ブラウザベースのページ読み取り
JavaScript実行後の実際のChromiumブラウザでURLにアクセスするため、レスポンスは生のHTMLではなくレンダリング後のページを反映します。
Manifest
認証するManifestは、WebページをAIエージェント向けの構造化JSONアクションマップに変換するAPIです。ページ上で実行可能な操作、必要なフィールド、実行前条件を把握できます。
概要
Manifestは、WebページをAIエージェント向けの構造化されたアクションマップに変換するAPIです。スクリーンショットや生のページテキストから、何をクリックできるか、何を入力できるかをエージェントに推測させる代わりに、利用可能なアクション、それらに必要なフィールド、そしてそれらを取り巻くページナビゲーションを説明するJSONマニフェストを返します。
この製品は、実際のWebサイトとやり取りする必要があるエージェントを構築する開発者向けです。サイトでは、Manifestをブラウザアクセスとタスク実行の間にあるレイヤーとして位置づけており、ボタン、入力欄、フォーム、依存関係を特定することで、エージェントが手書きのセレクタに頼らずにページを推論し、操作できるようにします。
Manifestが行うこと
アクセシビリティツリー分析
アクセシビリティツリーを使って支援技術と同じように要素を識別し、どの操作要素があり、それらが何をするのかを把握するのに役立ちます。
DOMの突き合わせ
DOMを照合して、アクセシビリティツリーでは見落とされる可能性のある詳細、たとえば必須フィールド、入力タイプ、プレースホルダー、無効状態、依存関係を取得します。
構造化アクション出力
アクション、要件、依存関係、ナビゲーションを含む構造化JSONマニフェストを返し、エージェントが直接利用できます。
決定論的なロケータ解決
モデルがアクションを特定した後にロケータを決定論的に解決し、曖昧な一致は推測せず不確実として扱います。
API対応のワークフロー
認証、ヘルスおよびセッション状態エンドポイント、さらに繰り返しURLリクエストのためのキャッシュを備えた、ドキュメント化されたAPIを提供します。
Manifestが適する場面
エージェントのページ理解
エージェントがアクションを試す前に、Webページ上で利用可能な操作と各操作の役割を判断する必要がある場合に、Manifestを使います。
フォーム入力フロー
フォームの入力や送信のようなワークフローで、どのフィールドが必須か、送信ボタンがそれらに依存しているかをエージェントが把握する必要がある場合に使います。
ナビゲーション対応エージェント
ページのインタラクティブ要素を構造化された形で追跡しながら、サイト内ナビゲーションに従う必要があるシステムを構築するときに使います。
セレクタ不要の自動化
特にサイトが頻繁にリデザインされ、壊れやすい自動化が壊れる場合に、手動で管理するCSSセレクタへの依存を減らすために使います。
Pros and Cons
Pros
- URLを、利用可能なアクションと必要な入力を説明する構造化JSONに変換します。
- 実際のブラウザとアクセシビリティツリー、さらにDOMの詳細を使用するため、テキストのみの抽出よりも具体的です。
- 送信アクションを有効にする前に完了すべきフィールドなど、依存関係情報が含まれます。
- 認証、レート制限、キャッシュ、ヘルス、セッション状態の各エンドポイントをドキュメント化しています。
- ページが時間とともに変化し、セレクタが壊れやすいエージェントワークフローを対象としています。
Cons
- ソースには連携一覧やパッケージ化されたコネクタが示されていないため、API以外のセットアップ詳細は不明です。
- ドキュメントでは、曖昧な一致は不確実としてマークされる可能性があると述べられており、すべてのページ要素が必ずきれいに解決されるわけではありません。
FAQ
Manifestはどのような製品ですか？
Manifestは、構造化されたアクションとしてWebページをAIエージェントに読み取りやすくする開発者向けツールです。テキストを読むだけでなく、実際のページで操作する必要があるエージェント向けに設計されています。
APIは高レベルではどのように動作しますか？
ドキュメントでは、URLを受け取り、ページの状態、利用可能なアクション、ナビゲーションリンクを含むJSONレスポンスを返す POST /manifest エンドポイントが示されています。
Manifestはレスポンスで何を返しますか？
出力には、actions、各アクションのラベルと種類、必須かどうか、そして先に完了する必要があるアクションの依存関係情報などが含まれます。
運用上の制限やエラーケースは記載されていますか？
ソースでは Browser session unavailable エラーが説明されており、APIは既定で6時間のキャッシュを使用し、その時間内の繰り返しリクエストはキャッシュから返されるとされています。
Manifestは誰向けですか？
aboutページでは、Omfang ABがエージェント向けウェブのためのインフラを構築する小規模なスウェーデン企業であり、ManifestはWebページとやり取りするAIエージェントを開発する開発者向けだと説明されています。
Quick Facts
- カテゴリ
- Developer Tool
- 主な利用者
- AIエージェントを構築する開発者
- 製品形態
- API
- 主要出力
- 構造化JSONアクションマニフェスト
- ウェブサイト
- omfang.io
- 会社
- Omfang AB
Manifestの代替品
Termo
Termoは、各エージェントが独自の仮想マシンで動作するAIエージェントプラットフォーム。Web閲覧、コード実行、記憶保持、スケジュール実行に対応し、継続的な調査や自動化、軽い開発作業を任せたい個人やチームに最適です。
Orca
Orcaは、コードエージェントでの開発・実装を支援するAgent Development Environment。分離されたworktree上で複数のCLIエージェントを並列実行し、デスクトップとモバイルの連携ワークフローに対応します。
AI Magicx
AI Magicxは、チャット、画像、動画、音声、音楽、メール、開発タスクを1か所で扱える統合AIワークスペース。複数モデルを使い分ける手間を減らします。
Paper
Paperは、キャンバス、コード、AIエージェントをつなぎ、チームが1つのワークフローで作成・共有・出荷できるデザインツール。デスクトップアプリ、MCP対応のエージェントアクセス、実コンテンツとデザイントークンのワークフローに対応。
blop
blop は、リポジトリ内でブラウザテストをコードとして記述し、CIで実行、失敗をクラスタリングし、壊れたテスト修正用のPRも開けるQA agentです。
RLAMA
RLAMAは、macOS、Linux、WindowsでRAGシステムとインテリジェントエージェントを構築できるローカルAIプラットフォーム。ローカル処理、対話型ターミナル、HTTP APIに対応。