Agent AI (zautomatyzowane przeglądanie)

Agent AI do przeglądania łączy duży model językowy ze sterowalną przeglądarką, zwykle headless lub instrumentowaną. Model otrzymuje bieżący stan strony, czy to jako wyrenderowaną treść, ustrukturyzowane dane dostępności, czy zrzuty ekranu, rozumuje o zadanym celu i wydaje działania takie jak klikanie, pisanie i nawigowanie. Następnie obserwuje wynik i decyduje o kolejnym kroku, iterując, aż zadanie zostanie wykonane.

W przeciwieństwie do tradycyjnego bota, który odtwarza zakodowaną na stałe sekwencję, agent dostosowuje się do układów, których nigdy wcześniej nie widział, i odzyskuje sprawność po nieoczekiwanych stanach. Ta elastyczność pozwala mu wykonywać zadania otwarte, takie jak wyszukiwanie, wypełnianie formularzy, porównywanie opcji czy dokonywanie zakupów, i oznacza, że zachowanie agenta jest mniej powtarzalne, a przez to trudniejsze do wychwycenia prostymi regułami wzorców.

Pod spodem jednak agent wciąż działa wewnątrz zautomatyzowanej przeglądarki i dociera do witryn jakąś ścieżką sieciową. Dziedziczy te same sygnały środowiska i kanału sterowania co inna automatyzacja: charakterystyki przeglądarki headless lub instrumentowanej, artefakty frameworku automatyzacji oraz pochodzenie i reputację swojego połączenia. Jego rozumowanie jest nowe, ale jego substrat wykonawczy jest znajomy.

Rozwój agentów tworzy też kwestię legalności, a nie czysto przeciwstawną. Niektóre agenty działają w imieniu prawdziwego użytkownika za jego zgodą, podczas gdy inne są używane do nadużyć. To skłania detekcję ku identyfikowaniu, że sesja jest sterowana przez agenta, i dostarczaniu tego kontekstu, tak aby każda usługa mogła zastosować własną politykę, zamiast zakładać, że cały ruch agentów jest złośliwy.