> For the complete documentation index, see [llms.txt](https://docs.maiagent.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.maiagent.ai/maiagent-user-guide/maiagent-user-guide-ja/agent-builder/browser-tool.md).

# Browser Tool

## これは何ですか？ <a href="#what-is-this" id="what-is-this"></a>

Browser Tool は、Agent が**ブラウザを操作**できるようにする機能です。Agent 自身が Web ページに移動し、ボタンをクリックし、フォームに入力し、画面をスクロールしながら、スクリーンショットを通じて現在のページを「見て」、次に何をすべきかを判断します。

業界では、この種の能力を **Browser Use** または **Computer Use** と呼ぶこともあります。MaiAgent の Browser Tool は Agent に組み込まれたバージョンで、有効化すれば会話の中で直接利用でき、外部サービスを別途連携する必要はありません。

## 何ができますか？ <a href="#what-it-can-do" id="what-it-can-do"></a>

* **ナビゲーションと探索**：指定した URL を開き、リンクをたどってページを順に閲覧します
* **ページ要素との操作**：クリック、ダブルクリック、テキスト入力、キー操作、スクロール
* **視覚的な理解**：操作のたびにスクリーンショットを取得し、Agent が画面を見て次のステップを判断します
* **マルチステップタスク**：ログイン → 検索 → 絞り込み → データ取得といった一連の連続したフロー

## ツールや Code Interpreter とは何が違いますか？ <a href="#how-is-it-different" id="how-is-it-different"></a>

|             | ツール（API / MCP）           | Code Interpreter   | Browser Tool            |
| ----------- | ------------------------ | ------------------ | ----------------------- |
| **操作の対象**   | バックエンドサービス / API         | サンドボックス内のプログラム環境   | 実際のブラウザと Web ページ        |
| **画面は見えるか** | 見えない（JSON レスポンスのみ）       | サンドボックスの出力が見える     | **見える**（スクリーンショット）      |
| **適したタスク**  | 構造化データの照会、定義済みの API 呼び出し | 計算、ファイル処理、ドキュメント生成 | API はないが Web ページがあるサービス |

**簡単な判断基準**：相手に API がある → ツール、計算や生成が必要 → Code Interpreter、操作できるのが Web ページのみ → Browser Tool。

## 適したシーン <a href="#when-to-use" id="when-to-use"></a>

* 公開された API はないものの、操作できる Web UI がある社内システム
* ログインや操作が必要なサードパーティサイトから情報を取得するケース
* ページやステップをまたぐ Web フローの自動化（検索、絞り込み、ダウンロード）
* 「人がブラウザ上で行うこと」であれば何でも、それを Agent に自動で任せたいケース

## 注意事項 <a href="#caveats" id="caveats"></a>

* **Claude モデルに最適化**：Browser Tool は視覚的なスクリーンショットの読み取りをモデルの能力に依存しており、Claude シリーズを使用すると最も効果的です。その他のモデルでは効果が安定しない場合があります。
* **同一オリジンのページで最も効果的**：クロスドメインの iframe や、厳格な CSP を持つ Web ページでは、一部の操作が制限される場合があります。
* **実行には時間がかかります**：各ステップでページの読み込み、スクリーンショット、推論を行うため、連続した複数ステップのタスクは 1 回の API 呼び出しよりも遅くなります。合理的なシーンを設計してください。

## 何をすればよいですか？ <a href="#what-do-i-need-to-do" id="what-do-i-need-to-do"></a>

1. **Agent 設定に入る** — 有効化したい AI アシスタントの設定ページで操作します
2. **Browser Tool を有効にする** — ツールまたは高度な機能のエリアで有効化します
3. **Claude モデルの使用を推奨** — 最適な視覚読み取り効果を得るため
4. **テスト** — 会話の中で Agent に Web ページ操作が必要なタスクを実行させ、ブラウザパネルが正しく表示・操作できることを確認します


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.maiagent.ai/maiagent-user-guide/maiagent-user-guide-ja/agent-builder/browser-tool.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.