Best headless browser for AI agents. Lite, Fast, High-Compatibility. Built in Rust
Rust ai-agentsai-toolsbrowserbrowser-automationcloud-browserheadlessheadless-browserkitesurfplaywrightpuppeteerrustservoweb-crawlerweb-crawlingweb-scraperweb-scraping
docs: improve Japanese README wording
田舎のネズミ691bd0297883
diff --git a/README.ja.md b/README.ja.mdindex 83d92188d..9200e6b59 100644--- a/README.ja.md+++ b/README.ja.md@@ -1,7 +1,7 @@<p align="center"><imgsrc="assets/moli-browser-banner.jpg"- alt="Moli Browser — 構造を優先し、ピクセルは必要なときだけ。AIエージェント向けのオープンソースブラウザ。"+ alt="Moli Browser — 構造を優先し、画素は必要なときだけ。AI エージェント向けのオープンソースブラウザ。"width="1086"/></p>@@ -17,57 +17,57 @@<a href="README.es.md">Español</a></p>-Moli は、AI エージェント向けに設計された本番投入可能なヘッドレスブラウザです。レイアウトとレンダリングをオンデマンドで行うことで、フル機能のブラウザランタイムと軽量なリソース消費を両立しています。+Moli は、AI エージェント向けのヘッドレスブラウザで、本番環境でも利用できます。必要なときだけレイアウトと描画を行うことで、ブラウザの実行環境を一通り備えながら、計算資源の使用量を抑えます。-AI エージェントによる Web ページの取得・抽出、Web 検索、ブラウザ操作の自動化に対応します。+Moli は、AI エージェントが行う Web ページの取得や情報抽出、Web 検索、ブラウザ操作の自動化を支援します。-CLI、CDP、WebDriver Classic、WebDriver BiDi のいずれからでも利用できます。+コマンドライン(CLI)、CDP、WebDriver Classic、WebDriver BiDi から利用できます。-## クイックスタート+## すぐに試す-以下の文章を AI コーディングエージェントに渡してください。+次の指示を AI コーディングエージェントに渡してください。```text-https://github.com/lexmount/moli/tree/main/skills 以下の skills をインストールし、-その指示に従って最新のビルド済み Moli バイナリをダウンロード・インストールしたうえで、-moli-webfetch を使って https://example.com を取得し、結果を見せてください。+https://github.com/lexmount/moli/tree/main/skills にあるスキルをインストールしてください。+各スキルの手順に従って、ビルド済みの最新 Moli 実行ファイルをダウンロードし、インストールしてください。+最後に、moli-webfetch で https://example.com を取得し、結果を表示してください。```-## デモ+## 動作例<p align="center"><a href="assets/moli-game.jpg"><imgsrc="assets/moli-game.jpg"- alt="Moli でレンダリングし、Chrome DevTools で検証している HTML5 ゲーム"+ alt="Moli で描画した HTML5 ゲームを Chrome DevTools で確認"width="1200"/></a></p><p align="center">- <sub>Moli でレンダリングし、Chrome DevTools からリアルタイムに検証している HTML5 ゲーム。</sub>+ <sub>Moli で描画した HTML5 ゲームを、Chrome DevTools でその場で確認できます。</sub></p><p align="center"><a href="assets/moli-devtools-rust-lang.jpg"><imgsrc="assets/moli-devtools-rust-lang.jpg"- alt="Moli でレンダリングし、Chrome DevTools で検証している rust-lang.org"+ alt="Moli で描画した rust-lang.org を Chrome DevTools で確認"width="1200"/></a></p><p align="center">- <sub>Moli でレンダリングした rust-lang.org。