ブラウザツール

adk-browser クレートは、AI エージェントがウェブページを操作できる包括的な 46 個のブラウザ自動化ツールを提供します。WebDriver プロトコル（Selenium）を基盤としており、WebDriver 対応ブラウザであれば利用できます。

概要

ブラウザツールを使用すると、エージェントは次の操作を実行できます。

• ウェブページを移動し、ブラウザ履歴を管理する
• テキスト、リンク、画像、構造化データを抽出する
• フォームに入力し、ページ要素を操作する
• スクリーンショットを取得し、PDFs を生成する
• 高度な自動化のために JavaScript を実行する
• Cookie、フレーム、複数のウィンドウを管理する

クイックスタート

Cargo.toml に追加します。

[dependencies]
adk-browser = "2.1.0"
adk-agent = "2.1.0"
adk-model = "2.1.0"

前提条件

WebDriver サーバーを起動します。

# Using Docker (recommended)
docker run -d -p 4444:4444 -p 7900:7900 --shm-size=2g selenium/standalone-chrome:latest

# Or use ChromeDriver directly
chromedriver --port=4444

基本的な使用方法

use adk_browser::{BrowserSession, BrowserToolset, BrowserConfig};
use adk_agent::LlmAgentBuilder;
use adk_model::GeminiModel;
use std::sync::Arc;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    // Configure browser session
    let config = BrowserConfig::new()
        .webdriver_url("http://localhost:4444")
        .headless(true)
        .viewport(1920, 1080);

    // Create and start browser session
    let browser = Arc::new(BrowserSession::new(config));
    browser.start().await?;

    // Create toolset with all 46 tools
    let toolset = BrowserToolset::new(browser.clone());
    let tools = toolset.all_tools();

    // Create AI agent with browser tools
    let api_key = std::env::var("GOOGLE_API_KEY")?;
    let model = Arc::new(GeminiModel::new(&api_key, "gemini-3.7-flash")?);

    let mut builder = LlmAgentBuilder::new("web_agent")
        .model(model)
        .instruction("You are a web automation assistant. Use browser tools to help users.");

    for tool in tools {
        builder = builder.tool(tool);
    }

    let agent = builder.build()?;

    // Clean up when done
    browser.stop().await?;

    Ok(())
}

フィルタリングされたツール

エージェントに必要なツールのみを選択します。

let toolset = BrowserToolset::new(browser)
    .with_navigation(true)   // navigate, back, forward, refresh
    .with_extraction(true)   // extract_text, extract_attribute, extract_links, page_info, page_source
    .with_interaction(true)  // click, double_click, type, clear, select
    .with_wait(true)         // wait_for_element, wait, wait_for_page_load, wait_for_text
    .with_screenshot(true)   // screenshot
    .with_js(true)           // evaluate_js, scroll, hover, handle_alert
    .with_cookies(false)     // Disable cookie tools
    .with_frames(false)      // Disable frame tools
    .with_windows(false)     // Disable window tools
    .with_actions(false);    // Disable advanced actions

let tools = toolset.all_tools();

プールを使用したツールセットによるマルチテナント利用

本番環境でマルチテナント構成を使用する場合は、BrowserToolset::with_pool() と LlmAgentBuilder::toolset() を組み合わせて使用します。各ユーザーには、実行時にプールから解決される分離されたブラウザセッションが割り当てられます。

use adk_browser::{BrowserSessionPool, BrowserToolset, BrowserConfig, BrowserProfile};
use adk_agent::LlmAgentBuilder;
use std::sync::Arc;

let pool = Arc::new(BrowserSessionPool::new(BrowserConfig::new(), 10));

// Pool-backed toolset — sessions resolved per-user via ctx.user_id()
let toolset = Arc::new(BrowserToolset::with_pool_and_profile(
    pool,
    BrowserProfile::Scraping,
));

let agent = LlmAgentBuilder::new("web_agent")
    .model(model)
    .instruction("You are a web research assistant.")
    .toolset(toolset)
    .build()?;

