Codex sa nedostal cez API, tak otvoril prehliadač a Brevo nastyloval sám
V polovici júla, počas Vibe Coding Summer, sme mali v Brevu poriadny neporiadok. Brevo je nástroj, z ktorého posielame marketingové aj časť transakčných e-mailov, a nahromadili sa v ňom staré šablóny v starom dizajne. Chcel som, aby všetky e-maily pre účastníkov vyzerali ako náš nový brand. Tak som to zadal Codexu.
Codex mi najprv odpísal, že cez API to urobiť nevie. Čakal som, že tým to skončí. Namiesto toho si otvoril prehliadač, prihlásil sa do Breva a začal klikať v rozhraní. Sedel som pri tom a pozeral, ako si sám nastavuje farby, fonty a logo, presne ako by som to robil ja. Fakt som z toho bol nadšený.
Na check-ine s účastníkmi som to potom rozprával ako svoj „aha“ moment týždňa. A práve na tom sa dá dobre ukázať, čo agent robí inak ako chat.
API a rozhranie
API je dvere do aplikácie pre iné programy. Cez API agent pošle požiadavku, napríklad „uprav túto kampaň“, a aplikácia ju vykoná bez toho, aby niekto klikal. Je to rýchle a presné, a preto to agent skúša ako prvé.
Lenže nie všetko, čo vidíte v aplikácii, má aj API. V Brevu sa cez API dali upraviť naplánované kampane aj šablóny. Knižnica značky, teda miesto, kde má Brevo uložené farby, fonty, logo a odkazy pre nové e-maily, sa však musela nastaviť priamo v rozhraní. Automatická detekcia značky z nášho webu navyše nenašla fonty ani odkazy na sociálne siete, takže ich bolo treba doplniť ručne.
Chat by sa v tomto bode zastavil, lebo do Breva sa nedostane. Agent hľadal inú cestu k cieľu a našiel ju.
Ovládanie prehliadača
Keď agent ovláda prehliadač, robí v ňom to isté, čo vy: otvorí stránku, klikne na tlačidlo, vyplní pole. Na nič také nepotrebuje špeciálne napojenie. Stačí, že mu to v nastaveniach povolíte a že je v prehliadači prihlásený.
Rovnako mi to fungovalo aj inde. Keď som pre účastníkov chystal formulár na návody na mieru, napísal som Codexu, že chcem v Airtable nový formulár, ktorý pošle odpoveď do Slacku. Otvoril si prehliadač, prihlásil sa do Airtable a formulár naklikal. Inokedy som potreboval niečo nastaviť v našej starej platforme, do ktorej už skoro nechodím, a Codex si tam cesty preklikal sám.
Najčastejšie však prehliadač používa na kontrolu vlastnej práce. Keď po ňom chcete web, otvorí ho, urobí si snímok obrazovky, pozrie sa, či vyzerá dobre, a prehliadač zavrie.
Prečo je klikanie pomalé
Jeden účastník si takto nechal od Codexu nahrať svoju aplikáciu do App Store Connectu, kde Apple chce kopu údajov o bezpečnosti a o tom, aké dáta aplikácia zbiera. Povedal k tomu presnú vec: keby to sám poznal, naklikal by to rýchlejšie. Lenže to nepoznal, tak odložil počítač a vrátil sa k hotovému formuláru, ktorý len odoslal na kontrolu.
Pomalé je to preto, že agent pri každom kroku urobí snímok obrazovky, prezrie si ho, rozhodne sa, kam kliknúť, klikne a znova odfotí výsledok. Pri desiatich krokoch je to desať takýchto kôl. Ak niečo robíte často a viete kam kliknúť, budete rýchlejší vy. Ak je to jednorazová vec v nástroji, ktorý nepoznáte, nech to nakliká agent.
Vstavaný prehliadač a váš Chrome
Codex aj Claude Code majú vlastný prehliadač priamo v aplikácii. Otvorí sa vedľa rozhovoru a vidíte v ňom, čo agent robí. Vedia ovládať aj váš bežný Chrome, kde ste prihlásení do všetkého.