ライブの DOM、CSS、ジオメトリを Chrome DevTools から確認できます。</sub>+ <sub>Moli で描画した rust-lang.org では、現在の DOM、CSS、位置・寸法を Chrome DevTools で確認できます。</sub></p>## CLI の使い方-### ページを抽出する+### ページの内容を取り出す-Moli 標準の完了条件を使って、ページの内容を Markdown 形式で取得します。+Moli の標準の完了判定を使い、ページを Markdown 形式で出力します。```bashmoli fetch \@@ -76,7 +76,7 @@ moli fetch \https://example.com```-より軽量で、モデルが扱いやすいセマンティックツリー形式で直接出力することもできます。+または、ページの意味構造を、AI モデルが扱いやすい簡潔な形式で直接出力します。```bashmoli fetch \@@ -85,29 +85,29 @@ moli fetch \https://example.com```-視覚的な出力が必要な場合は、オンデマンドレイアウトを有効にすることで、ビューポートの PNG スクリーンショットやページ分割済みの PDF をそのまま生成できます。+画面出力を行う場合は、レイアウト計算を有効にすると、表示領域の PNG 画像(スクリーンショット)や、ページ分割した PDF を直接生成できます。```bashmoli fetch --layout --dump screenshot https://example.com > page.pngmoli fetch --layout --dump pdf https://example.com > page.pdf```-`fetch --help` を実行すると、出力形式、ページ読み込み・レスポンスの待機条件、プロファイル、プロキシ設定、リソースポリシー、トレースオプションなど、すべてのパラメーターを確認できます。+`fetch --help` を実行すると、出力形式、ページ読み込みや応答の待機条件、プロファイル(利用者設定)、プロキシ設定、取得対象の設定、動作追跡など、指定できる引数をすべて確認できます。### 自動化サーバーを起動する```bash-# DOM 操作中心のワークロード向けの基本自動化サーバー+# DOM を優先する処理向けの基本的な自動化サーバーmoli serve-# 実際のジオメトリ計算、座標入力、スクリーンショット/スクリーンキャストを有効化+# 実際の位置・寸法、座標入力、画面画像、連続画面配信(スクリーンキャスト)を有効化moli serve --layout-# 画像・フォント・音声・動画・メディア・テキストトラックなどのオプションリソースも取得+# 通常は省略する画像、フォント、音声、動画、メディア、字幕などの文字情報も取得moli serve --layout --resource```-同一のエンドポイントで CDP、WebDriver Classic、WebDriver BiDi の 3 プロトコルすべてに対応しています。Playwright からは CDP 経由でそのまま接続できます。+同じ接続先で、CDP、WebDriver Classic、WebDriver BiDi の 3 つの通信規格を利用できます。Playwright からは CDP で直接接続できます。```jsimport { chromium } from "playwright";@@ -124,115 +124,115 @@ await browser.close();## Moli を選ぶ理由-エージェントのワークロードにおいて重要な 3 つの特長を、Moli はすべて兼ね備えています。+AI エージェントの処理では、機能の充実度と速度に加え、少ない計算資源で動作することが重要です。Moli は、この 3 つを兼ね備えています。-- **フル機能** — 本物の JavaScript、DOM、CSS、ネットワーク、ストレージ、レイアウト、スクリーンショット、標準の自動化プロトコルを、1 つのヘッドレスブラウザに統合しています。-- **高速** — 自動化リクエストの多くは視覚的なレンダリングを必要としないため、構造中心の操作ではレイアウトと描画をまるごとスキップします。-- **高いリソース効率** — レイアウトとピクセルは必要なときにだけ生成するため、レンダリング済みの視覚状態一式を常時保持・更新しておく必要がありません。+- **高機能** — JavaScript、DOM、CSS、通信、保存領域、レイアウト、画面画像、標準的な自動操作方式を、一つのヘッドレスブラウザに統合しています。+- **高速** — ほとんどの自動化処理では画面描画が不要なため、構造を扱う操作ではレイアウト計算と描画を省きます。+- **少ない計算資源で動作** — レイアウトと画素は必要なときだけ生成します。描画済みの画面状態を常に保持し、更新し続ける必要はありません。-ブラウザ自動化タスクの多くが本当に必要としているのは、常にレンダリングされ続ける視覚世界ではなく、ページの構造情報です。