Manifestとは？

Manifestは、あらゆるWebページを、AIエージェントがクリック、入力、送信できるインタラクティブ要素の構造化JSONマップに変換するAPIです。脆弱なCSSセレクターやスクリーンショットに依存する代わりに、ページのアクセシビリティツリーを読み取り、DOMと相互参照して、クリーンなアクションマニフェストを生成します。各アクションには、解決済みのロケーターと、要素間の依存関係をエンコードするrequiresフィールドが含まれています（例：「このボタンがクリック可能になる前に、プランを選択してください」）。これにより、エージェントはページ上で実際に実行できることの信頼性の高い機械可読な設計図を入手できます。

対象ユーザー

• AIエージェント開発者：手動で脆弱なセレクターを作成・保守することなく、プログラムであらゆるWebページと確実に連携する方法を必要とする方。
• 自動化エンジニア：UIの再設計に耐え、継続的なメンテナンスなしで異なるサイト間で動作するブラウザベースのワークフローを構築する方。
• ブラウザエージェントを提供するプロダクトチーム：エージェントがスクリーンショットや生のHTMLから推測するのではなく、ページのアクションについて推論できるようにしたい方。

主な機能

アクション依存関係マッピング

マニフェスト内のすべてのインタラクティブ要素には、アクション間の依存関係をエンコードするrequiresフィールドが含まれています。これにより、ボタンがクリック可能になったり、フォームが送信可能になる前に、どのフィールドやステップを完了する必要があるかをエージェントに伝えます。これは、アクセシビリティスナップショットだけでは提供できないコンテキストです。

解決済みロケーター

各アクションには、解決済みのCSSおよびロールロケーターが付属しており、開発者がセレクターを作成または保守する必要がありません。APIが要素を特定する脆弱な作業を処理するため、エージェントはページの再設計後でも要素を確実に見つけて操作できます。

構造化JSON出力

APIは、ページ上のすべてのボタン、フォーム、入力、およびそれらのタイプ、必須フィールド、プレースホルダー、無効状態を含む、クリーンで予測可能なJSONマニフェストを返します。この構造化フォーマットにより、エージェントは利用可能なアクションを推論し、次に何をすべきかについて情報に基づいた決定を下すことができます。

マルチプラットフォーム対応

Manifestは、Python SDK、LangChainサポート、MCPサーバーを備えており、さまざまなプログラミング環境の既存のエージェントフレームワークやワークフローに簡単に統合できます。

特筆すべき点

「Manifestは、エージェントに何をクリックし、何を入力し、何を送信するか、そして先に進む前に何が必須かを伝えるレイヤーです。」

ブラウザツールはエージェントにページへのアクセスを提供し、コンテンツツールはテキストを抽出しますが、Manifestは欠けているレイヤー、すなわち実用的なインテリジェンスを埋めます。エージェントにページ上に何があるかを伝えるだけでなく、そこで何を実行できるか、各アクションに何が必要か、そして最初にどの依存関係を満たす必要があるかを伝えます。これにより、Webページは視覚的またはテキスト的なドキュメントから、エージェントが自律的にナビゲートできる構造化されたアクションスペースに変わります。

こんな方におすすめ

脆弱なセレクターやスクリーンショットベースの推測に頼らず、実際のWebページと確実に連携するブラウザエージェントを構築している方に最適です。Manifestは、エージェントがフォーム、複数ステップのワークフロー、頻繁に変更されるページを処理する必要があり、人間のように依存関係や必須フィールドを推論させたい場合に特に価値があります。