よくある質問

はい。WebBrain は同様の AI ブラウザエージェント機能を提供します — ページを読み、データを抽出し、ボタンをクリックし、フォームを入力し、多段のワークフローを自動化します。Claude Pro のサブスクリプションが必要で Anthropic のモデルしか使えないプロプライエタリな Claude のプラグインと違い、WebBrain は完全無料・オープンソース (MIT ライセンス) で、ローカルマシン上で完全に動作するモデルも含め、複数の LLM プロバイダーに対応しています。

それらは別カテゴリのツールです。WebBrain はブラウザ拡張で、Chrome や Firefox にインストールし、サイドパネルでチャットします。コーディングは不要です。OpenClaw や Browser-Use のようなフレームワークは、Python で自動ブラウザパイプラインを構築するための開発者向け SDK で、通常はヘッドレスブラウザと CDP を使います。要するに WebBrain は日常のブラウジングを AI アシスタントと一緒に行うためのもの、エージェントフレームワークはスクレイピングボットやテスト自動化を作るためのもの。両方を併用してもよく、補完関係にあります。

はい。WebBrain は Chrome 版 (Manifest V3、sidePanel API を使用) と Firefox 版 (Manifest V2、sidebar_action を使用) の両方を提供します。機能はどちらも同じです。Firefox 版は開発用の一時的なアドオンとして読み込むこともでき、addons.mozilla.org に公開して恒久インストールすることもできます。

任意の Web ページを開き、WebBrain のサイドパネルを開いて、自然言語で頼むだけです。「このページのすべての製品名と価格を抽出して」「このページにあるメールアドレスを全部取得して」「この記事を箇条書きで要約して」。AI エージェントはページ内容を読み、構造を理解し、抽出データを返します。より複雑なスクレイピングをしたいときは実行モードに切り替えれば、ページ間を移動し、ページネーションのボタンを押し、複数ページのデータを集約できます。

7.0.0 時点では未対応です。dry-run モードは計画済みで、すでにロードマップに載っています。

もちろんです! WebBrain は MIT ライセンスでコントリビュートを歓迎します。Issue、機能要望、コントリビューションガイドラインは GitHub リポジトリ をご覧ください。

WebBrain Cloud は現在、デバイスプロファイルごとに月額 5 ドルです。当面は Claude Pro よりかなり安価です。現在はフェアユースポリシーの範囲内で無制限に利用できます。通常の個人利用は問題ありませんが、悪用、自動化された大量利用、再販売、通常を大きく超える高負荷利用は認められません。

サブスクリプションはユーザーアカウントではなく、拡張機能がそのブラウザ + OS GUID に対して生成するデバイス識別子に紐づきます。拡張機能のストレージをリセットする、ブラウザプロファイルを削除する、ブラウザを再インストールする、ブラウザ/OS を変更する、またはデバイスを失うことでこの識別子が失われた場合、復旧や移行はできず、その損失に対する返金も行いません。

api.webbrain.one/account で請求を管理し、メールアドレスでログインしてください。

Cloud Sync は、有効な WebBrain Cloud サブスクライバー向けのオプション機能です。WebBrain のメモリ、プロフィールの自動入力テキスト、対応するプロバイダー設定（API キーを含む）を同期します。チャット履歴、ブラウザ履歴、ページのスクリーンショット、旧来の OAuth アクセストークン／リフレッシュトークンは同期しません。

ブラウザは、あなたが選んだパスワードで同期ボルトを暗号化してからアップロードします。WebBrain Cloud は暗号化されたボルトのみを保存し、メモリ、プロフィール文、プロバイダー設定、API キーを読むことはできず、同期パスワードを代わりに復元することもできません。

メール欄は WebBrain Cloud のマジックリンクによる請求／サブスクリプション認証用です。アカウントのパスワードではありません。UI が Cloud Sync でパスワード変更を案内する場合、それは 同期暗号化パスワード を指し、WebBrain アカウントのパスワードではありません。

同期パスワードを忘れた場合、古い暗号化クラウドボルトは復号できません。クラウドボルトをリセットし、まだローカルにデータを持つデバイスから新しい暗号化コピーをアップロードできます。

独立した 3 層構造です:

