Jak sterować dowolną stroną internetową z poziomu Claude Code. Artykuł na podstawie materiału kanału Firecrawl.
Zacznijmy od problemu. Strony internetowe są robione dla ludzi, a nie dla sztucznej inteligencji. Pełno na nich obrazków, animacji i przycisków, które dla programu opartego na sztucznej inteligencji są tylko zamieszaniem. Kiedy taki program ma zarezerwować stolik w restauracji albo kupić bilet, musi najpierw przeczytać cały kod strony, znaleźć pola formularza, wypełnić je jedno po drugim, a na koniec zrobić zrzut ekranu i sprawdzić, czy się udało. To działa, ale zużywa ogromną liczbę tokenów, czyli po prostu kosztuje pieniądze.
Web M C P to propozycja inżynierów z Google i Microsoftu, która ma to naprawić. Zamiast kazać sztucznej inteligencji zgadywać, co jest na stronie, twórca strony sam udostępnia jej gotowe narzędzia.
Wyjaśnijmy, na czym to polega. Programista rejestruje na swojej stronie narzędzie. Podaje jego nazwę, opis, listę danych, których to narzędzie potrzebuje, oraz kod, który ma się wykonać. Wygląda to bardzo podobnie do zwykłego serwera M C P. Efekt jest taki, że rezerwacja stolika sprowadza się do jednego wywołania narzędzia, zamiast do dwudziestu kroków klikania po formularzu. Znacznie mniej pracy i znacznie mniej tokenów.
Jest jednak poważny haczyk. Web M C P działa wyłącznie w otwartej karcie przeglądarki. A większość narzędzi, z których korzystamy na co dzień, przeglądarki po prostu nie ma. Nie ma jej Claude Code, nie mają jej własne programy agentowe, nie mają jej procesy uruchamiane w chmurze. Z tego wynika, że na razie z Web M C P mogą korzystać głównie przeglądarki z wbudowaną sztuczną inteligencją. Jeśli zbudowałeś już cały zestaw umiejętności i narzędzi w Claude Code, z tych oszczędności nie skorzystasz.
I tu wchodzi rozwiązanie, czyli Firecrawl. Firecrawl uruchamia przeglądarkę w chmurze, którą twój program może sterować. Można wydać jej polecenie zwykłym tekstem, albo wykonać w niej własny kod. I to drugie jest tutaj kluczowe. Służy do tego ich funkcja o nazwie Interact.
Autor pokazał to na dwa sposoby. Zacznijmy od wersji lokalnej, która tłumaczy samą zasadę działania.
Wersja lokalna to prosty skrypt, który przez narzędzie Agent Browser wykonuje kod w przeglądarce działającej bez okna. Ten kod szuka na stronie obiektu z narzędziami Web M C P, pobiera ich listę, a potem pozwala je wywołać, podając nazwę narzędzia i potrzebne dane.
W praktyce wyglądało to tak. Najpierw pytanie do Claude Code: jakie narzędzia są dostępne pod tym adresem. W odpowiedzi pojawiło się dokładnie to jedno narzędzie, które autor wcześniej zaprogramował, czyli rezerwacja stolika w restauracji Le Petit Bistro, z polami: imię, telefon, data, godzina i liczba gości. Potem polecenie: zarezerwuj stolik na przyszły czwartek. Claude dopytał o szczegóły, których brakowało, i zarezerwował. Bez czytania kodu strony, bez zrzutów ekranu, w kilka sekund.
Ta wersja ma jednak wadę. Agent Browser wymaga zainstalowania przeglądarki Chromium i biblioteki Playwright na twoim własnym komputerze. W pracy albo w automatycznym procesie budowania oprogramowania często po prostu nie wolno tego zrobić.
Dlatego przechodzimy do wersji w chmurze, która jest właściwym rozwiązaniem. Pomysł jest ten sam, tylko przeglądarka stoi po stronie Firecrawla.
Działa to w trzech krokach. Najpierw strona jest pobierana, co daje identyfikator sesji. Potem funkcja Interact utrzymuje tę samą sesję przeglądarki otwartą. I na koniec do przeglądarki w chmurze wysyłany jest kod, praktycznie identyczny jak w wersji lokalnej. Jedyna różnica to użycie funkcji wykonującej kod z biblioteki Playwright zamiast tej z Agent Browser.
Firecrawl obsługuje Playwrighta dla Node’a, Playwrighta dla Pythona oraz Agent Browser. A ponieważ Agent Browser i tak pod spodem działa na Playwrightcie, prościej jest pisać od razu w Playwrightcie.
Rezultat był dokładnie taki sam jak w wersji lokalnej. Claude wypisał dostępne narzędzia, a potem zarezerwował stolik jednym poleceniem. Wszystko w chmurze, w niecałą minutę, bez instalowania czegokolwiek u siebie.
Warto tu dodać jedną uwagę praktyczną. Firecrawl ma też osobną funkcję o nazwie browser, która nie wymaga wcześniejszego pobrania strony. Do pracy z programami agentowymi lepiej sprawdza się jednak Interact.
Teraz o ograniczeniach, bo autor jest wobec własnego rozwiązania uczciwy. Jego skrypt nie jest doskonały z dwóch powodów. Po pierwsze, działa dlatego, że strona demonstracyjna używa tak zwanego polyfilla, czyli dodatku, który pod spodem i tak wywołuje kod w JavaScripcie. Kiedy przeglądarka Chrome doda własne, wbudowane wsparcie dla Web M C P, skrypt trzeba będzie przerobić tak, żeby szukał konkretnych znaczników w kodzie strony. Po drugie, sama propozycja Web M C P jest bardzo świeża i wszystko może się w niej jeszcze zmienić. Dobry przykład: niedawno zamieniono jeden kluczowy element nazwany navigator na inny, nazwany document.
Na koniec pytanie, czy w ogóle warto się tym ekscytować. Autor jest sceptyczny i podaje trzy konkretne powody.
Powód pierwszy. Przeglądarki Firefox i Safari nie są zainteresowane wdrożeniem Web M C P. To oznacza, że rozwiązanie trafi głównie do przeglądarek tworzonych specjalnie pod sztuczną inteligencję, a nie do tych, z których korzysta większość ludzi.
Powód drugi. Dzisiejsze programy agentowe w ogóle nie przeglądają stron na żywo. One je pobierają i czytają jako zwykły tekst. Trudno powiedzieć, kiedy to się zmieni i czy w ogóle się zmieni.
Powód trzeci. Twórcy Web M C P powinni poważnie zainwestować w obsługę przeglądarki działającej bez okna. Dopóki tego nie zrobią, obejście przez Firecrawl pozostaje jedynym praktycznym sposobem.
Podsumowując. Web M C P to dobry pomysł na papierze: mniej tokenów, mniej błędów, prostsze działanie programów agentowych na stronach. Ale dziś działa tylko w otwartej karcie przeglądarki, a dwa z trzech głównych silników przeglądarek nie chcą go wdrażać. Jeśli chcesz sprawdzić Web M C P już teraz, czy to w Claude Code, czy we własnym programie, funkcja Interact od Firecrawla jest najprostszą drogą. Przeglądarka stoi w chmurze, nic nie instalujesz lokalnie, a całość działa też tam, gdzie obowiązują ograniczenia.
To wszystko w tym odcinku. Komplet linków do repozytorium z demonstracją, do polyfilla, do rozszerzenia dla przeglądarki Chrome oraz do dokumentacji Firecrawla znajdziesz w opisie.