Claude로 브라우저를 제어하는 오픈소스 확장 프로그램 'BrowserKing' 출시

커뮤니티 반응

사용자들은 오픈소스 방식과 로컬 실행 구조에 대해 긍정적인 반응을 보였으며, 특히 Claude의 성능을 브라우저 제어에 활용할 수 있다는 점에 높은 관심을 나타냈다.

실용적 조언

Anthropic API 키를 보유하고 있다면 별도 비용 없이 즉시 브라우저 자동화 워크플로에 활용 가능하다.
비전 성능이 뛰어난 Claude 3.5 Sonnet 모델을 선택할 때 가장 정확한 요소 인식과 제어 성능을 얻을 수 있다.

섹션별 상세

BrowserKing은 별도의 계정 생성이나 구독 없이 Anthropic API 키를 사용하여 로컬에서 작동하는 크롬 확장 프로그램이다. 브라우저 사이드 패널에서 현재 화면을 캡처하여 모델에 전송하며, 모델은 이를 바탕으로 클릭, 텍스트 입력, 페이지 스크롤, 탭 이동 등 실제 브라우저 조작 명령을 내린다.

개발자는 테스트 결과 Claude가 비전 데이터와 도구 호출 기능을 결합하여 복잡한 작업을 수행하는 데 있어 타 모델 대비 가장 우수한 성능을 보였다고 밝혔다. 현재 15개 이상의 다양한 모델을 지원하며, 사용자가 모델을 전환할 때마다 UI 테마가 해당 제공자의 고유 색상으로 자동 변경되는 시각적 편의성을 제공한다.

이 도구는 MIT 라이선스로 GitHub에 공개되어 누구나 코드를 확인하고 기여할 수 있는 구조이다. 기존 상용 도구들이 가진 폐쇄성을 극복하기 위해 로컬 실행 환경을 채택했으며, 사용자가 자신의 API 키를 직접 관리하므로 데이터 보안 측면에서도 이점을 가진다.

용어 해설

브라우저 에이전트(Browser Agent): — 사용자의 명령을 받아 웹 브라우저 내에서 클릭, 스크롤, 데이터 입력 등 일련의 작업을 자율적으로 수행하는 AI 도구이다. 웹 자동화와 LLM의 결합을 통해 복잡한 워크플로를 처리하는 핵심 기술이다.
도구 호출(Tool Calling): — LLM이 단순히 텍스트를 생성하는 것을 넘어, 특정 함수나 외부 도구를 실행하도록 요청하는 메커니즘이다. 브라우저 에이전트에서는 '클릭'이나 '입력' 같은 동작이 도구 호출 명령으로 변환되어 실행된다.
시각 언어 모델(Vision Language Model): — 텍스트뿐만 아니라 이미지 데이터를 동시에 처리하고 이해할 수 있는 AI 모델이다. 브라우저 화면의 스크린샷을 분석하여 버튼의 위치나 페이지 구조를 파악하는 데 필수적으로 사용된다.

언급된 도구

BrowserKing추천링크

브라우저 제어 및 자동화 에이전트 크롬 확장 프로그램

언급된 리소스

GitHubBrowserKing GitHub Repository