वेब पर काम करने वाले वित्तीय एजेंट कैसे बनाएं - जय सहनान और अरिक बर्ड, Browserbase
원제 · How to Build Financial Agents That Work Across the Web - Jay Sahnan & Arik Bird, Browserbase
핵심 요약
वेब पर काम करने वाले वित्तीय एजेंटों को बड़े पैमाने पर और बिना ब्लॉक हुए चलाने के लिए संशोधित ब्राउज़रों और प्राकृतिक भाषा आधारित नियंत्रण टूल का उपयोग आवश्यक है।
하이라이트
रैंप (Ramp) ने वित्तीय रसीदों को स्वचालित रूप से कैप्चर करने और लेनदेन से मिलान करने के लिए ब्राउज़र एजेंटों का उपयोग करके डेटा प्रविष्टि में 30,000 से अधिक मैनुअल घंटे बचाए हैं।
डेटा सेंटर में मानक क्रोमियम ब्राउज़र का उपयोग करने पर एंटी-बॉट सुरक्षा और अलग-अलग फिंगरप्रिंट की समस्याएं आती हैं, जिन्हें संशोधित वेरीफाइड ब्राउज़र द्वारा हल किया जाता है।
Stagehand एक ओपन-सोर्स एसडीके है जो डेवलपर्स को प्राकृतिक भाषा के संकेतों का उपयोग करके ब्राउज़र को नियंत्रित करने की अनुमति देता है।
Stagehand डॉम (DOM) को एक संक्षिप्त एक्सेसिबिलिटी ट्री में सिकोड़ देता है, जिससे एलएलएम को भेजे जाने वाले टोकन की संख्या 122k से घटकर मात्र 4,000 रह जाती है।
Stagehand तीन मुख्य प्रिमिटिव्स observe, act और extract प्रदान करता है, जिनकी मदद से असंरचित वेब डेटा को Zod स्कीमा में आसानी से परिवर्तित किया जा सकता है।
타임라인
वेब ब्राउज़र एजेंटों की आवश्यकता और वित्तीय संचालन
वित्तीय कार्यों को स्वचालित करने के लिए पारंपरिक तरीकों के बजाय ब्राउज़र की आवश्यकता होती है क्योंकि अधिकांश वित्तीय पोर्टल जटिल लॉगिन और सुरक्षा प्रणालियों के पीछे होते हैं। ब्राउज़र एजेंट बिना एपीआई वाली साइटों से भी आसानी से डेटा पढ़ सकते हैं और कार्रवाई कर सकते हैं। यह तकनीक कंपनियों को बड़े पैमाने पर संचालन करने में मदद करती है।
- ब्राउज़र एजेंट ऐसे एजेंट होते हैं जो वेब तक पहुँचने और उसके साथ इंटरैक्ट करने के लिए ब्राउज़र का उपयोग करते हैं।
- रैंप, बिल और स्ट्राइप जैसी वित्तीय संस्थान संवेदनशील जानकारी के साथ काम करते हैं जो एंटी-बॉट सुरक्षा या लॉगिन पोर्टलों के पीछे होती है।
- जिन वेबसाइटों के पास कोई एपीआई (API) या एमसीपी (MCP) नहीं होता, वहाँ पहुँचने के लिए ब्राउज़र एकमात्र विकल्प है।
रैंप (Ramp) में ब्राउज़र एजेंटों का पैमाना और उपयोग
तेजी से बढ़ने वाली कंपनियों के लिए मानव बल पर निर्भर रहना स्केलिंग में बाधा बनता है। रैंप ने इस समस्या से निपटने के लिए ब्राउज़र एजेंटों का उपयोग किया जो बैकग्राउंड में रसीदें एकत्र करते हैं। हालांकि, डेटा सेंटर में मानक ब्राउज़र चलाने पर बॉट-डिटेक्शन और प्रॉक्सी की समस्याएं आती हैं।
- रैंप ने रसीदों को मैन्युअल रूप से लाने के लिए इंसानों की टीम रखने के बजाय ब्राउज़र एजेंटों को तैनात किया है।
- रैंप कार्ड से फ़्लाइट बुक करने के तुरंत बाद ब्राउज़र एजेंट डेल्टा पर लॉग इन करके रसीद कैप्चर करता है और उसे लेनदेन से मिलाता है।
- इस स्वचालन से रैंप ने 30,000 से अधिक मैनुअल घंटे बचाए हैं और अपने व्यवसाय का पैमाना 5 गुना बढ़ाया है।
डेटा सेंटर में ब्राउज़र चलाने की चुनौतियाँ और उनका समाधान
लैपटॉप और डेटा सेंटर के क्रोमियम में अंतर होने के कारण वेबसाइटें बॉट को आसानी से पहचान लेती हैं। Browserbase ने इन बाधाओं को दूर करने के लिए क्रोमियम को संशोधित किया है ताकि यह एक वास्तविक मानव उपयोगकर्ता की तरह दिखाई दे। इससे कंपनियों को बिना ब्लॉक हुए हजारों ब्राउज़र एक साथ चलाने की क्षमता मिलती है।