トークンに配慮したスクリーンショット。 画像があなたのマシンから出ていく前に、WebBrain はリサイズ (短辺をキャップしつつアスペクト比を維持) し、JPEG で反復的に圧縮して 1 ターンあたりの画像トークン予算に収めます。GPT-4o で約 1,500 入力トークンかかる 2000×1200 のスクリーンショットも、ページ読み取り用途では実用上の損失なく ~300–500 トークンに圧縮されます。実装は _fitImageDimensions にあり、予算計算のユニットテストも備えています。

スマートなコンテキストトリミング。 会話履歴、ツール出力、インラインの DOM ダンプは 1 ターンあたりで上限がかかり、アクティブモデルのコンテキスト窓が満杯に近づくと古いものから順にトリミングされます。read_page が小説並みの長さの記事を返したからといって、実行が静かに 10k トークンから 100k トークンに膨らむことはありません。

専用の画像認識モデル。 計画とツール呼び出しには安いテキストモデル (例: GPT-4o-mini)、スクリーンショットだけは別の画像認識対応モデル (例: GPT-4o) というふうに組み合わせれば、毎ターン マルチモーダルモデルの料金を払わずに済みます。設定は 設定 → 画像認識 から。

結果として、クラウドプロバイダーとの長時間セッションは予測可能なままです。完全な制御が欲しいなら、ローカルで llama.cpp を — トークン単価はゼロです。

はい。WebBrain のデフォルトプロバイダーは llama.cpp で、ローカルの AI モデルをあなたのコンピューター上で実行します。API キーは不要、AI の利用にインターネットは不要、データもマシンから出ません。GGUF モデルをダウンロードして llama-server を起動すれば、完全にプライベートな AI ブラウザエージェントが手に入ります。Ollama の OpenAI 互換エンドポイントも使えます。

WebBrain は 4 種類のプロバイダーに対応しています: llama.cpp (任意のローカル GGUF モデル)、OpenAI (GPT-4o、GPT-4 など)、Claude (ネイティブ API 経由で Claude Opus、Sonnet、Haiku)、OpenRouter (さまざまなプロバイダーの 100 を超えるモデルにアクセス)。OpenAI 互換の API エンドポイントなら何でも動くので、Together AI、Groq、Mistral、あるいは OpenAI 互換インターフェイスを備えた任意のローカルサーバーも使えます。

2026 年 4 月 21 日 時点でのトップ推奨は Qwen 3.6 35B です。理由: 当方のビジョンベンチマーク (vision-model-shootout) で、スクリーンショット理解において Gemma 4 を上回り、ローカル推論でも実用的なままでした。

コンシューマー GPU なら RTX 5090 が理想で、RTX 4090 でも Intel/Qwen3.6-35B-A3B-int4-AutoRound による INT4 AutoRound 量子化で多くの場合実用に足ります。

最高速度を狙うなら vLLM でサーブすることをおすすめします。コマンド例:

python -u -m vllm.entrypoints.openai.api_server --model Intel/Qwen3.6-35B-A3B-int4-AutoRound --served-model-name qwen3.6-35b --quantization auto --dtype bfloat16 --max-model-len 65536 --max-num-batched-tokens 32768 --max-num-seqs 4 --host 0.0.0.0 --port 8000 --gpu-memory-utilization 0.92 --enable-prefix-caching --enable-chunked-prefill --limit-mm-per-prompt '{"image": 4, "video": 1}' --mm-processor-cache-type shm --reasoning-parser qwen3 --enable-auto-tool-choice --tool-call-parser qwen3_coder --trust-remote-code --allowed-origins '["*"]' --speculative-config '{"method": "dflash", "model": "z-lab/Qwen3.6-35B-A3B-DFlash", "num_speculative_tokens": 15}' --attention-backend flash_attn

DFlash speculative decoding は任意です。

ブラウザー内の WebGPU テキスト推論は、現時点では大多数のユーザーにとって十分に良い品質ではないと考えており、低品質な体験を強いたくないためです。同じ LFM2.5 2.6B モデルをローカルで使用したい場合は、ご自身のマシンで llama.cpp または Ollama を使って推論を実行し、WebGPU に依存する代わりに WebBrain をそのローカルエンドポイントへ接続してください。

