マイクロソフト、WebwrightのWebエージェントをオープンソース化し、「クリック」から「コード」への移行を図る
マイクロソフトリサーチは最近、新しいWebエージェントフレームワーク「Webwright」をオープンソース化しました。このフレームワークは、主流の「スクリーンショット/DOMクリック」予測モデルに依存するのではなく、AIモデルが直接Playwrightコードを記述したり、ターミナルでBashコマンドを実行したりできるようにすることで、複雑なWebタスクをより効率的かつ論理的に処理します。

I. コアアーキテクチャ:ミニマリストな「ターミナルファースト」アプローチ
Webwrightの設計哲学は明快です。「1つのターミナルは、何千もの抽象化に勝る」。このフレームワークは、約1,000行のコードからなり、3つのコアモジュールに分かれており、複雑なマルチエージェントのオーケストレーションは一切ありません。
Runner(約150行):エージェントループの中核ロジックを管理し、コンテキストと実行を処理します。
Model Endpoint(約550行):モデルとのやり取りのための統一インターフェースであり、OpenAI、Anthropic、OpenRouterなどのバックエンドをサポートします。
Terminal Environment(約300行):モデルがPlaywrightスクリプトを実行し、ログを確認し、スクリーンショットを分析し、デバッグできる、隔離されたターミナル実行環境を提供します。
ワークフロー:ランナーが現在のタスクコンテキストをモデルに送信 → モデルが「思考プロセス」と「シェルコマンド」を生成 → 環境がそれを実行し、結果(出力、スクリーンショット、エラースタック)を返す → タスクが完了するまでループが継続する。

II. なぜ「クリック」から「コード記述」へ移行するのか?
現在の主流のエージェントは、「クリック、スクロール、入力」を絶えず予測してブラウザを操作していますが、これには効率性の問題や状態管理の課題が伴います。Webwrightのコード駆動型アプローチには、次のような明確な利点があります:
論理的な再利用:各操作は、1回限りのクリック記録ではなく、再利用可能なRPA(ロボティック・プロセス・オートメーション)スクリプトを生成します。これらのスクリプトは、Claude CodeやCodexなどの他のツールでも再利用可能です。
複雑なロジックの処理:コードはループ、関数、分岐を自然にサポートします。フォーム入力、ページをまたぐ操作、条件付きジャンプといった長連鎖のタスクにおいて、コードによる表現は単純なアクションの積み重ねをはるかに上回る性能を発揮します。
エンジニアリングによるエラー修正:実行エラー後のスタックトレースを分析することで、モデルは自律的に「コード作成-実行-エラー-修正」という反復サイクルに入り、タスクの成功率を大幅に向上させることができます。
III. エンジニアリングにおけるブレークスルー:「偽の成功」と「コンテキストの肥大化」の解決
Webwrightは、エージェントが抱える2つの一般的な課題に対して、的を絞った解決策を導入しています:
ゲート自己チェックメカニズム:モデルがタスクの完了を誤って報告することを防ぎます。モデルはまず「自己チェック構成」を生成し、クリーンな環境で最終スクリプトを実行する必要があります。自己反省によってタスクが真に達成されたことが確認されて初めて、完了マーカーを出力できます。
履歴圧縮:長い実行履歴によるコンテキストの過剰負荷に対処するため、システムは20ステップごとに履歴を要約に圧縮し、コンテキストウィンドウが常に重要な進捗に焦点を当てるようにします。
IV. テスト性能:ベンチマークを上回る性能
2026年5月に行われたベンチマークテストにおいて、Webwrightは極めて優れた性能を発揮しました:
