エージェントブラウザ

作業のすべてがフォルダの中にあるわけではありません。ログインの向こう側にある作業もあります。取引先ポータルにある請求書、裁判所のサイトにある提出書類、チームが料金を払っているダッシュボードなどです。エージェントブラウザは、Perchがそうした作業にアクセスするための仕組みです。デスクトップアプリに組み込まれた本物のブラウザで、会話の横のパネルで動作し、Perchはあなたと同じやり方でそれを操作します。

すでにお持ちのセッションを使います

重要なのは、それが誰のブラウザかという点です。Perchは各サービスにAPIアクセスやOAuthの許可を求めません。あなたが管理し、あなた自身がサインインしたブラウザセッションの中で作業します。

これが重要なのには、二つの理由があります。人々が実際に使っているツールの大半は、使う価値のあるAPIを提供していません。提供しているツールでも、あなたが契約していないプランでしか使えないことがよくあります。そして、OAuthの許可を出すたびに、それは取り消すのを覚えておかなければならない継続的に有効な権限になります。ブラウザセッションは違います。あなたがすでに持っているのと同じアクセス権で、あなたが手作業で行うのと同じことをするだけです。

Perchがブラウザでできること

Perchは、ページへの移動、内容の読み取り、クリック、入力、フォームへの記入、キー操作、スクロールを行い、作業の邪魔になるダイアログを閉じることもできます。履歴を戻ったり進んだりするほか、再読み込みもできます。Webを検索して、その結果を進行中の作業に取り込むこともできます。

Perchはページを二つの方法で同時に読み取ります。一つは構造、つまり実際のボタン、リンク、入力欄です。これにより正確に操作できます。もう一つは画像としてのページです。これにより、構造が扱いにくく、見た目でしか意味がわからないコントロールがある場合にも対応できます。ほとんどの場合は構造だけで十分です。本来なら行き詰まるようなページでも作業を続けられるのは、スクリーンショットのおかげです。

作業の様子を見る

パネルはブラックボックスではありません。あなたが見るべきものがあると自動で開きます。いちばんわかりやすい例はサインインです。Perchがログイン画面に行き当たると、パネルが前面に出て、あなたの操作が必要だと知らせます。あなたがサインインすれば、Perchはそこから作業を続けます。パスワードをPerchに渡すことはありません。入力するのはあなた自身だからです。

自分で操作を引き継ぐこともできます。パネルにはアドレスバーと、戻る・進む・再読み込みのボタンがあるので、いつでも自分で操作できます。目的の場所に直接移動したり、Perchが行き詰まっているステップを突破したり、Perchが何を見ているかを確認したりできます。操作を終えると、Perchはあなたが残したページの状態から作業を再開します。

Perchが一線を引くところ

共有や権限に関するダイアログの中で、Perchは何のボタンか特定できないものをクリックしません。誰が何を見られるかを変えるのは、推測で行ってよい操作ではないため、Perchは手を止めてあなたに確認します。これは意図的な設計です。自信を持って行った誤ったクリックがあなたのマシンの外にまで影響を及ぼす場所は、ブラウザだけだからです。

利用できる場所

エージェントブラウザはデスクトップアプリの機能です。CLIにはなく、Webチャットにもありません。どちらにも、パネルの土台となるブラウザがないためです。CLIにブラウザでの作業を頼むと、できるふりをするのではなく、その環境ではこの機能を使えないと伝えます。

はじめに

有効にする設定はありません。Webが必要な作業をPerchに頼めば、Perchが自分でパネルを開きます。頼むと便利なことの例：

• 取引先ポータルから直近の三件の請求書を取得して、フォルダの内容と照合してください。
• この提出書類が訴訟記録の内容と一致しているか確認してください。
• このページを開いて、表の数値を取り出してください。

パネルでまだログインしていないサイトでログインが必要な場合、Perchは手を止めてあなたに声をかけます。これは想定どおりの流れであり、失敗ではありません。