Pinchtab: AI エージェント向け12 MBのGoブラウザAPI

AI エージェントは信頼性が高く、低コストでウェブページを読んだり、対話したり、制御したりする必要があります。既存の Playwright、Puppeteer、Browser Use などは、重いランタイム、厳格な言語バインディング、あるいは不要なオーバーヘッドを伴うことが多いです。Pinchtab は、1つの自己完結型 Go バイナリで、ヘッドレス Chrome インスタンスを起動し、純粋な HTTP API を公開し、トークン効率が高く、大規模で読み込みの多いワークロードに適しています。

Pinchtab とは

• スタンドアロン HTTP サーバ – 言語 SDK は不要。curl、Python、Rust、OpenAI エージェントなどどのクライアントからも通信可能。
• 12 MB Go バイナリ – go build で生成、ランタイム時に外部依存は無し。
• Chrome をバックエンドに – 実際の Chromium を管理しつつ、整った API で抽象化しています。
• 双方向モード – headless で完全自動化パイプライン、headed で人間インタラクション付きワークフロー。
• 組み込みステルス – navigator.webdriver を自動でパッチし、User‑Agent などを偽装。
• セッション永続化 – クッキーとローカルストレージは再起動後も保持。マルチステップログインに便利。
• トークン効率の高い出力 – /text (~800 トークン) と ?filter=interactive (~3 600 トークン) スナップショットモードで、LLM へ入力する際のコストを削減。

結果は「LLM プラグインのように感じるブラウザツール」です。起動が速く、使いやすく、非常に設定可能です。

Pinchtab が優れている理由

ページを読むだけ、ボタンをクリックするだけなら、Pinchtab のテキストやインタラクティブスナップショットは、ビジョンモデルで完全スクリーンショットを撮るより 3–10 倍 安く、トークンコストを大幅に抑えられます。

はじめに

1. インストール

# ソースから
$ go install github.com/pinchtab/pinchtab@latest

# もしくは Docker（最も手軽）
$ docker run -d -p 9867:9867 --security-opt seccomp=unconfined pinchtab/pinchtab

デフォルトでリッスンするポートは 9867。BRIDGE_PORT=9870 ./pinchtab で上書き可能です。

2. 基本的な curl の使い方

# ヘルスチェック
$ curl http://localhost:9867/health

# ページを読む
$ curl http://localhost:9867/text?tabId=1

# 参照でボタンをクリック（スナップショットで取得した ID）
$ curl -X POST http://localhost:9867/action \
  -d '{"kind":"click","ref":"e5"}'

全てのエンドポイントは純粋な JSON を返します。詳細は API セクションをご覧ください。

3. ヘッド付きモード（人間＋エージェント）

$ BRIDGE_HEADLESS=false ./pinchtab

ブラウザーウィンドウを開き、ログイン、CAPTCHA の解決後、エージェント側から同じプロファイルの API（例: http://localhost:9869）を利用します。プロファイルは ~/.pinchtab/profiles/<name>/ に保存され、再起動時も保持されます。

4. ダッシュボードの使用

$ pinchtab dashboard
# ブラウザーで http://localhost:9867/dashboard を開く
# プロファイルの作成/インポート、ヘッド付きインスタンスの起動・停止

ダッシュボードは複数プロファイルとインスタンスを管理するシンプルな UI を提供します。

コア API の概要

スナップショットのクエリパラメータ

• filter=interactive – ボタン、リンク、入力要素のみを含む、サイズを削減。
• format=text – プレーンテキストツリー、JSON より 40–60 % トークン削減。
• diff=true – 前回のスナップショットとの差分のみを返す。
• noAnimations=true – CSS アニメーションを無効化し、決定論的な出力を実現。

テキストのクエリパラメータ

• mode=raw – 生の inner‑text；それ以外は readability によって広告やナビゲーションを除外。

高度な機能

ステルスモード

Pinchtab は light（基本フラグ）と full（カンバス/WebGL/フォント偽装）という二段階ステルスを提供します。BRIDGE_STEALTH=fullで有効化。強力なボット検出対策が必要なサイトで必須です。

セッション永続化

デフォルトでは Cookie、ローカルストレージ、さらに開いているタブを ~/.pinchtab に書き出します。BRIDGE_PROFILE=/my/profile でカスタムディレクトリを指定できます。ヘッドレスモードでは POST /cookies で Cookie を直接注入可能です。

画像 & メディアブロック

BRIDGE_BLOCK_IMAGES=true または BRIDGE_BLOCK_MEDIA=true を設定すると帯域を削減し、スナップショットの高速化に貢献します。

カスタム Chrome フラグ

任意の Chrome フラグを CHROME_FLAGS="--no-sandbox --disable-gpu" で渡せます。CI 環境やリソース制限で便利です。

セキュリティ上の注意点

Pinchtab は実際のブラウザを介してエージェントに直接制御を与えます。必ず以下を守ってください。

1. HTTP エンドポイントを BRIDGE_TOKEN で保護。
2. 制限付きネットワーク／ファイアウォールの背後で稼働。
3. 実験的なエージェントには使い捨て Chrome プロファイルを使用。

バイナリは外部にデータを送信しません。~/.pinchtab はパスワードと同様に保護してください。

ダッシュボードを使った操作のクイックリファレンス

# ダッシュボード起動
$ pinchtab dashboard
# UI 上で
# 1. プロファイルをインポート（「Import Profile」クリック）
# 2. 新しいインスタンスを起動（ヘッド付き／ヘッドレスを選択）
# 3. エージェントで返ってくる API URL を使用

ダッシュボードは POST /start/{id} と /stop/{id} を公開し、プログラムからライフサイクルを制御できます。

よくあるユースケース

結論

Pinchtab は、ブラウザを AI ワークフローに組み込む際の摩擦を解消する実用的かつオープンソースのソリューションです。その軽量構成、HTTP ファーストのインターフェース、トークン効率の高い出力は、読み書き・操作を必要とする次世代 AI エージェントに最適です。12 MB のバイナリはノートパソコン、サーバー、Docker 内でも動作し、 API はまるで新しいプラグインのように感じられます。