OpenCode Browseは、AIコーディングエージェントがユーザーの実際のブラウザ内で直接動作できるようにすることで、手動のAPIキーや複雑な認証設定の必要性を回避します。Chromium拡張機能とModel Context Protocol(MCP)サーバーを活用することで、このツールはユーザーがすでにサインインしているサイトへのアクセス権を、アクティブなタブやインストール済みの拡張機能を含めてエージェントに付与します。

エージェントと認証済みセッションの橋渡し

OpenCode Browseは、AIエージェントとユーザーのローカルブラウザ環境の間のブリッジとして機能します。開発者に対してすべてのサービスごとに特定のAPIキーや資格情報を要求する多くのエージェントツールとは異なり、このシステムはユーザーがChrome、Edge、またはBraveなどのブラウザですでに開いているセッションをエージェントが利用することを可能にします。

このツールは、エージェントがページを「読み取り」、ボタンをクリックし、テキストを入力し、ネットワークトラフィックを記録する方法を提供します。ユーザーの実際のブラウザ上で動作するため、追加の設定を必要とすることなく、ログインや複雑な認証の壁の裏にあるサイトをナビゲートできます。

「あなたのエージェントに、あなたのタブ、ログイン情報、拡張機能を含む実際のブラウザを使わせるためのMCPサーバーとChromium拡張機能です。」

— OpenCode | Browse, your real browser for coding agents
デスクトップアプリケーションと「あなたのエージェントに、あなたのタブ、ログイン情報を含む実際のブラウザを使わせる」というテキストが表示されたOpenCode Browseのプロモーションカード。
OpenCode Browseは、既存のログインや拡張機能を含むユーザーのアクティブなブラウザセッションとAIエージェントがやり取りするためのブリッジを提供します。opencode.ai

この画像は、導入部分および開発者からの引用で説明されているOpenCode Browseの主要な価値提案を例証しています。

バックグラウンド操作とユーザーへのハンドオフ

エージェントの活動がユーザーのワークスペースを乱すのを防ぐため、OpenCode Browseはエージェントが制御するタブをバックグラウンドで折りたたみグループとして開きます。これにより、エージェントはユーザーの主要なビューを中断することなく、複雑なダッシュボードのナビゲートやWebベースのツールとのやり取りなど、マルチステップのタスクを実行できます。

システムは、エージェントが自律的にタスクを完了できない状況を認識するように設計されています。例えば、サイトが2要素認証(2FA)のプロンプトや支払いゲートウェイをトリガーした場合、ツールはそのタブをユーザーに返します。エージェントは、ユーザーが「続行」ボタンをクリックするのを待ってからタスクを再開します。

技術的な統合と機能

このソフトウェアはChromium拡張機能およびMCPサーバーとして提供され、OpenCode、Claude Code、Cursor、Codex、Zedを含む幅広いAIコーディングツールと互換性があります。エージェントに、操作しているWebページの視覚的および構造的なコンテキストを提供するために、スクリーンショットとタブの録画を取得します。

ユーザーはまた、ツールバーのボタンを介して特定のタブをエージェントに「貸し出す」ことができ、エージェントに特定の開始地点を与えることができます。さらに、システムは「許可されたサイト」の設定を可能にし、ユーザーはエージェントのブラウジング機能を承認されたドメインの特定のリストに制限できます。

信頼性とセキュリティの考慮事項

このツールは既存のログインを利用することで高い利便性を提供しますが、安定性とセキュリティに関して特定のトレードオフを伴います。ユーザーからは、エージェントとブラウザの同期が失われ、ブラウジングセッションを手動で再起動する必要がある接続失敗の事例が報告されています。

「実際の」ブラウザセッションを使用するということは、エージェントがユーザーと同じクッキーやセッションデータにアクセスできることを意味します。これは、エージェントの動作がユーザーのフル権限で実行されるため、大きなセキュリティ上の表面領域を生み出します。そのため、エージェントの有用性と、機密性の高いアカウントに対する自動操作の潜在的なリスクとの間で、慎重なバランスを取る必要があります。

Hacker Newsの読者の反応

  • 技術的な指摘: あるコメント投稿者は、Chrome DevTools Protocol(CDP)やgo-rodのようなライブラリを使用することで同様の結果が得られると示唆し、これらは特別なラッパーを必要とせずに低レベルのブラウザ制御を提供すると主張しました。 コメント ↗
  • 技術的な指摘: あるユーザーは、代替手段としてPlaywright MCPサーバーを使用した経験を共有し、すでに開いているページやセッションへのアクセスを許可できることに言及しました。 コメント ↗
  • 技術的な指摘: 別のユーザーは、ブラウザプラグインを使用したカスタム実装により、Playwrightのようなツールでは安全に達成できない方法で、Outlookのようなセキュアなコンテキストとエージェントをやり取りさせることができると主張しました。 コメント ↗

Hacker Newsのスレッドで出た意見の要約です。事実として検証されたものではありません。 議論の全文を読む ↗