Мы регулярно пишем об агентах: вспоминали CompAgent, Manus, учебный курс от HF и другие истории. Сегодня — свежие впечатления от Magentic UI.
Что за зверь⁉️
Magentic UI — экспериментальный web-агент, выведенный в свет исследовательской группой Microsoft Research в партнёрстве с университетом Вашингтона. Его задумали как «человеко-центричный» мост между ИИ-копилотами и реальными сайтами: агент кликает, вводит текст, заполняет формы и в любой момент передаёт штурвал человеку.
📋 Ключевые навыки агента
🔘Навигация по сайтам — прокручивает, ищет нужные элементы, открывает ссылки.
🔘Сбор и экспорт данных — парсит контент, сворачивает сводки в PDF.
🔘Человеческий хэнд-офф — зовёт нас, когда встречает капчу или неоднозначный шаг.
🔘Расширяемость — весь движок открыт на GitHub, можно дописывать собственные инструменты.
Почему о нём почти не пишут⁉️
⚙️ Установка — квест для DevOps-энтузиастов: разворачиваем Linux-виртуалку, ставим Docker-контейнеры, тянем репозиторий, подключаем ключ к ChatGPT API. У нас на эти танцы ушло > 3 ч., так что неудивительно, что обзоров немного — порог входа высокий.
Что оказалось «исследованием» на самом деле⁉️
В промоматериалах много говорят о «новой архитектуре агентов». На практике же главный вызов — обучить ИИ ориентироваться в бесконечном потоке веб-интерфейсов. Сегодня каждая кнопка, сердечко или скрытый выпадающий список — это неизвестный «покемон» для бота. Чем шире тесты сообщества, тем быстрее агент научится.
👍 Успехи
Агент бодро открыл несколько криптобирж, вытащил текущий курс BTC, сверстал отчёт и сохранил всё в один аккуратный PDF. Сухо, быстро и без ошибок.
👎 Фейлы
На «Афише» бот нашёл нужный фильм, но попытался открыть карточку, кликнув по 🩷 вместо названия.
Переключились на «Кинопоиск» — интерфейс проще, бот дошёл до брони двух билетов, но споткнулся на схеме зала: не понял, что надо нажать ровно два кружочка-места. Больно, но по-спортивному интересно.
👍 Главное открытие
Мы увидели, как агенты выходят в реальный веб-хаос и сталкиваются с тем, что человеку кажется очевидным. По мере наращивания «опыта интерфейсов» этот барьер будет таять — и тогда такие боты станут настоящими копилотами, а не демо-игрушкой.
💰 Экономика и эмоции от эксперимента
За ~4 ч. работы через ChatGPT API — $5,5. Вполне гуманно для R&D-сессии.
Чувствовали себя фан-трибуной: ликуем за каждое точное действие, вздыхаем при промахах. Примерно как с ребенком — хочется кормить и учить своему миру.
📎 Вывод
Magentic UI пока не для производственного конвейера, но идеально подходит, чтобы пощупать будущее агент-копилотов и внести свой вклад в их взросление. Готовы к челленджу? Тогда держите Docker и терпение под рукой — и добро пожаловать в игру!
▶️ Ссылка на скачивание ИИ-агента: https://github.com/microsoft/magentic-ui?tab=readme-ov-file#how-does-it-work
💬 Тест Тьюринга. События в сфере ИИ. Подписаться