協調型ウェブアクション：TrueFoundryとGoogle ADKでスマートムービーコパイロットを構築

簡単な映画予約にどれほどの頭の体操が必要か考えてみてください。友人のグループチャット、映画館の上映情報、レビュー、動的な座席表の間を行ったり来たり。場所と上映時間を比較し、常に変動するチケット価格をやりくりする。それは単なるタスクではなく、断片的で多段階にわたる精神的な負担であり、しばしばカート放棄や妥協した選択肢につながります。私たちは、たった一つのシンプルな意図を伝えようとしているだけなのに、複雑なウェブサイトの動的なインターフェースと格闘することになります。

動的なサイトの複雑な領域を手動でナビゲートする代わりに、一つの集中したチャットウィンドウを開き、その意図を一度だけ伝えることを想像してみてください。「明日の夜、一番近いIMAXシアターで新しいDune映画のチケットを2枚予約しよう。」このシンプルな発言が、複雑で見事に調整された一連のイベントを引き起こします。デジタルガイドはすぐに堅牢な会話を開始し、あなたの制約を解釈し、ライブサイトからリアルタイムの選択肢を動的に取得し、決定的な行動へと楽に導きます。

これこそが、真の行動志向型AIの約束です。それは静的なチャットボットではなく、知性と行動の動的なオーケストレーションです。デジタルガイドと人間の意思決定との間のシームレスなハンドオフを生み出すことです。このような洗練されたコパイロット体験の構築を支援するため、私たちは最新かつ最も先進的なものをリリースできることを大変嬉しく思います。 TrueFoundryアクセラレーター：映画予約ブラウザ自動化エージェント。

このアクセラレーターは、ユーザーに代わってFandangoウェブサイトをナビゲートするAIエージェントのための、完全な本番環境対応のブループリントを提供します。モジュール式で堅牢なアーキテクチャに基づいて構築されており、それは以下を統合します。 Google Agent Development Kit (ADK)、堅牢なサーバーサイドのヘッドレスブラウザ設定（agent-browser CLI）、そして TrueFoundry LLM Gateway、これらすべてを、最も機密性の高いタスクのために独自のセキュリティパターンを実装しながら行います。

協調フローの理解：チャットからライブサイトへ

AIブラウザ自動化において最も困難な点は、複雑な状態管理と、支払い処理のような機密性の高いインタラクションの処理です。要素が移動し、非同期にロードされ、ユーザーによって異なる現代のウェブUIの動的な性質は、従来の自動化スクリプトを破綻させます。堅牢なエージェントを構築するには、自己修正し、ユーザーとインテリジェントに協調するようにゼロから設計されたアーキテクチャが必要です。

当社のアクセラレーターは、堅牢でセキュリティに重点を置いた 協調型ハンドオフモデルを採用している点でユニークです。 このモデルでは、AIが映画を見つけるための退屈でルールに基づいたすべてのステップを処理しますが、実際の支払い情報の処理は行いません。最も重要なステップで、制御はユーザー自身のブラウザにシームレスに転送され、ユーザーの信頼を確保し、アプリケーションのPCIコンプライアンスの複雑さを軽減します。

このエコシステム全体は、標準的な FastAPIサーバー とAPIレイヤー内にカプセル化されており、デプロイ、セキュリティ確保、監視が容易です。ここに示されている図は、そのオーケストレーションのブループリントであり、ユーザーの意図からブラウザのアクションへとコンテキストがどのように移動するかを正確に詳述しています。

アーキテクチャの詳細：堅牢な状態管理と協調アクション

技術設計図を直接参照しながら、この状態管理されたフローの技術的なコンポーネントと4つの主要なループを詳しく見ていきましょう。

オーケストレーター：BookingAgent（状態オーケストレーター）

このコンポーネントはシステムの心臓部です。「状態オーケストレーター」と名付けられたBookingAgentは、単にテキストを渡すだけでなく、高レベルの意図を構造化され、信頼性が高く、対話型のワークフローに変換します。相互接続された一連のループを使用して、正確な状態を維持します。

1. 初期ガイド付き選択肢： エージェント（ADKエージェントロジックによって情報提供される）は、最初からユーザーに構造化された選択肢を提示するように設計されています。「どの映画を見たいですか？」といった空白の質問をするのではなく、すぐに「[映画で検索] [ジャンルで検索]」のようなガイド付きオプションを提供します。ユーザーが選択を行うと、単にテキスト入力を受け取るだけでなく、エージェントの内部コンテキストを設定し、その後の会話全体を指示します。この初期構造は、タスクへの集中を維持するために非常に重要です。
2. 状態ループ：コンテキスト注入と動的リスト生成： このループ（図の中央の灰色のボックスで示されている）が、会話を 動的にします。
   
   • 1. コンテキスト注入： セッションマネージャーは状態を保持し、会話の各ターンが以前の制約を認識していることを保証します。BookingAgentは、この完全なコンテキスト（ユーザーの郵便番号、日付、希望する映画）をプロンプトに注入します。
   • 2. ツール呼び出しの実行： インテリジェンス層（ADKエージェントとLLMゲートウェイの組み合わせによって示される）は、どのツール（例：Maps、クリック）を呼び出すかを決定する構造化されたJSON応答を生成します。
   • 3. 動的リスト生成： これは非常に重要です。エージェントがユーザーに日付を選択させる必要がある場合、単に尋ねるだけではありません。ブラウザツールを使用して、Fandangoから実際のDOM状態を取得します。その後、 有効な日付のリストを抽出します ページから直接抽出し、チャット内でクリック可能なガイド付きオプションを生成することで、ユーザーを完全に軌道に乗せ、行き詰まりを回避します。これは図で完璧に示されています。ユーザーが郵便番号と日付を入力すると、エージェントはFandangoのリアルタイムDOMスナップショット結果から動的に構築された「午後2時30分」や「午後5時45分」といった特定のショータイムオプションを提示します。
   • 4. エラー回復： 動的なサイトが変更され、CSSセレクターが失敗した場合、どうなるでしょうか？このループの部分は、エージェントの回復力エンジンです。ハードな失敗ではなく、システムはエラーを捕捉し、BookingAgentは自己修正ステップを開始します。多くの場合、ページで何が失敗したか、どのように再試行するかについてのヒントをLLMに促します。

