすと有料の API を呼ぶ。 README によれば、テストは API を呼ばずに動くが、実際の操作例は有料の API 呼び出しになる。

公開から日が浅い。 リポジトリが作られたのは2026年9月16日。