Nanobrowser: 無料のAIブラウザエージェント

1. プロジェクト概要

Nanobrowserは、ユーザー自身のブラウザ内で直接ウェブブラウジングタスクを自動化するためにマルチエージェントAIを使用するオープンソースのChromeブラウザ拡張機能であり、有料のAIブラウザ自動化サービスに代わる、無料でプライバシーを保護する選択肢を提供します。

2. 背景と位置づけ

Nanobrowserは、多額の月額サブスクリプション料金を請求しながら、ユーザーにブラウジングセッションと認証情報をリモートのクラウドサービスに引き渡すことを要求する商用の「AIブラウザエージェント」製品（OpenAI Operatorなど）への対抗として作られました。このプロジェクトの中核的な使命は、完全にローカルのChrome拡張機能として動作することで、自律的なウェブ自動化を誰でも利用でき、透明で、費用がかからないものにすることです。

同様のAIブラウジングエージェントと比較して、Nanobrowserは3つの点で差別化されています。

設計段階からのマルチエージェント — 単一のモデルが計画と実行を同時に処理しようとするのではなく、推論（「次に何をすべきか」）と実行（「どのようにクリック/入力/ナビゲートするか」）を専用エージェント間で分割します。
モデル持ち込み方式 — ユーザーは1つのAIベンダーに縛られず、プロバイダーを組み合わせて使用でき、コストと品質を制御するために、あるエージェントには安価なモデルを、別のエージェントにはより強力なモデルを割り当てることさえできます。
ローカルファーストのプライバシー — すべてのブラウジング、認証状態、タスク実行は、サードパーティのクラウド自動化サービスを経由してプロキシされるのではなく、ユーザー自身のブラウザセッション内に留まります。

3. 機能カテゴリ

🤖 マルチエージェント自動化 — タスクを分解して実行するために連携する2つのコアエージェント（PlannerとNavigator）。

推論、タスク分解、戦略立案を担当するPlannerエージェント
具体的なブラウザアクション（クリック、入力、スクロール、ナビゲート）を担当するNavigatorエージェント
ステップが失敗したりページが変更されたりした場合に再計画するエージェント間の引き継ぎループ
固定された統合セットではなく、任意のウェブサイトにわたるタスク自動化

💬 インタラクティブなサイドパネル — エージェントを制御および監視するためのブラウザ内の永続的なUI。

エージェントの作業中のリアルタイムステータス更新
タスクや追加指示を出すためのチャット形式のインターフェース
過去のタスクと結果を再確認できる会話履歴
既存のブラウジングセッションを継続する文脈に応じたフォローアップ

🔌 柔軟なLLM統合 — 7以上のLLMプロバイダーをサポートし、ユーザーがエージェントごとにモデルを選択可能。

OpenAI（例：GPT-4o）
Anthropic Claude（例：Claude Sonnet、Claude Haiku）
Google Gemini
Groq、Cerebras（高速推論プロバイダー）
完全にローカルで自己ホスト型のオープンウェイトモデル向けのOllama
任意のカスタムOpenAI互換エンドポイント

🔒 プライバシーとローカル実行 — 機密データをサードパーティのクラウドから遠ざけます。

必須のサブスクリプションやリモート自動化バックエンドなし
認証情報とセッションCookieはユーザー自身のブラウザ内に留まる
どのLLMプロバイダー（完全にローカルのOllamaモデルを含む）がタスクデータを受け取るかをユーザーが選択

4. 主なハイライト

マルチエージェントのPlanner/Navigatorアーキテクチャ — 戦略的推論と戦術的実行を分離することで、単一のモノリシックなエージェントループよりも信頼性の高い複数ステップのタスク完了を実現します。
エージェントごとのモデル割り当て — より強力で高価なモデルが計画を担当し、より安価で高速なモデルが日常的なナビゲーションステップを処理することで、コストと能力のバランスを取ります。
有料ブラウザエージェントに代わるゼロコストの選択肢 — 無料のブラウザ拡張機能として動作することで、商用のオペレーター型製品の月額約200ドルという価格帯を回避します。
幅広いLLMプロバイダーサポート — 主要なホステッドAPI（OpenAI、Anthropic、Gemini、Groq、Cerebras）およびOllama経由の完全にローカルなモデルで動作します。
ChromeネイティブのサイドパネルUX — タスク制御と履歴は、別のアプリやウェブダッシュボードではなく、ブラウザ自体のサイドパネルにあります。
オープンガバナンス — Apache-2.0ライセンスで、活発なDiscordコミュニティと公開された貢献プロセスがあります。

5. 役割別のユースケース

一般開発者: カスタムスクレイピングスクリプトを書くことなく、反復的なブラウザリサーチやQAタスク（例：「テックニュースサイトからトップ見出しを抽出する」や「特定のトピックに一致するGitHubのトレンドリポジトリを見つける」）を自動化します。
プロジェクトマネージャー / 非技術ユーザー: 手動でのブラウジングの代わりに、自然言語のチャット指示を通じて、複数のサイトにわたる価格、機能、仕様によるショッピング比較などの比較リサーチタスクを委任します。

6. はじめに

必要なものを見つける — サンプルプロンプトと推奨モデル構成について、READMEとDiscordコミュニティを参照してください：

https://github.com/nanobrowser/nanobrowser

インストール / 統合 — Chromeウェブストアからインストールするか、最新の開発版のためにソースからビルドします：

git clone https://github.com/nanobrowser/nanobrowser.git
cd nanobrowser
pnpm install
pnpm build