Online-Mind2Web:GPT-5.4をベースとしたWebwrightは、100ステップの制限内で86.67%の精度を達成し、オープンソースソリューションの中でトップクラスの成績を収めました。
Odysseys(ロングチェーンタスク):平均272語に及ぶ複雑な指示に対し、 Webwright + GPT-5.4は60.1%のスコアを記録し、ベースとなるGPT-5.4(33.5%)と比較して約81.5%の向上を示し、4月のリーダーボード首位であったOpus4.6(44.5%)を上回りました。
業界からの反響
Webwrightの登場は、重要なトレンドを浮き彫りにしています。モデルのプログラミング能力が向上するにつれ、エージェントは「開発者パラダイム」へと移行しつつあります。Webwrightは、ブラウザを単なる対話型インターフェースではなく、プログラム可能なエンドポイントとして扱うことで、AIによるWebタスク実行の効率と堅牢性を新たなレベルへと引き上げました。
開発者にとって、Webwrightは単なるエージェントフレームワークではなく、自動化スクリプトを自動的に作成、保守、パッケージ化できる「スーパー従業員」です。このプロジェクトは現在、GitHubでオープンソースとして公開されています。
関連記事
Linux財団を支援する6つのテックジャイアント、AI脆弱性のノイズに対処するために1,250万ドルを拠出
AI自動化ツールによって生成される低品質なセキュリティレポートの洪水に対処するため、Anthropic、Amazon(AWS)、GitHub、Google、Microsoft、OpenAIの6大テック企業が、Linux Foundationのイニシアチブに対して総額1250万ドルの資金を提供しました。この投資は、オープンソースソフトウェア(FOSS)のメンテナーが手動でのスクリーニングという負担から解放され、本格的なセキュリティ脅威に集中できることを目的としています。AI技術が脆弱性発見のハー
アルトマン証言の中で、マスクはOpenAIを子供たちに譲ることを検討した
今朝、OpenAIのCEOサム・アルトマン氏は、同社の企業構造に異議を唱える元共同創設者エロン・マスク氏の訴訟に対応するため証言台に立った。「営利子会社を設立してAI搭載製品を市場に出すことで、他の創設者たちが『慈善団体を盗んだ』」というマスク氏の主張について問われると、アルトマン氏は明らかなためらいを示して応答した。「その枠組みを処理するのは難しい」と、アルトマン氏は一時の間を置いて語った。「私たちは世界最大の慈善団体の一つを設立した。財団は素晴らしい活動を行っており、今後もさらに多くのこ
サム・アルトマン氏によるAIの減速論が議論を呼ぶ
Apple Podcastsで聴くSpotifyで聴くOpenAIのCEO、サム・アルトマン氏は最近、社会が「これらの新しい能力レベルのいくつかに対して強固になる」時間を確保するため、「AI開発の速度を制御する」時期が来た可能性を示唆した。TechCrunchの「Equity」ポッドキャストの最新回で、ケルステン・コロセック、ショーン・Oケイン、そして私自身は、アルトマン氏の発言が、OpenAIのエージェントがHugging Faceのシステムに侵入した最近のハッキング事件をきっかけとしたも
関連特集おすすめ
コメント (1)
0/500
マイクロソフトリサーチは最近、新しいWebエージェントフレームワーク「Webwright」をオープンソース化しました。このフレームワークは、主流の「スクリーンショット/DOMクリック」予測モデルに依存するのではなく、AIモデルが直接Playwrightコードを記述したり、ターミナルでBashコマンドを実行したりできるようにすることで、複雑なWebタスクをより効率的かつ論理的に処理します。