- डेटा सेंटर में हेडलेस क्रोमियम चलाने पर हर बार अलग फिंगरप्रिंट, ताज़ा कुकीज़ और रेजिडेंशियल आईपी के बजाय डेटा सेंटर आईपी जैसी समस्याएं आती हैं।
- Browserbase ने क्रोमियम बाइनरी को फ़ॉर्क करके ऑटोमेशन फ़्लैग हटाए हैं, पहचान को क्रोम के रूप में संरेखित किया है और प्रक्रिया को जीवित रखा है।
- ब्राउज़र को तुरंत बंद करने के बजाय विंडो बंद करके क्रोमियम को चालू रखने से वर्कफ़्लो अधिक स्थिर होते हैं।
Stagehand और प्राकृतिक भाषा के माध्यम से ब्राउज़र नियंत्रण
हजारों विभिन्न पोर्टलों को प्रबंधित करने के लिए नियतात्मक स्क्रिप्ट्स के मुकाबले अनुकूली स्वचालन की आवश्यकता होती है। Stagehand एक ओपन-सोर्स एसडीके है जो ब्राउज़र के ठीक बगल में क्रोम एक्सटेंशन के रूप में काम करता है। यह राउंड-ट्रिप विलंबता को समाप्त करता है और डेवलपर्स को स्वाभाविक भाषा में ब्राउज़र को निर्देश देने की सुविधा देता है।
- बिल जैसी कंपनियाँ हजारों अलग-अलग वेंडर पोर्टल्स और बदलते चेकआउट फ्लो से निपटने के लिए Stagehand का उपयोग करती हैं।
- Playwright जैसी पारंपरिक स्क्रिप्ट्स वेबसाइट के थोड़ा सा भी बदलने पर टूट जाती हैं, जबकि Stagehand प्राकृतिक भाषा के संकेतों का उपयोग करता है।
- Stagehand वेबसाइट के DOM को एक संक्षिप्त एक्सेसिबिलिटी ट्री में बदलकर एलएलएम को भेजे जाने वाले टोकन की लागत और आकार को भारी रूप से कम करता है।
Stagehand के प्रिमिटिव्स और लाइव डेमो
स्ट्राइप जैसी कंपनियाँ मर्चेंट ऑनबोर्डिंग और केवाईसी सत्यापन के लिए इस तकनीक का उपयोग करती हैं। Stagehand के प्रिमिटिव्स डेवलपर्स को वेबसाइट पर बटन खोजने, क्लिक करने और संरचित डेटा निकालने में सक्षम बनाते हैं। कई साइटों पर एक साथ यह स्वचालन बिना कैप्चा या रुकावट के बड़े पैमाने पर काम करता है।
- Stagehand तीन प्रमुख प्रिमिटिव्स प्रदान करता है: observe, act और extract।
- extract प्रिमिटिव की मदद से वेब से असंरचित डेटा को सीधे Zod स्कीमा में परिवर्तित किया जा सकता है।
- लाइव डेमो में Chipotle और विभिन्न वित्तीय स्रोतों से बिना किसी रुकावट के डेटा निकाला गया।
설명
Some of the most important financial data sits behind logins and anti-bot walls, with no API. Jay Sahnan and Arik Bird of Browserbase show how browser agents solve this through three case studies: Ramp fetching receipts at scale (over 30,000 manual hours saved), Bill paying across thousands of different vendor portals with one agent, and Stripe automating KYC checks. They also cover how Browserbase forked Chromium to run reliably in the cloud, and how Stagehand's act, extract and observe primitives keep automations from breaking when sites change. Chapters 00:00 Intro 00:27 What is a browser agent? 01:37 Ramp, Bill and Stripe: data on the hardest-to-reach web 02:13 Ramp: fetching receipts at scale 03:34 Why browsers get blocked in the data center 06:03 Forking Chromium for the cloud 07:49 Demo: 100 browsers at once 10:11 Bill: one agent, thousands of portals 11:08 Stagehand vs Playwright 14:52 Stripe: automating KYC 15:52 Act, extract and observe 16:35 Demo: researching 20 companies in parallel Jay Sahnan, Browserbase Arik Bird, Browserbase Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!