2026年11月20日、オープンソースのブラウザエージェントBrowser Useが振り返り記事を公開し、11月10日にリリースされたバージョン1.0がなぜコード削除に踏み切れたのかを説明した。24個のブラウザ操作は1つのpythonツールに集約され、コードベースは136,905行を削除して29,601行だけを追加し、Pythonファイルは178個から43個に圧縮された。それでも同じモデル群はBU Bench v2.1で14〜33ポイント上昇し、コストは2.7〜5.2分の1に下がった。
ツールが少ないほど、モデルは自分で工夫する
1.0はモデルに1つの主ツールだけを与える。ブラウザ用ヘルパー関数をあらかじめ読み込み、生のChrome DevToolsプロトコル(CDP)にアクセスできる永続的なPython環境と、2種類の終了方法だ。チームは2年間「詰まったら操作を追加する」方針を続け、2025年6月にはツールが29個まで増えた。操作は1つひとつがプロンプトの領域を占め、メニューにないことはモデルには手が届かなかった。コードを書けるようになると、モデルは199件の評価トレースで12,976回のコード呼び出しを行い、約47種類のCDPコマンドを使った。ページが固まったときは問題のスクリプトをブロックし、ページ自身のJavaScriptを読み、背後のデータ用エンドポイントを見つけて、3分半で4,720行のデータを回収した。
コード削除が常に正しいわけでもない。著者自身が注意しているように、1.0ではデフォルト設定も同時に変更されており、スコア上昇をすべてツール変更の功績にはできない。キャプチャもコードでは勝てない領域で、小規模なテストでは文章による指示がhCaptchaで3回全敗したのに対し、専用のsolve_captchaツールは6回全勝した。チームの判断基準はだからこそ明快だ。モデルがすでに到達できる基盤能力は文章の指示で使わせ、到達できないものだけをツール化する。
1.0の導入は簡単だ。パッケージを入れてAPIキーを設定すれば、3行のコードで動く。この教訓はブラウザエージェントだけのものではない。ツール設計の目的はモデルにより長いメニューを与えることではなく、十分に深いところまで届く基本要素を与えることだ。本サイトの以前のレビューと照らすと、Browser Useでユーザーが最初につまずくのは請求とログインの壁だった。1.0でそれらが小さくなるかどうかは、実際の利用者の声次第だ。Browser Useは使う価値があるか?エージェントに自分でウェブを操作させる場合、落とし穴は請求とログインの壁を併せて読むとよい。