I. コアアーキテクチャ:ミニマリストな「ターミナルファースト」アプローチ
Webwrightの設計哲学は明快です。「1つのターミナルは、何千もの抽象化に勝る」。このフレームワークは、約1,000行のコードからなり、3つのコアモジュールに分かれており、複雑なマルチエージェントのオーケストレーションは一切ありません。
Runner(約150行):エージェントループの中核ロジックを管理し、コンテキストと実行を処理します。
Model Endpoint(約550行):モデルとのやり取りのための統一インターフェースであり、OpenAI、Anthropic、OpenRouterなどのバックエンドをサポートします。
Terminal Environment(約300行):モデルがPlaywrightスクリプトを実行し、ログを確認し、スクリーンショットを分析し、デバッグできる、隔離されたターミナル実行環境を提供します。
ワークフロー:ランナーが現在のタスクコンテキストをモデルに送信 → モデルが「思考プロセス」と「シェルコマンド」を生成 → 環境がそれを実行し、結果(出力、スクリーンショット、エラースタック)を返す → タスクが完了するまでループが継続する。

II. なぜ「クリック」から「コード記述」へ移行するのか?
現在の主流のエージェントは、「クリック、スクロール、入力」を絶えず予測してブラウザを操作していますが、これには効率性の問題や状態管理の課題が伴います。Webwrightのコード駆動型アプローチには、次のような明確な利点があります:
論理的な再利用:各操作は、1回限りのクリック記録ではなく、再利用可能なRPA(ロボティック・プロセス・オートメーション)スクリプトを生成します。これらのスクリプトは、Claude CodeやCodexなどの他のツールでも再利用可能です。
複雑なロジックの処理:コードはループ、関数、分岐を自然にサポートします。フォーム入力、ページをまたぐ操作、条件付きジャンプといった長連鎖のタスクにおいて、コードによる表現は単純なアクションの積み重ねをはるかに上回る性能を発揮します。
エンジニアリングによるエラー修正:実行エラー後のスタックトレースを分析することで、モデルは自律的に「コード作成-実行-エラー-修正」という反復サイクルに入り、タスクの成功率を大幅に向上させることができます。
III. エンジニアリングにおけるブレークスルー:「偽の成功」と「コンテキストの肥大化」の解決
Webwrightは、エージェントが抱える2つの一般的な課題に対して、的を絞った解決策を導入しています:
ゲート自己チェックメカニズム:モデルがタスクの完了を誤って報告することを防ぎます。モデルはまず「自己チェック構成」を生成し、クリーンな環境で最終スクリプトを実行する必要があります。自己反省によってタスクが真に達成されたことが確認されて初めて、完了マーカーを出力できます。
履歴圧縮:長い実行履歴によるコンテキストの過剰負荷に対処するため、システムは20ステップごとに履歴を要約に圧縮し、コンテキストウィンドウが常に重要な進捗に焦点を当てるようにします。
IV. テスト性能:ベンチマークを上回る性能
2026年5月に行われたベンチマークテストにおいて、Webwrightは極めて優れた性能を発揮しました:
Online-Mind2Web:GPT-5.4をベースとしたWebwrightは、100ステップの制限内で86.67%の精度を達成し、オープンソースソリューションの中でトップクラスの成績を収めました。
Odysseys(ロングチェーンタスク):平均272語に及ぶ複雑な指示に対し、 Webwright + GPT-5.4は60.1%のスコアを記録し、ベースとなるGPT-5.4(33.5%)と比較して約81.5%の向上を示し、4月のリーダーボード首位であったOpus4.6(44.5%)を上回りました。
業界からの反響
Webwrightの登場は、重要なトレンドを浮き彫りにしています。モデルのプログラミング能力が向上するにつれ、エージェントは「開発者パラダイム」へと移行しつつあります。Webwrightは、ブラウザを単なる対話型インターフェースではなく、プログラム可能なエンドポイントとして扱うことで、AIによるWebタスク実行の効率と堅牢性を新たなレベルへと引き上げました。
開発者にとって、Webwrightは単なるエージェントフレームワークではなく、自動化スクリプトを自動的に作成、保守、パッケージ化できる「スーパー従業員」です。このプロジェクトは現在、GitHubでオープンソースとして公開されています。
Linux財団を支援する6つのテックジャイアント、AI脆弱性のノイズに対処するために1,250万ドルを拠出
AI自動化ツールによって生成される低品質なセキュリティレポートの洪水に対処するため、Anthropic、Amazon(AWS)、GitHub、Google、Microsoft、OpenAIの6大テック企業が、Linux Foundationのイニシアチブに対して総額1250万ドルの資金を提供しました。この投資は、オープンソースソフトウェア(FOSS)のメンテナーが手動でのスクリーニングという負担から解放され、本格的なセキュリティ脅威に集中できることを目的としています。AI技術が脆弱性発見のハー
アルトマン証言の中で、マスクはOpenAIを子供たちに譲ることを検討した
今朝、OpenAIのCEOサム・アルトマン氏は、同社の企業構造に異議を唱える元共同創設者エロン・マスク氏の訴訟に対応するため証言台に立った。「営利子会社を設立してAI搭載製品を市場に出すことで、他の創設者たちが『慈善団体を盗んだ』」というマスク氏の主張について問われると、アルトマン氏は明らかなためらいを示して応答した。「その枠組みを処理するのは難しい」と、アルトマン氏は一時の間を置いて語った。「私たちは世界最大の慈善団体の一つを設立した。財団は素晴らしい活動を行っており、今後もさらに多くのこ
サム・アルトマン氏によるAIの減速論が議論を呼ぶ
Apple Podcastsで聴くSpotifyで聴くOpenAIのCEO、サム・アルトマン氏は最近、社会が「これらの新しい能力レベルのいくつかに対して強固になる」時間を確保するため、「AI開発の速度を制御する」時期が来た可能性を示唆した。TechCrunchの「Equity」ポッドキャストの最新回で、ケルステン・コロセック、ショーン・Oケイン、そして私自身は、アルトマン氏の発言が、OpenAIのエージェントがHugging Faceのシステムに侵入した最近のハッキング事件をきっかけとしたも





家