Moli はネイティブな DOM とスタイルの状態を唯一の情報源として扱い、レイアウトやソフトウェア描画は、それが本当に必要な処理のときだけ実行します。+ほとんどのブラウザ自動化で必要なのは、常に描画された画面ではなく、ページの構造です。Moli は、ブラウザ本来の DOM とスタイル情報を唯一の正しい情報源とし、必要な操作に限ってレイアウト計算やソフトウェア描画を行います。-| エージェントのリクエスト | Moli の処理 |+| AI エージェントが求める処理 | Moli の動作 || --- | --- |-| HTML/Markdown の抽出、DOM の照会、JS の実行、ネットワーク/ストレージの検証 | ランタイムの状態を直接読み取るだけ — レイアウトも描画も発生しない |-| 要素の境界ボックスの読み取り、座標のヒットテスト、座標入力の送信 | レイアウトを 1 回計算し、最新のジオメトリスナップショットのみ保持 |-| スクリーンショットの撮影、スクリーンキャストの更新 | 現在の DOM/スタイルから毎回再構築し、新しいフレームをレンダリングして使用後すぐに破棄 |+| HTML や Markdown の抽出、DOM の照会、JavaScript の実行、通信や保存領域の確認 | ブラウザの実行状態を直接読み取ります。レイアウト計算も描画も行いません。 |+| 要素の位置・寸法の取得、座標判定、座標入力 | レイアウト計算を 1 回行い、最新の位置・寸法情報だけを保持します。 |+| 画面画像の取得、連続画面配信の更新 | 現在の DOM とスタイルから画面を再構築して描画し、使用後すぐに破棄します。 |<p align="center"><a href="assets/moli_ondemand_rendering_flow.svg"><imgsrc="assets/moli_ondemand_rendering_flow.svg"- alt="Moli のリクエスト処理:標準では DOM を優先し、レイアウトと描画は必要なときだけ新たに構築"+ alt="Moli の処理の流れ:標準では DOM を優先し、レイアウトと描画は必要なときだけ新たに構築"width="680"/></a></p>-V8、CSS、レイアウト、テキスト組版、ヒットテスト、ソフトウェア描画といった機能一式は、Moli の内部にそのまま備わっています。違うのは、視覚処理を*いつ*実行し、その結果を*どれだけの間*保持するかだけです。このコストモデルは、クローリング、ブラウザ操作エージェント、検索パイプライン、評価環境、強化学習ワークロードと特に相性が良好です。+Moli は、V8、CSS、レイアウト、文字組み、座標判定、ソフトウェア描画などの機能をすべて内蔵しています。一般的なブラウザとの違いは、画面処理を*いつ*実行し、その結果を*いつまで*保持するかだけです。この方式は、Web の巡回収集、ブラウザ操作を行う AI エージェント、検索・取得処理、評価環境、強化学習に特に適しています。-## 現在サポートしている機能+## 現在の対応機能-- **フル機能の Web ランタイム** — ストリーミング HTML パース、ネイティブ DOM、V8 JavaScript、モジュール/タイマー/マイクロタスク/イベント、iframe と worker、CSS カスケード、Fetch/XHR/WebSocket、Cookie、WebCrypto、プロファイル単位のストレージ(localStorage、IndexedDB、OPFS)。-- **抽出に最適化された出力** — CLI から HTML、Markdown、JSON、セマンティックテキストツリー、フレーム情報を含むシリアライズ結果を直接出力可能。セレクターやスクリプト、レスポンスの待機条件指定、ネットワークトレースにも対応。-- **統一された自動化インターフェース** — CDP、WebDriver Classic、WebDriver BiDi は同一のカーネルとスケジューラーを共有。ChromeDriver や geckodriver、ブラウザ本体を別途インストールする必要はありません。-- **視覚機能はオンデマンドで有効化** — `--layout` を付けると、完全なボックス構築、Taffy レイアウト、Parley によるテキスト組版、レイアウトベースのヒットテスト/入力、ビューポートのスクリーンショット、CPU で低頻度にレンダリングする DevTools スクリーンキャストが使えるようになります。-- **細かく制御できる運用オプション** — プロファイル、Cookie、HTTP キャッシュ、プロキシ、リソース種別、接続数の上限、タイムアウト、プライベートネットワークポリシー、User-Agent の上書き、構造化ログ、ネットワーク診断まで一通り揃っています。+- **完全な Web 実行環境** — HTML の逐次解析、ブラウザ本来の DOM、V8 JavaScript、モジュール、タイマー、マイクロタスク、イベント、iframe、worker、CSS カスケード、Fetch、XHR、WebSocket、Cookie、WebCrypto、利用者設定ごとの保存領域(localStorage、IndexedDB、OPFS)を備えています。