Do czego się nadają
Do pracy, którą ktoś dziś wykonuje ręcznie w przeglądarce: przepisuje dane między systemami, wypełnia te same formularze albo sprawdza statusy w panelach, które nie mają API. Agent przechodzi przez te same strony co człowiek, bez przebudowy samych systemów.
Przykłady:
- zbieranie danych z portali i paneli do arkusza, pliku CSV albo bazy;
- wypełnianie formularzy danymi, które już są w innym systemie;
- przechodzenie przez wieloetapowe procesy w panelach dostawców i partnerów;
- sprawdzanie własnej aplikacji: przejście ścieżki użytkownika i odczyt błędów z konsoli oraz zapytań sieciowych.
Jak buduję takiego agenta
- Prawdziwa przeglądarka, karty w tle. Agent pracuje w Chrome, w którym ktoś jest już zalogowany, w kartach, które sam otworzył. Nie zabiera człowiekowi klawiatury ani myszy.
- Zatrzymanie tam, gdzie decyduje człowiek. Na stronie logowania i przy CAPTCHA agent staje i oddaje pracę człowiekowi. Przed nieodwracalnym krokiem (wysyłka, płatność, usunięcie) pyta o zgodę.
- Lista dozwolonych i zablokowanych stron. Agent nie wchodzi tam, gdzie nie powinien.
- Pamięć stron. Nazwana akcja („dodaj do koszyka”) działa potem na każdej stronie tego samego typu, a wieloetapowy przebieg da się powtórzyć jednym wywołaniem. Pamięć jest zaszyfrowana i nie zapisuje tego, co wpisano.
- Pomiar. Ile trwa jedno zadanie i jak często kończy się sukcesem, w porównaniu z pracą ręczną. Pracę oceniam po liczbie, którą ruszyła, na przykład po zaoszczędzonych godzinach.
Dowód: jev-browser
jev-browser to mój otwarty plugin do Claude Code. Pozwala Claude’owi sterować prawdziwym Chrome’em w kartach w tle, z własnym kursorem, kiedy człowiek dalej pracuje. Uruchamia też Jev Ultrafast, otwartego agenta, który kończy małe, wąsko określone zadania w przeglądarce w 2 do 8 sekund.
To prototyp: działa, ale ma ostre krawędzie. Wszystkie zasady z poprzedniej sekcji są w nim zaimplementowane, a kod jest na GitHubie. Więcej o projekcie na stronie Projekty (po angielsku).
Wcześniejsza praca z agentami i automatyzacją
- Praca inżynierska: wieloagentowy system LLM, który wyszukuje nieruchomości i wyciąga z ogłoszeń ceny najmu (Python, LangGraph, Scrapy, Prefect). Od października 2026 rozwijam ten temat na magisterce z informatyki stosowanej na WFAIS UJ.
- W SonarHome zaprojektowałem i wdrożyłem system fakturowania, który o ponad 80% ograniczył ręczną pracę przy każdej fakturze, i zbudowałem serwis mailowy, który co miesiąc przetwarza ponad 200 000 wiadomości.
- W Mimirze odpowiadałem za cały stack platformy, która z pomocą AI wyszukuje przetargi, od pierwszego MVP po ponad 300 firm-klientów.
Pełna historia jest na stronie głównej.
Pytania
Czym agent różni się od zwykłego skryptu?
Skrypt powtarza zapisane kroki i staje, gdy strona wygląda inaczej niż wtedy, gdy go pisano. Agent czyta stronę przy każdym kroku i sam wybiera, co kliknąć, ale jest wolniejszy i droższy w działaniu. Gdy proces się nie zmienia, wystarczy skrypt.
Czy agent musi znać hasła?
Nie. W jev-browser agent pracuje w przeglądarce, w której ktoś jest już zalogowany, a na stronie logowania zatrzymuje się i oddaje ją człowiekowi.
Jak szybki jest agent w przeglądarce?
W jev-browser jev_run kończy jedno wąskie zadanie w 2 do 8 sekund. Narzędzia krok po kroku w trybie szybkim potrzebują około 0,1 s na akcję. Tryb ludzki, dla stron, które reagują na mechaniczny ruch myszy, prowadzi kursor po łukach, około 0,7 s na ruch.