WebGPU によるビジョンフォールバックは、モデルがはるかに小さく、フォールバックがたまにしか使われないため、引き続き利用できます。

LLM サーバーがローカルネットワーク上の別のマシン (例: http://192.168.1.x:8000) にある場合、サーバーが CORS ヘッダー を返さないと Chrome がリクエストをブロックします。対処はサーバーごとに異なります:

vLLM: --allowed-origins '["*"]' 付きで起動 (値は必ず JSON 配列)。
Ollama: 起動前に環境変数 OLLAMA_ORIGINS=* を設定。
llama.cpp: CORS はデフォルトで有効 — 変更不要です。

サーバーが localhost (ブラウザと同じマシン) で動いている場合、通常 CORS は不要です。問題が出るのはローカルネットワークの別マシンに接続するときだけ。WebBrain の設定で Base URL が /v1 で終わっていることも確認してください (例: http://192.168.1.47:8000/v1)。 例外: ブラウザ拡張機能から Ollama を使う場合は、同じマシンでも OLLAMA_ORIGINS が必要になることがあります。下の Ollama FAQ を参照してください。

最近の Ollama は、同じマシン上で動作していても、ブラウザ拡張機能の origin からのリクエストを拒否することがあります。拡張機能は chrome-extension://... や moz-extension://... のような Origin を送信するため、それらの origin が許可されていないと Ollama が 403 を返す場合があります。

すでにポート 11434 を使用している Ollama デスクトップアプリを終了し、次のいずれかで Ollama を起動してください。

OLLAMA_ORIGINS="*" ollama serve
OLLAMA_ORIGINS="chrome-extension://*,moz-extension://*" ollama serve

WebBrain の Ollama ベース URL は http://localhost:11434/v1 のままにしてください。ターミナルの curl チェックはブラウザ拡張機能の origin を送信しないため、この設定なしでも成功することがあります。

はい。WebBrain の読み取り専用ネットワークツール — fetch_url と research_url — は単独の LM Studio プラグインとしても webbrain/web-tools で提供されています。lms clone webbrain/web-tools でインストールし、LM Studio の任意のチャットでオンに切り替えれば、ツール呼び出しに対応した任意のモデルが、ブラウザ拡張を入れなくてもこの 2 つのツールを呼び出せます。純粋な Node で、ヘッドレスブラウザは不要。ソース: lmstudio-plugin/。

はい — Firefox のサイドバーはデフォルトでは左ですが、移動できます。サイドバーのヘッダー上で右クリックし、「サイドバーを右に移動」を選びます (メニューバーの 「表示 → サイドバー → サイドバーを右に移動」 でも可)。位置は再起動後も保持されます。Chrome の sidePanel はデフォルトで右側にあり、パネル自体からユーザーが移動することはできません。

はい。Vivaldi の Web Panel では、confirm()、alert()、prompt() などのネイティブ JavaScript ダイアログが抑止されます。WebBrain の Ask、Act、Dev モード切り替えはこれらのダイアログに依存しなくなりましたが、一部の補助操作はまだ依存しています。

録画: 当面は Vivaldi で /record を使用しないでください。録画に失敗しても Vivaldi がエラー警告を隠し、説明が表示されない場合があります。

設定、履歴、トレース、Ollama ハンドオフ: これらのページにもネイティブダイアログがありますが、通常 WebBrain は正常に動作する通常タブで開きます。手動で Web Panel に追加した場合は、ダイアログに依存する操作を使う前に通常タブで開いてください。

ほとんどの場合は問題ありません。特に、「このページを要約して」のような読み取り専用の依頼を Ask モードで実行している場合です。WebBrain の作業中もスクロールを続けられます。

いつ避けるべきですか？ 自動スクリーンショットには、タブの現在の表示領域が反映されます。WebBrain が Act または Dev モードで表示中のコンテンツを調べたり操作したりしている最中にスクロールすると、対象が移動したり、モデルが見る内容が変わったりすることがあります。そのステップが終わるまでスクロールを待ってください。それ以外のときは、引き続きページを使用できます。

はい。27.0.0 以降、WebBrain は前面アクセスがどうしても必要な場合を除き、Chromium 系ブラウザーでも Firefox でもフォーカスを奪いません。実行は開始したタブに紐づいたままなので、別のタブで安全に作業できます。