頭脳：ADKエージェントとTrueFoundry LLMゲートウェイ

この提携により、エージェントのインテリジェンスが提供されます。ADKエージェント（Google ADK Runner + InMemorySession）は標準化されたフレームワークを提供し、TrueFoundry LLM Gatewayはモデルの柔軟性と強力なバックエンド機能を提供します。

• ゲートウェイの力： TrueFoundry LLM Gateway（ADK Runner経由）を介してすべてのモデル呼び出しをルーティングすることで、即座の可観測性、速度とコスト削減のためのプロンプトキャッシュ、そしてGPT-4、Claude、Geminiのようなトップティアモデル間をシームレスに切り替える機能が提供されます。これは、インフラコストを管理しながら、特定のタスク（DOM解析など）のパフォーマンスを最適化するために不可欠です。

アクションチェーン：ブラウザツール、DriverManager、およびagent-browser CLI

このコンポーネントチェーンがコマンドを実行します。

• 抽象化レイヤー： ブラウザツールは生のインタラクションを抽象化し、オーケストレーションロジックをクリーンでモジュール化されたものにします。
• 並行スケーリング： BrowserManagerの設計は非常に重要です。ラベルが示すように、これは 「セッションごとのBrowserDriverインスタンス + プレウォーム」 を維持します。つまり、各チャットセッションは独自の分離されたヘッドレスブラウザインスタンスを持ちます。これにより、ユーザーデータの衝突を防ぎ、アプリケーションが数千のユーザーに対して安全に並行してスケールできるようになります。
• エンジン： agent-browser CLI（Playwrightを搭載したヘッドレスChromium）は、Fandangoウェブサイトを駆動する生の実行エンジンです。これは、非常に重要な DOMスナップショットとインタラクション結果 を動的リスト生成のためにループに戻します。

妙案：協調的なハンドオフモデル

これは、アーキテクチャ設計全体の集大成です。ご覧の通り、 「ハンドオフロジック（ユーザーコンテキスト保持）」 の点線からわかるように、面倒なデータ収集手順が完了した後（例：ユーザーが劇場と上映時間を選択した後）、サーバーサイドの自動化は 停止します。

BookingAgentに制御を移管するようトリガーします。その ライブのFandangoページ （または別の安全なフレーム）がユーザー自身のブラウザに直接読み込まれます（「 ライブFandangoページ（ユーザーが直接操作）」と表示された黄色のボックス）。コンテキスト（劇場と特定の上映時間）が保持されているため、ユーザーは必要な場所に正確に誘導されます。

ユーザーは複雑な視覚的な座席表を直接操作し、通常通り安全な支払い手順に進みます。これは素晴らしいことです。なぜなら：

• セキュリティ： あなたのアプリケーションは、機密性の高いPCI支払いデータを処理、または保存することは決してありません。これにより、セキュリティとコンプライアンスに関する膨大なオーバーヘッドが削減されます。
• 人間による引き継ぎ： これにより、人間が動的なマップ上で最終的な視覚的な座席選択を行うことができます。これは人間に最も適したタスクです。

この最終的なユーザー制御による座席選択と支払い（直接入力）のループは、最終的な結果である「予約確定」に直接つながります。

👉 全コラボレーションフローのインタラクティブなSupademoを見る

この堅牢なアーキテクチャが、ユーザーをシンプルなジャンル検索からFandangoのライブ座席表まで、わずか数タップでどのように導くかをご覧ください。この綿密に計画されたブループリントのあらゆるステップを説明しています。

なぜアクセラレーターから始めるのか？

TrueFoundryアクセラレーターは、より迅速な本番環境への移行を支援するために設計されています。LLMによるWeb自動化は、隠れた状態管理や回復力の課題があり、非常に複雑です。この唯一の、本番環境対応のブループリントから始めることで、あなたは：

• 複雑な開発を回避： 状態の永続化、自己修正、人間とAIの協調ループのための実績あるパターンでプロジェクトを迅速に開始できます。
• 同時並行的なスケーリングを確保： BrowserManagerとDriverManagerの分離されたセッションモデルを活用します。これはあらゆるエンタープライズ展開にとって不可欠です。
• リスクを軽減： 実証済みの協調型ハンドオフモデルは、機密データに関連するセキュリティ、法務、コンプライアンスのリスクを軽減し、ウェブアクションを安全にする最も効果的な方法です。

今すぐ始める

ムービー予約アクセラレーターは、単なる技術デモンストレーションではありません。堅牢で安全な協調型エージェントを構築するための基礎となる設計図です。ホテル予約コパイロット、航空会社自動アシスタント、または自動データ抽出ツールを構築する場合でも、このアーキテクチャは、LLMをウェブアクションに確実に接続する方法を示します。

今すぐTrueFoundryプラットフォームにアクセスし、このアクセラレーターリポジトリを利用して、あなた独自の自動化ニーズに合わせてこの技術設計図を適用し始めてください。

‍