ClaudeがAgentの最後のピースを埋める：現在、コンピューターとブラウザを直接操作できる

動察 Beating AI 速報、Anthropic が正式にClaudeのコンピューター操作能力とブラウザツールを開放しました。以前はClaudeがマウスクリックや入力などの動作を完了するたびに、モデルが再度呼び出しを行う必要がありましたが、現在は1回のタスクでクリック、入力、キー操作、スクリーンショットを連続して実行できます。

新しいブラウザツールは、もはやスクリーンショットだけでボタンを探すのではなく、ウェブページの構造と視覚情報を同時に読み取り、ページ要素に基づいて直接ウェブページを操作できます。ウェブページのレイアウトが変化しても、ボタンの位置が変わっただけで機能しなくなることはありません。

Anthropic は同時に Skills API と Files API を開放しました。開発者は企業プロセスを再利用可能なスキルとしてカプセル化し、Claude が固定フローでタスクを実行できるようにできます。また、ファイルをアップロードした後は、リクエストをまたいで繰り返し使用できます。