+- **情報抽出に適した出力** — CLI から HTML、Markdown、JSON、意味構造を表す文字列、フレーム情報付きのデータを直接出力できます。指定した要素、JavaScript の判定、応答を待つ機能や、通信内容の追跡にも対応します。+- **自動操作機能を一つに統合** — CDP、WebDriver Classic、WebDriver BiDi は、同じブラウザ中核と処理管理機構を共有します。ChromeDriver、geckodriver、ブラウザ本体を別途インストールする必要はありません。+- **必要なときに使える実際の画面処理** — `--layout` を追加すると、完全なボックス構築、Taffy による配置、Parley による文字組み、レイアウトに基づく座標判定と入力、表示領域の画面画像、CPU 描画による低頻度の DevTools 向け連続画面配信を利用できます。+- **運用に必要な設定** — プロファイル、Cookie、HTTP キャッシュ、プロキシ、取得するデータの種類、同時接続数、待ち時間、プライベートネットワークへの接続方針、User-Agent の変更、構造化ログ、通信診断を一通り備えています。## Moli と Lexmount の関係-Moli は Lexmount が開発するオープンソースのヘッドレスブラウザで、Lexmount Browser はこれを中核に据えたマネージドクラウドランタイム兼コントロールプレーンです。+Moli は、Lexmount がオープンソースで公開しているヘッドレスブラウザです。Lexmount Browser は、Moli を中核として構築された、運用管理付きのクラウド実行環境と管理基盤です。-**Lexmount Browser がなくても、このオープンソース版だけですべての機能を利用できます。**+**Lexmount Browser を利用しなくても、このオープンソース版だけですべての機能を利用できます。**-## コスト制御+## 処理負荷の制御-Moli では、負荷の高いブラウザ処理はすべて明示的な有効化が必要で、デフォルトではオフになっています。+Moli では、処理負荷の高い機能は明示的に有効にした場合だけ動作します。標準では無効です。-| モードまたはオプション | 動作 |+| 動作方式または引数 | 動作 || --- | --- |-| 標準 | `LayoutPolicy::Mock` — 決定論的かつ形式的に互換性のあるジオメトリを返すのみで、実際のレイアウトや描画は行いません |-| `--layout` | `LayoutPolicy::OnDemand` — 実際のレイアウト計算、ジオメトリ、ヒットテスト、座標入力、スクリーンショット、スクリーンキャストを提供します |-| `--resource` | オプションの視覚・メディアリソースをすべて取得します |-| `--image`、`--font`、`--audio`、`--video`、`--media`、`--text-track` | 指定した種類のオプションリソースのみを有効化します |-| `--profile-dir`、`--http-cache-dir`、`--cookie-file` | ワークロードに応じて、必要な永続化機能だけを選択的に有効化します |+| 標準 | `LayoutPolicy::Mock` — 再現可能な位置・寸法情報を互換形式で返します。実際のレイアウト計算や描画は行いません。 |+| `--layout` | `LayoutPolicy::OnDemand` — 実際のレイアウト、位置・寸法、座標判定、座標入力、画面画像、連続画面配信を提供します。 |+| `--resource` | 通常は省略する画像・音声などのデータをすべて取得します。 |+| `--image`、`--font`、`--audio`、`--video`、`--media`、`--text-track` | 指定した種類のデータを取得します。 |+| `--profile-dir`、`--http-cache-dir`、`--cookie-file` | 必要な保存機能だけを選んで有効にします。 |-レイアウトの結果は、常時保持され続ける状態ではなく、オンデマンドで取得するスナップショットです。最初のジオメトリ要求(コールドスタート)時に、現在の DOM/スタイルから完全なレイアウトを 1 回だけ構築し、最新の `LayoutPassOutput` のみを保持します。以降はページに変化があっても、通常のジオメトリ読み取りはこのスナップショットを再利用することがあります。一方、スクリーンショットとスクリーンキャストは呼び出すたびに再構築され、古い結果が再利用されることはありません。+レイアウト結果は常に更新される状態ではなく、要求を受けた時点の状態です。