ごくまれに元のタブを前面に出す必要があるステップでは、WebBrain がそのタブに一時的にフォーカスすることがあります。WebBrain が操作中の同じタブでクリックや入力をするのは避けてください。

Cookie バナー: WebBrain は一般的なフレームワーク (OneTrust、Cookiebot、Didomi、Quantcast、Google Funding Choices、TrustArc) の同意バナーを認識し、ページについて推論する前に閉じます。優先順位は「すべて拒否」/「必須でないものを拒否」/「必要なものだけ」がはっきり見えるときはそれら。そうでなければ「すべて受け入れる」にフォールバックし、「設定を管理」の迷路にハマるのを避けます。

ペイウォール: WebBrain はペイウォールがあれば正直にそれを報告し、実際に見えた範囲 (見出し、リード、最初の段落) を伝えます。ペイウォールの迂回は試みません — archive.today も 12ft.io も、Cookie の削除も JS の無効化もリーダーモードのトリックも使いません。記事全文が必要なら、サブスクでログインするか、同じ話題を扱う無料の記事を WebBrain に探してもらってください。

WebBrain には 3 つのモードがあります。質問モード (デフォルト) は読み取り専用で、ページ上の何も変更できません。実行モードではクリック、入力、ナビゲーションなどのブラウザ操作ができ、Dev モードではページのデバッグツールが追加されます。影響を伴う操作はデフォルトで承認が必要です。この権限ゲートを無効にすると、WebBrain は目に見える警告バナーを表示します。エージェントは「停止」ボタンでいつでも止められます。拡張のソースコードは GitHub で完全公開されており、監査可能です。

ページ上で確実に操作するため、WebBrain は標準の拡張機能 API である chrome.debugger を介して Chrome DevTools Protocol(CDP)を使用します。これが Chrome の「WebBrain started debugging this browser」バナーが表示される理由です。CDP により、エージェントは最新のサイトが実際に受け入れる信頼された入力イベントでクリックや入力を行えます。content script から発行される合成イベントは、多くのサイト・Web Components・フレームワーク制御の入力欄で拒否されます。また WebBrain はこれを使って、ビジョンのフォールバック用にピクセル精度のスクリーンショットを取得し、content script からは見えないクロスオリジンの iframe や shadow DOM にアクセスします。

読み取り専用の質問モードは CDP を必要としません。ページやアクセシビリティツリーの読み取りは通常の content script を通ります。CDP が必要なのは実行モードの信頼性とクロスオリジン処理であり、Manifest V3 拡張機能には信頼された入力のためのデバッガ不要の API は存在しません。WebBrain はデバッガを操作が必要なときだけタブごとにアタッチし、拡張機能全体がオープンソースなので、セッションが何をしているかを正確に監査できます。CDP は強力なので、その影響範囲は抑えるべきものとして扱い(必要なときだけアタッチし、読み取りには使わない)、さらに絞り込むことをセキュリティのロードマップに含めています。

これらの承認プロンプトは安全のためにあります。信頼しているサイトであっても、悪意ある第三者が LLM の指示をまねたり、コンテンツを注入したりして、あなたが承認しない操作をエージェントに代行させようとする可能性があります。そのため WebBrain は、重大な結果につながる操作の前に承認を求めます。それでもこれらのプロンプトを省略したい場合は無効にできます。サイドプラグインを開き、ヘッダーの歯車アイコンをクリックし、settings.html の Permissions タブに移動して、Ask before consequential actions をオフにしてください。

デフォルトでは、WebBrain は何かを作成・変更・削除・送信・送出・投稿・購入するあらゆる操作を、必ず可視 UI 経由で行います。ページに移動し、フォームを埋め、ボタンを押す — あなたが普段やる手順そのままです。バックグラウンドの fetch() で REST/GraphQL エンドポイントを直接呼んでミューテーションを行うことは拒否します。これは意図的なものです: API 操作は不可視で (何が送られているかが見えません)、別途設定が必要な認証トークンを要求することが多く、可視のクリックミス 1 つよりはるかに広い影響範囲を持ちます。UI-first とはつまり、すべてが画面上、いつもの認証済みブラウザセッション内で起こり、いつでも止められるということです。

データの読み取り — README を取りに行く、issue を調べる、サイト間で価格を比較する、ステータスページを確認するなど — については、WebBrain は fetch_url や research_url ツール経由でバックグラウンド HTTP リクエストを自由に使います。読み取りは操作とは違い、リモートサービス上の何も変えないので、同じ安全上の懸念は当てはまりません。