ブラウザセッションは、古い WebDriver 接続から自動的に開始および復旧します。ツールを使用する前に browser.start() を呼び出す必要はありません。セッションは初回使用時に透過的に開始されます。

利用可能なツール（全 46 個）

ナビゲーション（4 ツール）

抽出（5つのツール）

インタラクション（5つのツール）

待機（4つのツール）

スクリーンショット（1つのツール）

JavaScript（4個のツール）

Cookie（5つのツール）

Windows/Tabs（8つのツール）

フレーム（3つのツール）

アクション（7つのツール）

要素セレクター

要素を対象とするツールは CSS セレクターを受け付けます：

// By ID
"#login-button"

// By class
".submit-btn"

// By tag and attribute
"input[type='email']"

// By data attribute
"[data-testid='search']"

// Complex selectors
"form.login input[name='password']"

// Nth child
"ul.menu li:nth-child(3)"

例：ウェブ調査エージェント

use adk_browser::{BrowserSession, BrowserToolset, BrowserConfig};
use adk_agent::LlmAgentBuilder;
use std::sync::Arc;

let config = BrowserConfig::new().webdriver_url("http://localhost:4444");
let browser = Arc::new(BrowserSession::new(config));
browser.start().await?;

let toolset = BrowserToolset::new(browser.clone())
    .with_navigation(true)
    .with_extraction(true)
    .with_screenshot(true);

let mut builder = LlmAgentBuilder::new("researcher")
    .model(model)
    .instruction(r#"
        You are a web research assistant. When asked about a topic:
        1. Navigate to relevant websites using browser_navigate
        2. Extract key information using browser_extract_text
        3. Take screenshots of important content using browser_screenshot
        4. Summarize your findings
    "#);

for tool in toolset.all_tools() {
    builder = builder.tool(tool);
}

let agent = builder.build()?;

例：フォーム自動化

let agent = LlmAgentBuilder::new("form_filler")
    .model(model)
    .instruction(r#"
        You are a form automation assistant. To fill forms:
        1. Use browser_navigate to go to the form page
        2. Use browser_extract_text to see form labels
        3. Use browser_type to fill text fields
        4. Use browser_select for dropdowns
        5. Use browser_click to submit
    "#)
    .build()?;

設定

let config = BrowserConfig::new()
    .webdriver_url("http://localhost:4444")
    .headless(true)
    .viewport(1920, 1080)
    .page_load_timeout(30)
    .user_agent("Custom User Agent");

let browser = Arc::new(BrowserSession::new(config));
browser.start().await?;

WebDriver オプション

WebDriver 対応サーバーで動作します：

エラー処理

ブラウザツールは構造化されたエラーを返します。

match result {
    Ok(value) => println!("Success: {:?}", value),
    Err(e) => {
        match e {
            BrowserError::ElementNotFound(selector) => {
                println!("Could not find element: {}", selector);
            }
            BrowserError::Timeout(duration) => {
                println!("Operation timed out after {:?}", duration);
            }
            BrowserError::SessionClosed => {
                println!("Browser session was closed");
            }
            _ => println!("Browser error: {}", e),
        }
    }
}

例

cargo check -p adk-browser
cargo check -p adk-rust --no-default-features --features browser

ベストプラクティス

1. 待機を使用する: 動的コンテンツを操作する前に、必ず browser_wait_* ツールを使用する
2. スクリーンショットを最小限にする: スクリーンショットは高コストであるため、戦略的に使用する
3. セッションを閉じる: 完了したら、必ずブラウザセッションを閉じる
4. エラーを処理する: ブラウザ自動化は失敗する可能性があるため、タイムアウトを適切に処理する
5. ツールを絞り込む: 複雑さを軽減するため、エージェントには必要なツールのみを提供する

---

前へ: ← 組み込みツール | 次へ: UI ツール →