Sade anlatım
Dizüstü bilgisayarı bir asistana verip “otopark aboneliğini yenile” ya da “en ucuz üç teklifi bul” dediğinizi düşünün. Asistan siteleri açar, yazanları okur, formları doldurur ve sonuçla geri döner. Tarayıcı ajanı bu asistanın yazılım halidir. Bir insanın kullandığı sayfaların aynısı üzerinden çalışır; bu yüzden web sitesinin ona özel bir bağlantı sunması gerekmez.
Neden önemli
Gündelik işlerin önemli bir bölümü API sunmayan web sitelerinde yürür: tedarikçi portalları, resmi başvuru formları, rezervasyon sistemleri. Tarayıcı ajanı bu işleri entegrasyon projesi gerekmeden devralabilir. Karar verirken iki sınırı hesaba katın. Doğrudan bağlantıya göre daha yavaş ve daha az güvenilirdir; görev uzadıkça daha sık hata yapar. Ayrıca kullanıcının oturum açtığı hesaplarla işlem yaparken sayfada ne varsa okur; kötü niyetli bir sayfa onu yönlendirmeyi deneyebilir. Üreticiler bu riskin tümüyle giderilmediğini açıkça söylüyor. Hatanın ucuz ve geri alınabilir olduğu işlerle başlayın.
Örnek
Bir satın alma ekibi, tarayıcı ajanından 40 kalemin güncel fiyatını altı tedarikçi sitesinden toplamasını ve en ucuz sitede sepeti doldurmasını istiyor. Ajan işi 25 dakikada bitiriyor; bir satın alma uzmanı aynı işe üç saat harcıyordu. Sitelerden birinde, ürün sayfasına gizlenmiş bir metin ajana teslimat adresini değiştirmesini söylüyor. Ajanın yetkisi sepeti doldurmakla sınırlı; ödeme adımı bir insanın onayını gerektiriyor. Uzman değişen adresi görüyor ve siparişi reddediyor.
Bununla en çok karıştırılan kavram
Browser Agent ve Computer use (bilgisayar kullanımı) arasındaki fark
Computer use daha geniş yetenektir: modelin herhangi bir yazılımı ekran görüntüsü, fare ve klavyeyle kullanması. Tarayıcı ajanı tarayıcıyla sınırlıdır ve çoğu zaman sayfanın görüntüsünün yanında yapısını da okuyabilir; bu onu web sitelerinde daha hızlı ve daha isabetli yapar. Bütünüyle web'de yürüyen bir iş için tarayıcı ajanı daha dar ve daha güvenli araçtır; masaüstü programı için computer use gerekir.
Teknik katman
Ajan bir döngüde çalışır: sayfayı gözlemle, bir eylem seç, uygula, yeniden gözlemle. Gözlem DOM'dan ya da erişilebilirlik ağacından, ekran görüntülerinden ya da ikisinden birlikte gelir; eylemler sayfaya gitme, tıklama, yazma, kaydırma ve okumadır. Üç biçimi vardır: ajanı içinde gelen bir tarayıcı, kullanıcının mevcut tarayıcısında çalışan bir eklenti ve Playwright gibi otomasyon kütüphaneleriyle sürülen uzak ya da arayüzsüz (headless) bir tarayıcı. Ürünler arasında Perplexity'nin Comet'i, Claude in Chrome ve Gemini in Chrome vardır. Ana risk dolaylı prompt injection'dır: sayfa içeriği güvenilmeyen girdidir, oturum ise kullanıcının çerezlerini ve açık hesaplarını taşır; bu birleşim ölümcül üçlüyü tamamlayabilir. Savunma katmanlıdır: hassas hesaplara giriş yapılmamış ayrı bir profil, izinli site listeleri ve engellenen kategoriler, satın alma, gönderme ve silme öncesinde onay, sayfa içeriğini ve önerilen eylemleri tarayan sınıflandırıcılar, eylem kayıtları ve adım sınırları. Güvenilirlik, görev uzadıkça ve CAPTCHA ya da açılır pencere gibi engeller çıktıkça düşer.