WebMCP-támogatást és terminálos módot kapott a Cloudflare Kitesurf

A weboldalak közvetlenül elérhető funkciókat adhatnak az ügynököknek

A Cloudflare augusztusban mutatta be a Kitesurföt, amelyet kifejezetten mesterségesintelligencia-ügynökök webes használatához tervezett böngészőként ír le. A rendszer teljes egészében Cloudflare Workers környezetben fut. A vállalat célja az volt, hogy a böngésző az ügynökök feladataihoz szükséges működésre koncentráljon, a hagyományos, emberi felhasználásra készült böngészők többletfunkciói nélkül.

A legfontosabb újdonság a WebMCP támogatása. Ez lehetővé teszi, hogy a weboldalak fejlesztői közvetlenül tegyenek elérhetővé funkciókat az ügynökök számára. Így egy repülőjegy-kereséshez például egy searchFlights() jellegű függvény hívható meg, ahelyett hogy az ügynöknek a képernyő elemeit kellene megkeresnie és kattintásokat szimulálnia.

A Kitesurf WebMCP-képessége a Cloudflare nyilvános játszóterén próbálható ki a Cloudflare Radar oldalán. A DevTools panel Application lapjának WebMCP részén olyan eszközök jelennek meg, mint a navigate-to és a set-location, amelyekkel a Radar programozottan vezérelhető.

Több webes szabványt kezel, és nőtt a tesztlefedettség

A frissítés óta a Kitesurf támogatási listája több böngésző-technológiával bővült. A felsorolt új képességek között szerepel a WebMCP, a CSS elrendezése, a CSS Object Model, a CSS Typed OM és az egyedi elemek kezelése.

A Cloudflare URL-alapú modulfeloldást, JSON-modulokat és importtérképeket is hozzáadott. Ezek olyan weboldalaknál fontosak, amelyek több részletben töltik be a JavaScript-kódot. A Workers új modultárával URL-ekről is lehet importokat kezelni. Javultak az iframe-ek is, amelyek a közlemény szerint megfelelőbb időzítéssel töltődnek be, jobban elkülönülnek, és több nyelv, illetve karakterkódolás esetén helyesebben jelenítik meg a szöveget.

A fejlesztést a Web Platform Tests, vagyis a webes szabványok böngészők közötti megvalósítását ellenőrző nyílt tesztcsomag segítségével követik. A Kitesurf jelenleg több mint 730 000 WPT-alteszten megy át, ami 500 000-rel több a rajtkori értéknél.

A hatékonyabb ügynöki működés és a Browser Run integrációja

A Cloudflare szerint az ügynöki böngésző hatékonyságát elsősorban az ügynöki ciklus késleltetése határozza meg, vagyis az az idő, amelyet az ügynök a böngésző válaszára vár. Ezért a Kitesurf belső működését úgy optimalizálták, hogy a DOM bejárása, az időzítők és a betűkészletek betöltése kevesebb munkát igényeljen.

Javították a JavaScript végrehajtását, csökkentették a Boa és a DOM közötti átjárás költségét, valamint több gyakori lekérdezést közvetlenül a WebAssembly-alapú DOM-rétegben szolgálnak ki. A rendszer kevesebb ismételt munkát végez az időzítők és a szkriptek futtatásakor, és felszabadítja a már nem szükséges objektumok memóriáját. A betűkészleteket csak szükség esetén tölti be, és a nyelvspecifikus fájlok lekérése előtt ellenőrzi, milyen karakterek szerepelnek az oldalon.

A cég állítása szerint a több webes szabvány támogatása ellenére a Kitesurf faliórásban mért futási ideje és processzorhasználata nagyjából a bemutatáskor mért szinten maradt, egyes esetekben pedig javult.

A Kitesurf mostantól teljes Browser Run API-lefedettséget kínál. Használható CDP-vel, Playwrighttal, Puppeteerrel és MCP-vel. A Quick Actions funkciók, például a képernyőkép készítése, a HTML kinyerése és a PDF-generálás, már Worker-szkripten belül is elérhetők.

A Kitesurf terminálból is futtatható

A Cloudflare a Kitesurf megjelenítésért felelős PageRenderer komponensét egy Playground Workerbe helyezte át. A terminálos változat a Kitty grafikai protokollt használó környezetekben képeket jelenít meg, más esetekben pedig tisztán ANSI-alapú szöveges módot kínál.

A telepítéshez a brew install cloudflare/cloudflare/kitesurf parancs használható. Ezután a kitesurf https://blog.cloudflare.com paranccsal lehet oldalt megnyitni, a kitesurf --help pedig a súgót jeleníti meg. A terminál a görgetési és kattintási eseményeket is továbbítja, így billentyűzettel, nyilakkal vagy egérrel vezérelhető.

A Cloudflare a továbbiakban is bővíteni akarja a támogatott webes szabványok és a WPT-tesztek körét, miközben a teljesítményméréseket nyilvánosan követhetővé teszi. A vállalat azt is vizsgálja, milyen előnyökkel járhat a megjelenítés PageScript komponenstől való leválasztása, illetve a magasabb képkockasebességet igénylő felhasználási módok támogatása.