Mis on Manifest?
Manifest on API, mis muudab iga veebilehe struktureeritud JSON-kaardiks interaktiivsetest elementidest, mida AI-agent saab klõpsata, täita ja esitada. Selle asemel, et tugineda habrastele CSS-valijatele või ekraanipiltidele, loeb see lehe ligipääsetavuspuud ja ristviitab seda DOM-iga, et luua puhas tegevuste manifest. Iga tegevusega on kaasas lahendatud lokalisaatorid ja väli requires, mis kodeerib elementidevahelisi sõltuvusi – näiteks "vali plaan enne, kui see nupp muutub klõpsatavaks". See annab agentidele usaldusväärse, masinloetava kavandi sellest, mida nad lehel tegelikult teha saavad.
Kellele see on mõeldud
- AI-agendi arendajad, kes vajavad usaldusväärset viisi programmiliselt suhelda iga veebilehega ilma käsitsi kirjutamata või habraste valijate hooldamiseta.
- Automatiseerimisinsenerid, kes ehitavad brauseripõhiseid töövooge, mis peavad vastu pidama UI ümberkujundustele ja töötama erinevatel saitidel ilma pideva hoolduseta.
- Tootemeeskonnad, kes tarnivad brauseriagente, kes soovivad, et nende agendid arutleksid lehe tegevuste üle, mitte ei arvaks ekraanipiltidest või toorest HTML-ist.
Peamised funktsioonid
Tegevuste sõltuvuste kaardistamine
Iga interaktiivne element manifestis sisaldab välja requires, mis kodeerib tegevustevahelisi sõltuvusi. See ütleb agendile, millised väljad või sammud tuleb lõpule viia enne, kui nupp muutub klõpsatavaks või vormi saab esitada – kontekst, mida ligipääsetavuse hetktõmmised üksi ei anna.
Lahendatud lokalisaatorid
Iga tegevusega on kaasas lahendatud CSS-i ja rolli lokalisaatorid, välistades vajaduse arendajatel kirjutada või hooldada valijaid. API teeb habras töö elementide tuvastamisel, nii et agendid saavad neid usaldusväärselt leida ja nendega suhelda ka pärast lehe ümberkujundusi.
Struktureeritud JSON-väljund
API tagastab puhta, etteaimatava JSON-manifesti, mis sisaldab iga nuppu, vormi ja sisestusvälja lehel koos nende tüüpide, kohustuslike väljade, kohatäidetega ja keelatud olekutega. See struktureeritud formaat võimaldab agentidel arutleda saadaolevate tegevuste üle ja teha teadlikke otsuseid selle kohta, mida edasi teha.
Mitme platvormi tugi
Manifest tarnitakse koos Python SDK, LangChain toe ja MCP serveriga, muutes selle lihtsaks integreerimiseks olemasolevatesse agendi raamistikesse ja töövoogudesse erinevates programmeerimiskeskkondades.
Mis paistab silma
"Manifest on kiht, mis ütleb agendile, mida klõpsata, täita ja esitada – ja mis on kohustuslik enne, kui see saab edasi liikuda."
Kuigi brauseritööriistad annavad agentidele juurdepääsu lehele ja sisutööriistad ekstraktivad teksti, täidab Manifest puuduva kihi: teostatav intelligentsus. See ei ütle agendile ainult seda, mis lehel on – see ütleb talle, mida tal on lubatud seal teha, mida iga tegevus nõuab ja millised sõltuvused tuleb esmalt rahuldada. See muudab veebilehe visuaalsest või tekstilisest dokumendist struktureeritud tegevusruumiks, mida agent saab autonoomselt navigeerida.
Tasub vaadata, kui…
Ehitate brauseriagente, mis peavad usaldusväärselt suhtlema reaalsete veebilehtedega, ilma habraste valijate või ekraanipiltidel põhineva oletamiseta. Manifest on eriti väärtuslik, kui teie agendid peavad käsitlema vorme, mitmeastmelisi töövooge või sageli muutuvaid lehti – ja soovite, et nad arutleksid sõltuvuste ja kohustuslike väljade üle nii, nagu inimene seda teeks.
