Claude Codeの発表内容
Anthropicが提供する「Claude Code」関連の公式SDKに、パソコン画面やブラウザを操作するツールが内蔵されました。PythonとTypeScriptの各開発環境向けに提供されています。
これまでは、AIが指示したクリックやキー入力を実行するために、利用者が自分で繰り返し処理を書き、各命令に対応づける必要がありました。
今回の機能追加により、SDK自体が繰り返し処理を実行し、操作命令を直接ドライバーへ送信します。AIがどこをクリックし、何を入力したいかを判別したあとの一連の制御が自動化されます。
パソコンやブラウザの自動操作を組み込む際、開発者が複雑な制御プログラムを個別に用意する作業が不要になります。
つまり、どういうこと？
ざっくり言うと、指示を出すAIとパソコンを動かす手足のあいだをつなぐ「連絡役」が、あらかじめ製品の中に用意されたということです。これまでは、AIから「ここをクリックしたい」と言われるたびに、人間がボタンを押す仕組みを毎回手作りしていました。これからはその橋渡しをツールが自動で行ってくれます。
編集部の見方
AIにパソコンを操作させる機能は、これまで動かすまでの下準備がかなり面倒でした。面倒な下準備の解消。SDK側で制御の繰り返し処理を抱え込んでくれる変更は、開発の手間を確実に減らします。
ただ、画面操作の指示が出たあとに予期せぬ挙動をしないか、見守る負担はまだ残りそうです。クリックの位置ずれや画面の読み込み待ちといったトラブルへの対応は、現場のエンジニアにとってちょっとした課題になりそうだという印象を持っています。
そこで次は、秋以降に予定される「Browser Use」関連ライブラリの更新で、実務の業務フローに耐えうる安定性が示されるかを見たいと思います。
誰に関係するか
「Claude Code」を使ってパソコンやブラウザの自動操作を開発している人は、画面制御の繰り返し処理を自分で書かずに済むようになります。