特定のタスクで API ミューテーションを許可したい場合は、メッセージ冒頭に /allow-api と入力します (短いタスク記述を続けても構いません)。この会話単位のオーバーライドにより、UI が本当に動かない/使えないときには WebBrain が API エンドポイントにフォールバックできるようになりますが、UI で済む場合は UI を優先するという方針は維持されます。オーバーライドが有効な間、入力欄の上に固定のバッジが表示され、会話をリセットすると解除されます。

プロフィール自動入力は 設定 → プロフィール にあるオプション機能です。短い bio — 名前、仕事用メール、所属、低リスクなサインアップ向けの使い捨てパスワード — を入力してオンにします。有効にすると、WebBrain はそのテキストをエージェントのシステムプロンプトに付け足し、毎回聞かずにサインアップフォームを埋められるようにします。

テキストはブラウザのローカルストレージに平文で保存されます。WebBrain プロジェクトへは送信されませんが、設定済みの LLM プロバイダーへはシステムプロンプトの一部として毎ターン送信されます。既定はオフです。

ここに重要アカウント (Google、Apple、iCloud、銀行、社内 SSO、メインのメール) のパスワードは絶対に入れないでください。それらは 2FA を有効にすべきで、そもそもエージェントに渡すべきではありません。意図された使い方は、ニュースレターの登録や無料体験などで使い回す使い捨てパスワードです。

いいえ — これは露出を減らすものであり、保証ではありません。有効にすると（設定 → マルチモーダル → スクリーンショットの黒塗り、デフォルトはオフ）、WebBrainはすべてのスクリーンショットについて、ビジョンモデルに送信する前にフォーム項目やメールアドレス・電話番号らしきテキストにモザイクをかけます。検出はDOMヒューリスティックを使ってすべて端末内で行われ、追加で送信されるデータはありません。

これはベストエフォートかつフェイルオープンです。ナビゲーション直後、PDFビューア、制限されたブラウザページなど、検出器がページ上で動作できない場合、タスクを中断する代わりにスクリーンショットは黒塗りされないまま送信されます。DOMヒューリスティックが認識できないコンテンツ（canvasに描画されたテキスト、画像内の個人情報、特殊なウィジェットなど）も見逃される可能性があります。また、この設定はスクリーンショットのみを対象としており、モデルに送られるページの本文テキストはこれによって黒塗りされません。

ビジョンについて完全なプライバシーが必要な場合は、ローカルモデルを使用してください。llama.cppやOllamaのようなオフラインプロバイダーを使えば、スクリーンショットもページテキストも端末から一切出ないため、そもそも黒塗りする必要がありません — これがプライバシーが保証される唯一の構成です。上記の「WebBrain は完全にオフラインで使えますか?」を参照してください。

ビジョン対応のローカルモデルを動かせるマシンがない場合は?プランニングとツール呼び出し用に軽量なローカルモデル（控えめなCPU/GPUでも動く程度の軽さ）を使い、ビジョンのサブコールにはクラウドプロバイダーを組み合わせ、スクリーンショットの黒塗りをオンにするのが良い折衷案です。会話とページテキストは端末内に留まり、クラウドのビジョンに送られるスクリーンショットは事前にフォーム項目や検出されたメール/電話番号が黒塗りされた状態になります — 完全なローカルビジョンモデル用のハードウェアを用意しなくても、クラウドへの露出を減らせます。この振り分けは設定 → ビジョンから設定してください（上記の「WebBrain はどうやってクラウド LLM の請求を抑えていますか?」も参照）。

いいえ。WebBrain はデフォルトで、生の HTML や DOM の生データを送信しません。最初にページの URL とタイトル、該当するサイト向けガイダンスを使用し、ビジョンが有効な場合は表示領域のスクリーンショットを任意で追加します。

タスクにページ内容が必要な場合、WebBrain は簡略化された意味的なアクセシビリティツリーまたは抽出テキストとして必要に応じて読み取ります。読み取り結果は必要に応じて表示状態で絞り込まれ、文字数制限とページ分割が適用されます。生のページソースへのアクセスは Dev モードでのみ利用できます。