El navegador del agente

Hay trabajo que no vive en tu carpeta. Vive detrás de un inicio de sesión: una factura en el portal de un proveedor, un escrito en el sitio de un tribunal, un panel por el que paga tu equipo. El navegador del agente es la forma en que Perch llega a ese trabajo. Es un navegador real integrado en la app de escritorio, que funciona en un panel junto a la conversación, y Perch lo maneja igual que lo harías tú.

Usa la sesión que ya tienes

Lo importante es de quién es el navegador. Perch no le pide a cada servicio acceso por API ni una autorización OAuth. Trabaja dentro de una sesión de navegador que tú controlas y en la que tú mismo iniciaste sesión.

Eso importa por dos razones. La mayoría de las herramientas que la gente realmente usa no ofrecen una API que valga la pena, y las que sí la ofrecen a menudo la limitan a un plan que no tienes. Además, cada autorización OAuth que otorgas es un permiso permanente que tienes que acordarte de revocar. Una sesión de navegador es diferente: es el mismo acceso que ya tienes, haciendo lo mismo que harías a mano.

Lo que Perch puede hacer en él

Perch puede ir a una página, leer lo que hay en ella, hacer clic, escribir, llenar formularios, presionar teclas, desplazarse y cerrar los diálogos que estorban. Puede ir hacia atrás y hacia adelante en el historial y recargar. También puede buscar en la web e incorporar los resultados a lo que esté haciendo.

Lee una página de dos formas a la vez. Ve la estructura, es decir, los botones, enlaces y campos reales, que es lo que le permite actuar con precisión. Y ve la página como imagen, que es lo que le permite arreglárselas cuando la estructura no ayuda y un control solo tiene sentido visualmente. La mayor parte del tiempo basta con la estructura. La captura de pantalla es lo que le permite seguir funcionando en las páginas que de otro modo lo detendrían.

Verlo trabajar

El panel no es una caja negra. Se abre solo cuando hay algo que deberías ver, y el ejemplo más claro es un inicio de sesión: si Perch se topa con una pantalla de inicio de sesión, el panel pasa al frente y te dice que te necesita. Tú inicias sesión y Perch sigue desde ahí. Nunca le das una contraseña, porque eres tú quien la escribe.

También puedes simplemente tomar el control. El panel tiene una barra de direcciones y botones para ir atrás, adelante y recargar, así puedes manejarlo tú en cualquier momento: ir directo a un sitio, superar un paso en el que Perch se atoró o revisar lo que está viendo. Cuando termines, Perch retoma desde donde dejaste la página.

Dónde pone el límite

Perch no hará clic en un botón que no pueda identificar dentro de un diálogo sobre compartir o permisos. Cambiar quién puede ver algo no es un paso que vaya a dar basándose en una suposición, así que se detiene y te pregunta. Esto es deliberado: el navegador es el único lugar donde un clic equivocado hecho con seguridad tiene consecuencias fuera de tu computadora.

Dónde funciona

El navegador del agente es parte de la app de escritorio. La CLI no lo tiene, y el chat web tampoco, porque ninguno de los dos cuenta con el navegador sobre el que está construido el panel. Si le pides a la CLI que trabaje en un navegador, te dirá que esa capacidad no está disponible ahí en lugar de fingir.

Primeros pasos

No hay nada que activar. Pídele a Perch algo que requiera la web y abrirá el panel por su cuenta. Cosas útiles que puedes pedir:

• Trae las tres últimas facturas del portal de un proveedor y concílialas con la carpeta.
• Revisa si este escrito coincide con lo que dice el expediente.
• Ve a esta página y sácame las cifras de la tabla.

Si el sitio requiere un inicio de sesión que todavía no hiciste en el panel, Perch se detendrá a preguntarte. Ese es el flujo previsto, no una falla.