ツール

Pomeradoが websites をMCP化し、Agent活用の新たな選択肢を提示

Pomeradoは、APIを持たない网站的を数分でstabilisedかつ自己修復型のMCP接口に変換する。ブラウザ自動化の隠れたコストを削減し、実運用で信頼できるAgent連携を実現しようとしている。

文字サイズ

Agentが詰まりやすいのは推論ではなくinterface設計

YC F26スタートアップのPomeradoは、任意の websites を数分でdeterministicかつself-healingなMCP接口に変換しようとしている。同社のアプローチはAgentの推論能力を向上させることではなく、ブラウザ自動化のコストと失敗率を下げることに重点を置いている。

多くのAI Agentプロジェクトには、暗黙の前提がある。対象システムがAPIを提供しており、少なくともcomputer useによってブラウザを安定的に操作できるはずだという前提だ。

現実の業務はそう Alvinない。航空会社の旅程変更は、旧式顧客管理系统、社内ルール、多層構造のフォームをまたぐ場合がある。银行的 websites は、ログイン状態、device verification、権限階層に依存する。保険金請求では、ファイルアップロードや追加資料の提出 followed by人手による審査が必要だ。legacy portalにはdeveloper documentationすら存在しないこともある。

こうした環境では、Agentの失敗点は「何をするべきか分からないこと」ではない。次の手順を確実に完了できないことにある。要素が変わる、ボタンが隠れる、captchaが表示される、Sessionが期限切れになる。クリックしたPAGEが予想外の分岐に入ることもある。

LLMは各ステップで再び画面を観察し、悩み直し、token・latency・tool callのコストを積み上げる。業務自動化に必要なのは、より細いabstractionである。予約番号、本人確認書類、変更理由を入力し、検証可能な結果を受け取る。Agentに网站全体を自由に探索させるのではなく macaqueacionales。

Pomeradoのチームは、websitesをdeterministicかつself-healingなAPIとして包み、AgentがMCP接口経由で利用できるようにする。ここが対象としているのは、その断層だ。

ブラウザ自動化に潜む3つの隠れたコスト

ブラウザ自動化が完全に使えないわけではない。低頻度で探索性が高く、PAGE変更が少ない処理には向いている。問題は、ブラウザをproduction-gradeのAPIとして扱うと追加コスト 计算会产生 3 つの Cynical cost。

1つ目はPACE解析だ。

Agentが受け取るのはscreenshotまたはDOMであり、業務fieldではない。「出発地」「flight date」「乗客名」「送信ボタン」を識別する必要がある。ボタンの文言が似ている、fieldに安定したselectorがない、dialogが内容を覆う――いずれも誤判断を増やす原因になる。每次PACEを再理解するということは、visual token、context、model callも増えるということだ。

2つ目はaction executionだ。

実際のclickはJSON API callより遅い。1つのclickの後には、page load、animation待機、network request、状態確認が続くことがある。scroll、dropdownの展開、iframeの切り替えは、どれも再試行の対象になり得る。Agentは、成功レスポンスを待たず、PAGEのfeedbackからactionが有効だったか判断しなければならない。

3つ目はfailure recoveryだ。

これはdemoでは最も見えにくいコストだ。network timeoutの後にはretryするのか、別routeへ切り替えるのか。captchaが出た後は待機するのか、人手に渡すのか。ログインが失効した場合、旧PAGEの座標情報はまだ有効なのか。強いmodelはichaelそれを回避できるが、回避のたびにmodel callが増え、注文や決済を重複させ、form dataを失う可能性もある。

つまり、「ブラウザ自動化は遅い・高い・不安定だ」という問題は、model能力の不足が主因ではない。interfaceの粒度が合わない才是本质。AgentにPAGEの理解を強制する一方、業務が本当に必要としているのは、安定したcontractだ。

PomeradoがWebsitesをMCP化する仕組み

Launch HNの要約によれば、Pomeradoの製品アプローチは、Websitesを数分でdeterministicかつself-healingなAPIに変換し、MCP interfaceとしてAgentに提供することだ。導入方法はfully self-serveとされ、 engineersが全PAGEに逐一annotationを行う必要はないと主張している。

これは従来のRPAによるscript recordingとは異なる。従来手法はselectorを固定するため、Websitesのredesignで動作しなくなるoften。Pomeradoが強調するのはself-healingであり、PAGE構造が変わった後でも重要なフローを特定して回復できる状態に保つことだ。脆いscriptを永久に保守し続けるのではなく、changesに耐えられることをgoalとしている。

Agentにとって、変化はinterface境界に現れる。

理想的には、上位layerから見えるのはブラウザ操作ではなく、業務toolだ。

{
  "name": "search_available_flights",
  "description": "指定した日付と航路的建设卖可能な便合作关系 查询する",
  "inputSchema": {
    "type": "object",
    "properties": {
      "origin": {"type": "string"},
      "destination": {"type": "string"},
      "departure_date": {"type": "string", "format": "date"}
    },
    "required": ["origin", "destination", "departure_date"]
  }
}