Ja používam ten vstavaný. Je trochu oddelený od zvyšku počítača, takže mi to príde o kúsok bezpečnejšie, aj keď to s istotou tvrdiť neviem. Za rok, čo agentov s prehliadačom používam, sa mi nestalo, že by sám od seba začal písať na Facebook alebo sa dobíjať do môjho bankovníctva.
Kontrola po zápise
Pri Brevu išlo o e-maily, ktoré boli naplánované pre účastníkov programu. Tam si nemôžete dovoliť, aby agent omylom niečo poslal alebo posunul termín. Preto mal jasnú hranicu: meniť sa smie len vzhľad a meno odosielateľa. Príjemcovia, predmety, časy odoslania a odkazy na Zoom ostávajú.
Po každej zmene si agent kampaň znova načítal a skontroloval, či sedí stav, čas, príjemcovia aj odkazy. Raz sa to oplatilo. Jedna kampaň sa pri úprave dočasne prepla do pozastaveného stavu, lebo starý spôsob plánovania už Brevo nepodporoval. Agent ju vrátil do fronty s pôvodným časom a pri kontrole potvrdil, že je naplánovaná ako predtým. Počas celej úpravy neodišiel ani jeden e-mail.
Rozdiel oproti chatu je práve tu. Chat vám dá odpoveď a o zvyšok sa staráte vy. Agent robí zmeny v nástroji, takže musí vedieť, podľa čoho pozná, že je hotovo, a čo nesmie pokaziť.
Pravidlá pre prácu v prehliadači
- Najprv API, prehliadač až potom. Nechajte agenta vyskúšať napojenie. Ak nejde, nech klika.
- Povoľte prehliadač v nastaveniach a prihláste sa tam, kam má agent ísť. Bez prihlásenia sa nikam nedostane.
- Pozerajte sa pri prvých úlohách. Uvidíte, kde kliká, a viete ho zastaviť, ak ide zle.
- Povedzte, čo sa nesmie zmeniť. Pri e-mailoch napríklad príjemcovia, časy a odoslanie. Odosielanie, publikovanie a platby si nechajte schváliť.
- Chcite kontrolu po zápise. Nech si agent zmenu znova načíta a ukáže vám, že sedí.
Aký je rozdiel medzi chatom a agentom a ako agentovi zadávať prácu, sme rozpísali na blogu Aibility.
Časté otázky
Dokáže AI agent ovládať prehliadač?
Áno. Codex aj Claude Code vedia otvoriť prehliadač, prihlásiť sa, klikať a vypĺňať polia. Treba im to povoliť v nastaveniach. Najčastejšie tak kontrolujú vlastnú prácu, napríklad či web vyzerá dobre.
Čo robiť, keď nástroj nemá API?
Nechajte agenta pracovať priamo v rozhraní nástroja cez prehliadač. Mne takto Codex nastavil knižnicu značky v Brevu a formulár v Airtable. Je to pomalšie ako API, ale výsledok je rovnaký.
Prečo je AI agent v prehliadači taký pomalý?
Pri každom kroku si urobí snímok obrazovky, prezrie si ho a až potom klikne. Pri dlhšom formulári je to veľa kôl. Pri nástroji, ktorý poznáte, budete rýchlejší vy, pri neznámom sa zorientuje agent za vás.
Je bezpečné pustiť agenta do prehliadača?
Mne sa za rok nestalo, že by urobil niečo, o čo som ho nežiadal. Používam vstavaný prehliadač v Codexe alebo Claude Code, ktorý je oddelený od zvyšku počítača. Odoslanie, publikovanie a platby si nechávam schváliť.
Vstavaný prehliadač alebo vlastný Chrome?
Vstavaný prehliadač je oddelený a vidíte v ňom, čo agent robí. Váš Chrome má všetky prihlásenia, takže sa agent dostane ďalej, ale aj k viacerým veciam. Ja začínam vstavaným.
Ako skontrolovať, že agent v nástroji nič nepokazil?
Povedzte mu dopredu, čo sa nesmie zmeniť, a chcite, aby si po každej zmene stav znova načítal. Pri Brevu tak agent našiel kampaň, ktorá sa pri úprave pozastavila, a vrátil ju do fronty s pôvodným časom.
Tom
Chceš to samé ve své práci?
Sedneme si na hodinu nad tím, co řešíš. 3 000 Kč bez DPH.