Web Otomasyonu'nun Karanlık Sanatları. OpenAI hesabımı kapatmakla tehdit etti

Görünüşe göre sana avukata ihtiyaç duyacağın bir şey öğreteceğim. Bu konuşmaya hazırlanıyordum -- ve OpenAI hesabımı yasaklamakla tehdit etti... Bunların her biri bir web tarayıcısı kullanan bir yapay zeka aracısı tarafından çözülüyor Temsilcilerimin web'i benim gibi kullanabilmesini istiyorum; rezervasyon yaptırmak, e-posta göndermek, formları doldurmak gibi. Ancak insan olmayan bir şey tıklamaya başladığı anda birçok web sayfası karşı çıkıyor. Yani bu, o mücadeleyi kazanmayla ilgili bir konuşma. Ve biraz alışılmadık bir fikirle başlıyor. Şaka değil; eğer temsilcinizin bir tarayıcıyı Chrome DevTools Protokolü aracılığıyla çalıştırmasını sağlarsanız, temsilcinizin tıklamaları ve tuş vuruşları Chrome'da sizinkiyle tamamen aynı yolu kullanır. Büyük fikir bu. Konuşmanın geri kalanı bunu nasıl başaracağınızla ilgili. Ve bu üç şeye bağlı. Chrome DevTools Protokolü -- benim geliştirdiğim, chrome-agent adlı aracın devreye girdiği yer. İlk şey: temsilcinize bir MCP sunucusu değil, bir komut satırı arayüzü (kabuk tabanlı araçlar) verin. Ve bazılarınız bu tartışmaya katılmadan önce bunun belirli nedenleri var. Yeteneğin bir yıkama olduğunu belirtmekte fayda var; Arize AI tarafından yakın zamanda yapılan bir çalışmada CLI ve MCP'nin her ikisi de yaklaşık %83 oranında doğru cevaba ulaştı. Önce yeniden kullanın. Bir CLI dizisi programlanabilir: Döngüde bir model olmadan onu bir kez yazın, bin kez çalıştırın.

Oysa MCP her fırsatta modele çarpıyor. Benzer bir nedenden dolayı CLI DAHA HIZLIDIR çünkü her adımın ortasında bir model yoktur. Aynı çalışmada - CLI kullanılarak yalnızca 7 çağrıyla ve bir dakikadan kısa sürede tamamlanan aynı görev için MCP, 71 gidiş-dönüş ve 8 dakika sürdü. Buna tutunun; hız en sonunda geri gelir. Ve token maliyeti -- Anthropic, MCP'yi çalıştırmak yerine kod çalıştırmanın token kullanımı açısından 75 kat daha ucuz olabileceğini bildirdi. Tarayıcıyı, temsilcinizin insan gibi görünmesi için ihtiyaç duyduğu ikinci şey olan Chrome DevTools Protokolü ile çalıştırıyoruz. Adını hiç duymamış olsanız bile bu protokolü zaten biliyorsunuzdur. F12 tuşuna bastığınızda Chrome'da açılan geliştirici paneli, onu kullanan tarayıcıyı yönlendirir. Temsilcileriniz de chrome-agent aracını kullanarak bu dili konuşabilir. Chrome Agent ayrıca aracınızın CDP etkileşimlerini yeniden oynatmak için kod yazmasını da kolaylaştırır. CDP'nin yüzey alanı çok büyüktür. Tarayıcının yapabileceği her şeyi kapsayan 57 alan adı, yüzlerce yöntem ve olay.