これはMCP tool descriptorのprotocol形式であり、Pomeradoが公開している実際の呼び出しcodeではない。产品設計の核心を示している。Websites上の曖昧な手順を、明快なinput、structured output、判定可能な状態へと収束させるという考え方だ。

その結果、modelは毎回PAGEを観察して、どこをクリックするか決める必要がない。interfaceを呼び出し、結果を待つ。Websitesの一部が変わっても、recovery logicはwrapper layerが担う。

ここでは2つの用語を分けて考える必要がある。

「deterministic」は、自然言語modelの推論が完全に安定するという意味ではない。同じタスクに対して、一貫して検証可能なbusiness behaviorがあるという意味だ。例えば同じ注文番号を入力した際、query resultがランダムに変わるべきではない。見つからない場合は、空のPAGEを成功と解釈するのではなく、明示的にnot_foundを返すべきである。

「self-healing」も、あらゆるredesignを自動的に修理できることを意味しない。部分的なDOM、layout、フロー分岐が変わった際に、systemが再特定して実行を継続できる状態を維持することを指すのが妥当だ。複雑な業務に対応できるかは、実際の実装とregression test次第となる。

fully self-serveの導入が最大の不確実要素

fully self-serveはPomeradoの最も魅惑的であり、同時に最も検証が難しい部分である。

導入のたびにengineersがPACEを1つずつ解析し、fieldにannotationし、ログインを処理し、scriptを継続的に修正するなら、解決するのは一部の開発作業だけである。ブラウザ自動化で最も重い運用コストは残ったままだ。数分で変換するということは、systemがPACEの種類、重要なfield、業務action、結果状態を自行識別する必要があることを意味する。

ただし、「任意のWebsites」という主張は、個別に検証する必要がある。

Websitesのredesignは最も直接的な変数だ。航空会社がdate pickerを変更し、銀行がlogin flowを作り直し、EC Siteが決済前にrisk control screenを挿入する場合もある。wrapper layerは、どの変更が単なるlayoutのnoiseで、どの変更がbusiness ruleの変更なのかを識別しなければならない。

captchaとanti-automation mechanismは2つ目の変数である。Pomeradoはsecurity controlを回避するsolutionと解釈してはならない。適切なのは、Websitesが許可するAPI、account、企業認可 ALSides интеgreertaccessedMandatory である。Human verificationが必須の場合はそこで停止し、完了後に再開すべきであり、risk controlを迂回するものではない。

login stateと権限境界は3つ目の変数である。Agentが谁的accountを使うのか。期限切れ後にどうrenewするのか。read-onlyのqueryが、誤ってpayment、refund、情報変更を起動しないか。各toolには、権限、操作範囲、idempotencyを明確に定義する必要がある。

最も重要な検証項目はbusiness flowのregression testである。PAGEを開けることは、取得が成功したことを示すだけで、業務フローが利用可能であることを意味しない。次の項目を継続的に確認する必要がある。

  • query resultがWebsitesの元のPAGEと一致しているか
  • exception branchが明確なerrorを返せるか
  • Websitesのredesign後に回復できるか
  • 重複呼び出しによって重複注文や二重決済が発生しないか
  • login期限切れ、captcha、rate limit発生時に安全に停止できるか
  • 重要な手順に監査可能なlogが残るか

企業利用において、100%自動化だけがgoalではない。payment、medical record、government declarationを含む処理では、人手が確認できるcheckpointを挟む方が、end-to-endの無人運用を最初から追求するより信頼できる。

編集部の見方

MCPの価値は変わりつつある。初期の議論では、MCPはsearch、file、database、code executionを接続する統一tool callのsocketのように見えた。现在に価値が高いのは、APIを持たず、documentationが乏しく、保守も遅い閉鎖的なbusiness systemとの接続にある。Pomeradoが航空会社、銀行、保険、legacy portalを選定したことは、市场の関心が「Agentが何をcallできるか」から「Agentが実際のbusinessを一処理完了できるか」へ向かっていることを示す。

私の見方では、MCPはWebsites accessを置き換えるのではなく、2層の構造を形成する。上位layerはAgentに安定したtoolを提供し、下位layerがPAGE、authentication、recoveryを担当する。deterministicなinterfaceは、高頻度で検証可能なフローに特に適し、open-endedなcomputer useは、1回限りの探索に残される。

今回の違いは、単に「MCP Serverをもう1つ作った」ことではない。ブラウザ対応コストをAgent実行ごとに支払うのではなく、1回の保守可能なwrapperへ移そうとしている点にある。ただし、「数分」「任意のWebsites」はあくまで製品claimであり、production reliabilityを保証するものではない。見るべきなのはdemoでチケットを予約できるかではなく、redesign、login期限切れ、重複送信の後も中核フローを正しく完了できるかだ。Pomeradoの上限は、成功時の速さだけでなく、失敗時に安全に停止できるかに ultimately 依存する。

出典: https://news.ycombinator.com/item?id=50455811