最初に位置・寸法を要求されたときは、現在の DOM とスタイルから完全なレイアウトを 1 回構築し、最新の `LayoutPassOutput` だけを保持します。その後はページが変化していても、通常の位置・寸法の取得では、保持した結果を再利用する場合があります。一方、画面画像と連続画面配信は毎回構築し直し、古い結果を再利用しません。-## アーキテクチャ+## 仕組み-Moli は Chromium のラッパーではなく、独立したブラウザカーネルです。Rust をベースに構築されており、独自の所有権モデルとライフサイクルルールを持っています。主な依存技術は以下のとおりです。+Moli は、Chromium を外から操作するだけの仕組みではなく、独立したブラウザ実行基盤です。Rust で構築されており、独自の所有権管理と、構成要素の生成から破棄までの規則を持っています。主な構成技術は次のとおりです。-- `libcurl` — ネットワーク転送と複数リクエストのランタイム-- `html5ever` — HTML パース+- `libcurl` — 通信と複数要求の同時処理+- `html5ever` — HTML 解析- `rusty_v8` / V8 — JavaScript 実行- Servo/Stylo — セレクター、カスケード、計算済みスタイル-- Taffy + Parley — ボックスとテキストのレイアウト-- AnyRender/Vello CPU、`usvg`、Rust の画像エコシステム — ソフトウェアレンダリング+- Taffy + Parley — ボックス配置と文字組み+- AnyRender/Vello CPU、`usvg`、Rust の画像関連ライブラリ — ソフトウェア描画-唯一の情報源(single source of truth)となるのは、ネイティブ DOM と Stylo が統合されたドキュメント/スタイルの状態です。実際に更新が必要になるたびに、この情報源からレイアウトを再構築し、DOM に依存しない不変(immutable)なデータへ変換したうえで、レイアウトと描画の過程で生じた一時的な状態は破棄します。システム全体を見ても、増分レイアウトツリー、ダメージグラフ、保持型のディスプレイリスト、GPU コンポジター、永続的なウィンドウといった仕組みは存在しません。+文書とスタイルの唯一の正しい情報源は、ブラウザ本来の DOM と Stylo の組み合わせです。更新が必要になるたびに、この情報からレイアウトを再構築し、結果を DOM から独立した読み取り専用のデータへ変換します。その後、レイアウト計算と描画で生じた一時的な状態を破棄します。増分更新用のレイアウト木、描画差分の追跡情報、保持型の描画命令一覧、GPU による画面合成機構、常設のウィンドウは使用しません。-## テストデータ+## 検証結果-以下の 2 種類の実測データは、Moli の現時点での能力範囲を示すものです。テストの対象は、実在の Web サイト、実際の自動化クライアント、Chromium/WPT の挙動を的を絞って検証したもの、そして大規模な nextest 回帰テストスイートです。+以下の 2 種類の実測値は、Moli が現在対応できる範囲を示しています。検証対象には、実在する Web サイト、実際の自動操作用ソフトウェア、Chromium/WPT の特定動作、大規模な nextest 回帰テストを含みます。-### 公開 Web の混合クロールテスト+### 公開 Web サイトの横断取得試験-対象は、中国国内および世界の主要サイトから選んだ 192 件の公開 URL です。成功の判定基準は、JavaScript 実行後に実質的なコンテンツが生成されることとしました。HTTP ステータス 200 が返るだけのケース、検証用のチャレンジページ、ログインウォール、空のレスポンス、外枠だけのアプリ画面は、いずれも成功として数えていません。+中国国内および世界の主要サイトから、192 件の公開 URL を対象としました。JavaScript の実行後に、本文に相当する内容を取得できた場合だけを成功としています。HTTP 200 が返るだけの場合や、自動アクセス対策の確認画面、ログインが必要な画面、空の応答、内容がなく外枠だけの画面は、成功に含めません。-| ブラウザ | 有用なページ | 成功率 | 中央値の時間 | RSS 中央値 |+| ブラウザ | 取得できたページ | 成功率 | 所要時間の中央値 | RSS 中央値 || --- | ---: | ---: | ---: | ---: || **Moli** | **103** | **53.6%** | **1.43 s** | **73 MiB** || Chrome Headless | 101 | 52.6% | 1.43 s | 773 MiB || Lightpanda | 85 | 44.3% | 0.97 s | 40 MiB || Obscura | 57 | 29.7% | 1.30 s | 39 MiB |-### エージェントワークロードのサンプル+### AI エージェント処理の測定例| 指標 | Moli | Chromium || --- | ---: | ---: |-| CDP 準備完了 | 34.85 ms | 169.37 ms |-| エピソード稼働時間 p50 | 33.40 ms | 57.13 ms |-| ピーク PSS | 102.46 MiB | 348.82 MiB |-| 最大プロセス数/スレッド数 | 1 / 24 | 11 / 123 |+| CDP が利用可能になるまで | 34.85 ms | 169.37 ms |+| 1 回の処理時間(p50) | 33.40 ms | 57.13 ms |+| PSS 最大値 | 102.46 MiB | 348.82 MiB |+| 最大プロセス数/最大スレッド数 | 1 / 24 | 11 / 123 |-Moli のエージェントブラウザ機能の範囲を検証する WPT テスト群では、1 回のフルテスト実行で **161 万 2,000 件のテストが成功**しています。+現在の Moli が備える AI エージェント向けブラウザ機能を検証する WPT では、1 回の全件実行で **161万2,000件のテストに合格**しました。-## プロジェクトの対象範囲+## 対応範囲-ドキュメントで定義しているエージェントブラウザとしての利用シーンにおいて、Moli はすでに本番投入可能な水準に達しており、現在も開発を継続しています。+文書に記載した AI エージェント向けの用途では、Moli はすでに本番環境で利用できる段階に達しています。現在も継続的に開発しています。-現時点で意図的にスコープ外としている点は、以下のとおりです。+設計上、現在の対応範囲に含めていない機能は次のとおりです。-- GUI ブラウザ、永続ウィンドウ、GPU コンポジターは提供しておらず、保持型のマルチフレーム描画アーキテクチャも実装していません。-- Chrome とピクセル単位で一致するレンダリングは目指しておらず、高忠実度の Canvas/WebGL・メディア再生機能も提供していません。-- CDP、WebDriver Classic、WebDriver BiDi は、それぞれ一部の機能のみを対象としており、プロトコル全体の完全な互換性は実装していません。-- `--layout` モードでは、ソフトウェアによるスクリーンショットとラスター方式の CDP PDF 生成に対応していますが、Chrome が持つすべてのスクリーンショット・印刷モードを実装しているわけではありません。-- リソースの読み込み、ジオメトリの鮮度、視覚レンダリングにかかるコストは、常にデフォルトで有効になっているわけではなく、いずれも明示的なポリシーとして設定する仕様です。+- GUI ブラウザ、常設のウィンドウ、GPU による画面合成は提供しません。複数の画面を保持し続ける描画方式も採用しません。+- Chrome と画素単位で同じ描画結果を目指すものではありません。高精度な Canvas、WebGL、音声・動画再生も提供しません。+- CDP、WebDriver Classic、WebDriver BiDi は一部の機能だけに対応し、各規格の全機能との互換性は提供しません。+- `--layout` では、ソフトウェア描画による画面画像と、画像方式の CDP PDF 生成に対応します。ただし、Chrome が備えるすべての画面取得・印刷方式には対応していません。+- 画像や音声などを読み込むか、位置・寸法情報をいつ更新するか、画面描画を行うかは、必ず明示的に設定します。標準で常時有効にはしません。-未対応のプロトコル経路に対しては、明確なエラーを返します。Moli が、実行していないブラウザ操作やイベント、ネットワーク観測、視覚的な結果をあたかも実行済みであるかのように見せることはありません。+未対応の操作には、明確なエラーを返します。Moli は、実行していないブラウザ操作やイベント、通信状況の確認、画面出力を、実行済みであるかのように扱うことはありません。-メンテナーは [リリースガイド](RELEASING.md) に従うことで、GitHub Actions 経由でタグ付きのバイナリリリースを公開できます。+保守担当者は、[リリース手順](RELEASING.md)に従い、GitHub Actions からタグ付きのビルド済み実行ファイルを公開できます。## ライセンス-特に明記がない限り、Moli は [Apache License 2.0](LICENSE-APACHE) または [MIT License](LICENSE-MIT) のいずれかを選んで利用できます(デュアルライセンス)。個別のライセンスが定められているサードパーティ製コンポーネントやフィクスチャについては、それぞれのライセンスおよび告知に従います。\ No newline at end of file+ファイルまたはディレクトリに別の記載がない限り、Moli は [Apache License 2.0](LICENSE-APACHE) または [MIT License](LICENSE-MIT) のいずれかを選択して利用できます。個別のライセンスが適用される第三者提供の構成要素やテスト用データについては、それぞれのライセンスと告知事項に従います。