ego lite

ego-browser は Node.js の CDP ブラウザ自動化ハーネスで、ego lite アプリが提供する globalThis.ego バインディングを通してブラウザを駆動する。エージェントの heredoc から入った JavaScript は、ヘルパー群を経由してブラウザランタイム／CDP に渡り、Snapshot や DOM/AX 解決、必要なら site ツールを通って console.log(...) で出力される。

ブラウザ作業は Bash ツールから ego-browser nodejs <<'EOF' ... EOF の形で実行する。heredoc に JavaScript を直接置き、.js ファイルを作らず、Playwright を import せず、別のブラウザを起動しない。page・page.locator(...)・browser・taskSpaces・site・fetch・cdp がプリロード済みで使える。

ego-browser nodejs <<'EOF'
const task = await taskSpaces.useOrCreate('inspect example page')
await browser.openOrReuseTab('https://example.com', { wait: true, timeout: 20000 })

const heading = await page.getByRole('heading').first().innerText()
const info = await page.info()
if (!heading || !('url' in info)) throw new Error('Example page was not ready')

const result = { taskSpaceId: task.id, heading, url: info.url }
console.log(JSON.stringify(result, null, 2))
EOF

予測できる観測・操作・待機・抽出・検証は、すべてスクリプト内に書ききってからタスクを完了させる。最終結果は console.log(...) で出す。

プリロードされるファサードは Playwright スタイルの名前と呼び出し形に従う。taskSpaces・site・fetch・cdp は ego-browser 固有の機能を提供する。

heredoc は JavaScript の容器にすぎず、Bash の呼び出しが実行の 1 ラウンド。ブラウザタスク全体を既定で 1 回の Bash 実行にまとめる。各 await は内部操作でありステップ境界ではない。起動前に、予測できる観測・操作・待機・抽出・検証・限定的な代替手段をすべてスクリプトに書き込む。中間出力を見たり次の手を計画したりするためだけに抜けない。別コマンドを始めるのは、ユーザー／外部制御が要るとき、スクリプト内でできない目視検査が要るとき、スクリプトが回復できないプロセスレベルの失敗のときに限る。

• page.url() は非同期。常に await page.url() を使う。page.waitForURL(...) の述語は URL オブジェクトを受け取るので url.href / url.pathname / url.searchParams を見る。
• waitForURL / waitForLoadState / waitForSelector / ロケータの waitFor / waitForFunction はタイムアウト時に falsy を返す。結果を確認するか、続行前に必要な状態を検証する。
• request / response / navigation の待機は、それを引き起こすアクションの前に登録する。状態ベースの待機を優先し、waitForTimeout(...) は軽い表示落ち着き用にとどめ 2000ms 以下にする。
• 安定したセマンティックロケータを優先する。構造が不明なときは evaluateAll / allInnerTexts で候補を一度に集め、次の手を JavaScript で導き、同じ heredoc 内で続ける。

Task Space は自分のタブを持つ隔離ブラウジングコンテキストで、ユーザーのログイン状態を継承する。最初のスクリプト冒頭で taskSpaces.useOrCreate(nameOrId) により一度選ぶ。以降のコマンドでは同じ数値 task.id か同一の短いゴール名を使い、別ゴールのときだけ新規に作る。各 Space は ownership: 'agent' | 'agentDelegatedToUser' | 'user' を持つ。

完了はブラウザ実行とは別の終端コミットとして扱う。作業側の Bash 実行は、最終 URL・値・その他の証拠を出力してから完了させずに終える。その出力を見て、要求された事後条件と必要な範囲・網羅境界がすべて証明されていれば、page や browser を触らない専用の最終 Bash 実行で taskSpaces.complete(nameOrId, { keep }) を一度だけ呼び、done を確認する。未達・未証明なら、同じ Task Space で作業を続ける。keep は必須で既定は false、ユーザーが完成ページを残したい・手動操作が要る・URL やファイルで結果を渡せないときだけ true にする。

多くのツールはブラウザを自動化できる。問われるのは、エージェントが得るブラウザは何か、ユーザーが同時に作業を続けられるか、そのツールが手持ちのエージェント向けか組み込みエージェント向けか、である。ブラウザ自動化フレームワーク（Browser-Use、Vercel の agent-browser）はエージェントが呼ぶライブラリで、自前のブラウザを持たず駆動用に別ブラウザが要りログインが引き継がれにくい。AI ブラウザ（ChatGPT Atlas、Perplexity Comet）は組み込みエージェントを積み、そのエージェントしか駆動できない。ego lite は、最初から人と任意のエージェントが共有する 1 つのブラウザ。

• GitHub: citrolabs/ego-lite — オープンソースの ego-browser ハーネスとスキルパッケージ
• lite.ego.app/document — チュートリアル・ツールリファレンス・連携ガイド
• ロードマップ — Windows / Linux 対応など
• GitHub Discussions — アイデアと長めのスレッド
• Discord — セットアップ相談とスキル共有
• X / @ego_agent — アップデートとリリース

スキルの正は ego lite リポジトリ内の skills/ego-browser/SKILL.md（エージェント向けの利用契約）。ハーネスの構成やヘルパー面は package/ego-browser/README.md と AGENTS.md に詳しい。