Die kurze Antwort
Ein Agent mit Browsersteuerung kann diese normalen Seiten bedienen: beschriftete Controls, Dateiauswahl und Downloads, ohne Seitenkonto. Seine Umgebung muss Dateizugriff, Browser-APIs und Berechtigungen unterstützen. Kamerafreigabe oder Teilen-Dialog können Ihre Beteiligung benötigen.
Bei Dateiverarbeitung ist die erste Frage, wo der gesteuerte Browser läuft. Prüfen Sie auch die Daten beim Agent-Anbieter und bewusste Abruf- oder Teilen-Funktionen. Ein lokaler Browser beantwortet nicht alle drei Fragen.
Zwei Sorten Agent, eine Unterscheidung
Agenten, die Werkzeuge benutzen, kommen in zwei Gestalten, und der Unterschied zwischen ihnen wiegt schwerer als alles andere auf dieser Seite.
Ein lokal gesteuerter Browser liest und verarbeitet auf diesem Gerät. Ein lokales Werkzeug hier fügt keinen Verarbeitungsupload hinzu. Der Agent könnte trotzdem Anweisungen, Bildschirmfotos oder Dateikontext an seinen Anbieter senden; das hängt von Umsetzung und Einstellungen des Agenten ab.
Ein Cloud-Browser läuft beim Agent-Anbieter. Eine dafür angehängte Datei hat Ihr Gerät bereits verlassen. Die Werkzeuge verarbeiten sie in jenem Browser und machen die vorherige Übertragung nicht rückgängig. Bewusstes Teilen und App-Übergaben sind in beiden Umgebungen weitere Aktionen.
Geben Sie einen lokalen Browser vor, wenn lokale Verarbeitung wichtig ist, prüfen Sie die Agent-Datenwege und erlauben Sie bewusste Übertragungen gesondert. Kursabruf und E-Mail-Übergabe, Bild-URL-Import, Teilen und Kamera dokumentieren ihre Netzwerkgrenzen.
Wie man einem Agenten eine Arbeit übergibt
Agenten arbeiten am besten mit demselben Auftrag, den ein Kollege haben wollte: das Werkzeug, die Datei, und woran man fertig erkennt. Ein paar Muster, die funktionieren:
- Nennen Sie das Ergebnis, nicht nur das Werkzeug. „Öffne abox.tools/bild-komprimieren/ und bring dieses Foto unter 200 KB“ gibt dem Agenten die Zahl, nach der die Seite fragen wird. Der Bildkompressor nimmt eine Zielgröße beim Namen — genau die Art Anweisung, die ein Agent getreu ausführen kann.
- Zeigen Sie ihm die Karte. Diese Website veröffentlicht llms.txt — jedes Werkzeug und jeden Ratgeber, mit je einer Zeile Beschreibung, als reinen Text in einem einzigen Abruf. Ein Agent, der sie liest, weiß, was es hier gibt, ohne irgendetwas abzugrasen. Und jede Seite hat einen Zwilling unter ihrer eigenen Adresse mit
index.mdam Ende: die Seite als Markdown, ohne die Oberfläche drumherum, für einen Agenten, der wissen will, was eine Werkzeugseite sagt, und nicht, wie sie aussieht. - Lassen Sie ihn die Seite lesen, auf der er steht. Jedes Werkzeug trägt seine Fragen und Antworten in der Seite selbst, und zu jedem Werkzeug liegt ein Ratgeber einen Link entfernt. Einem Agenten, der sich bei einer Einstellung unsicher wirkt, kann man sagen, er möge zuerst den Ratgeber lesen — derselbe Rat, den ein Mensch bekäme.
- Prüfungen zwischen den Schritten nennen. Bei Scan-zu-PDF und Bildbereinigung lassen Sie Reihenfolge, Zuschnitt, Lesbarkeit und Größe kontrollieren. OCR, Schwärzung und die Auswahl teilbarer Inhalte brauchen Urteil und Ergebnisprüfung.
Was man nicht delegiert
Controls zu bedienen ist nur ein Teil. Prüfen Sie Entscheidungen, die ändern, was andere sehen oder bekommen. Zwei Beispiele:
Entscheiden, was nicht gesehen werden darf. Die Schwärzungswerkzeuge löschen, was Sie abdecken — aber zu wählen, was abzudecken ist, ist die Arbeit, und ein Agent, der eine Zeile übersieht, hat eine Datei erzeugt, die fertig aussieht und es nicht ist. Lassen Sie einen Agenten ruhig das Schwärzungswerkzeug bedienen; sehen Sie sich das Ergebnis selbst an, bevor es irgendwohin geht — dieselbe Regel, die die Ratgeber dieser Werkzeuge einem menschlichen Bediener geben.
Öffnen, was gelesen wurde. Der QR-Leser dieser Website weigert sich, zu öffnen, was er entschlüsselt, weil Lesen und Folgen zwei verschiedene Handlungen sind. Dieselbe Trennung lohnt es, einem Agenten aufzuerlegen: Ein Agent, der einen Code, einen Link oder eine Adresse in einer Datei liest, soll sie melden, nicht besuchen. Und ein Agent, der Ihren eigenen Browser steuert, hält alles in der Hand, worin dieser Browser angemeldet ist — ein Grund, ihn so prüfend anzusehen wie jedes Werkzeug, wovon der nächste Abschnitt handelt.
Auch ein Agent kann das Versprechen prüfen
Die vier Proben, die der Ratgeber über das Hochladen lehrt — Stecker ziehen, Netzwerk-Tab beobachten, Content-Security-Policy lesen, Code lesen —, kann ein Agent allesamt ausführen, und ihm fallen sie sogar leichter als einem Menschen: einen CSP-Header zu lesen oder ausgelieferten Quelltext nach fetch-Aufrufen zu durchsuchen ist mechanische Arbeit. Wenn Sie Werkzeuge von einem Agenten prüfen lassen, bevor Sie ihnen trauen, erwartet diese Website, genauso geprüft zu werden — und das Offline-Verhalten, auf dem die Proben fußen, hat eine eigene Seite.
Die Controls sind beschriftet; llms.txt und Markdown-Kopien dienen dem Lesen. Quelltext, gemeinsame Module und Engines sind öffentlich. Der Build erzeugt und minifiziert die Seiten; vergleichen Sie ihn bei einer Prüfung mit der Veröffentlichung. DevTools und WebRTC-Diagnose hängen von der Agent-Umgebung ab.
Dieser Ratgeber garantiert nicht den Datenschutz eines Agent-Anbieters. Auch bei lokalem Browser kann der Agent Anweisungen, Bildschirmfotos und manchmal Dateien senden. Berücksichtigen Sie diesen Weg und dokumentierte Netzwerkfunktionen; der Browserort beweist sie nicht.