その後、Developer Modeを有効にした状態で chrome://extensions/ から dist 出力をパッケージ化されていない拡張機能として読み込みます。Node.js v22.12.0以上とpnpm v9.15.1以上が必要です。

貢献する — 貢献ガイドを読んでから、プルリクエストを開くか、Discord経由でプロンプトやフィードバックを共有してください：

CONTRIBUTING.md

セキュリティ問題は、公開IssueではなくGitHub Security Advisoriesを通じて非公開で報告する必要があります。

7. プロジェクト構造

nanobrowser/
├── chrome-extension/     # 拡張機能シェル：マニフェスト、バックグラウンドスクリプト、ビルド設定
│   ├── manifest.js
│   └── src/
├── pages/                # 拡張機能のUIサーフェス
│   ├── content/          # ウェブページに注入されるコンテンツスクリプト
│   ├── options/          # 拡張機能のオプション/設定ページ
│   └── side-panel/       # エージェントが実行されるメインのチャット/サイドパネルUI
├── packages/             # 共有内部パッケージ（モノレポ）
│   ├── shared/           # 拡張機能全体で共有される型/ユーティリティ
│   ├── storage/          # ローカルストレージ/状態管理
│   ├── i18n/             # 国際化
│   ├── ui/                # 共有UIコンポーネント
│   └── vite-config/       # 共有ビルドツール
├── CONTRIBUTING.md
├── SECURITY.md
└── package.json

chrome-extension/ はブラウザ拡張機能のエントリポイントとマニフェストを保持し、pages/side-panel/ はPlanner/Navigatorのチャット体験が存在する場所であり、packages/ は拡張機能のさまざまなUIサーフェス全体で再利用される共有ライブラリを含みます。

8. 関連エコシステム

Chrome Extensionsプラットフォーム — Nanobrowserは、ChromeのManifest V3拡張機能APIとサイドパネルAPI上に構築されています。
統合するLLMプロバイダー: OpenAI、Anthropic Claude、Google Gemini、Groq、Cerebras、およびローカルのオープンウェイトモデル（例：Qwen、Falcon、Mistral）向けのOllama。
pnpm / Turborepoツール — コードベースは、Turborepoスタイルのタスクオーケストレーションで構築されたpnpmワークスペースのモノレポとして編成されています。
補完的なカテゴリ: 他のAIブラウザ自動化およびコンピュータ使用エージェントプロジェクトと並び、無料で拡張機能ベースのマルチエージェントアプローチによって区別されます。

9. ライセンス

Apache License 2.0の下でライセンスされています。

✅ 商用目的を含め、自由に使用、変更、配布できます
✅ 帰属表示付きでフォークして派生ブラウザ拡張機能に組み込むことができます
❌ 保証は提供されず、プロジェクトは誤用に対する責任を否認します
ℹ️ プロジェクトは、その上に構築された暗号通貨関連の派生プロジェクトに対する責任を明示的に否認します

10. よくある質問

Q: Nanobrowserを使用するためにサブスクリプション料金を支払う必要がありますか？
A: いいえ。Nanobrowser自体は無料でオープンソースです。接続を選択したLLM APIの使用量に対してのみ支払います（またはOllama経由でローカルモデルを実行する場合はまったく費用がかかりません）。

Q: どのLLMプロバイダーがサポートされていますか？
A: OpenAI、Anthropic Claude、Google Gemini、Groq、Cerebras、およびOllamaを通じた自己ホストモデルに加えて、任意のカスタムOpenAI互換APIエンドポイントです。

Q: 私のブラウジングデータはNanobrowser自身のサーバーに送信されますか？
A: いいえ。NanobrowserはChrome拡張機能としてローカルで実行され、タスク実行はユーザー自身のブラウザセッションで行われ、データは設定したLLMプロバイダーにのみ送信されます。

Q: ソースからインストールするにはどうすればよいですか？
A: リポジトリをクローンし、pnpm install で依存関係をインストールし、pnpm build を実行してから、ビルド出力を chrome://extensions/ でパッケージ化されていない拡張機能として読み込みます。

Q: 計画とブラウジングアクションで異なるモデルを使用できますか？
A: はい。NanobrowserのPlannerエージェントとNavigatorエージェントにはそれぞれ異なるLLMモデルを割り当てることができるため、推論にはより強力なモデルを、日常的なナビゲーションにはより安価で高速なモデルを組み合わせることができます。

11. クイックリンク

リポジトリ: https://github.com/nanobrowser/nanobrowser
貢献ガイド: https://github.com/nanobrowser/nanobrowser/blob/master/CONTRIBUTING.md
セキュリティポリシー: https://github.com/nanobrowser/nanobrowser/blob/master/SECURITY.md
プライバシーポリシー: https://github.com/nanobrowser/nanobrowser/blob/master/PRIVACY.md

12. まとめ

Nanobrowserは、有料のクラウドサービスではなく、無料のオープンソースChrome拡張機能として完全に動作することで、マルチエージェントAI自動化を日常のブラウジングにもたらします。反復的なウェブリサーチやブラウジングタスクを自動化しながら、どのAIモデルが自分のデータを処理し、どれだけのコストがかかるかを制御したい開発者、研究者、一般ユーザーに最適です。