เชลล์ท้องถิ่นที่รวมอยู่ในเบราว์เซอร์สำหรับการทำงานของตัวแทนที่ขับเคลื่อนด้วย MCP
omeety-terminal, จาก Littlejoely, ให้บริการเซิร์ฟเวอร์ Model Context Protocol และส่วนขยายเบราว์เซอร์ที่ฝังเทอร์มินัลในทาสก์บาร์ของเบราว์เซอร์เพื่อให้ตัวแทน AI สามารถรักษาบริบทของหน้าและรันคำสั่งเชลล์ แอปเชื่อมต่อ PTY ที่ทำงานอยู่กับแท็บที่ใช้งานอยู่ ทำให้สามารถดำเนินการคำสั่งที่ควบคุมโดยตัวแทนในขณะที่รักษาสถานะแท็บไว้ มันเปิดเผยชุดเครื่องมือ MCP และอินเทอร์เฟซ "ตาและมือ" ที่ใช้ร่วมกัน ซึ่งมุ่งเป้าไปที่นักพัฒนา วิศวกรการแปล และนักวิจัย AI ที่ทำให้กระบวนการทำงานจากเว็บไปยังโค้ดเป็นอัตโนมัติ
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เครื่องมือนี้มุ่งเป้าไปที่การทำงานที่เอเจนต์ต้องสังเกตหน้าเว็บและทำงานกับไฟล์ในเครื่อง เช่น การแปลข้อความที่ขับเคลื่อนด้วย AI หรือการแก้ไขโค้ดสด มุมมองเบราว์เซอร์ที่แชร์และการเข้าถึงเชลล์ช่วยให้เอเจนต์สามารถแมพสตริงบนหน้าไปยังไฟล์ในที่เก็บและรันคำสั่งสร้างหรือการปรับใช้ สิ่งนี้ทำให้เหมาะสมสำหรับการแก้ไขการแปลแบบวนซ้ำ การตรวจสอบการเปลี่ยนแปลงข้อความ UI อย่างรวดเร็ว และการดำเนินการที่ขึ้นอยู่กับบริบทเฉพาะแท็บที่มีการเขียนสคริปต์
สะพานระหว่างเบราว์เซอร์และเชลล์ในเครื่องเชื่อถือได้แค่ไหน?
ทางเลือกในการใช้งานเน้นความถูกต้องของเทอร์มินัล: แอปใช้ xterm.js พร้อมกับ PTY แบ็คเอนด์จริงและสนับสนุน Native Messaging และ ConPTY สำหรับการจำลองที่มีประสิทธิภาพสูง ส่วนประกอบเหล่านั้นรักษาความหมายของเทอร์มินัลและลดความประหลาดใจด้านความเข้ากันได้ของคำสั่งเมื่อเปรียบเทียบกับพีโซเทอร์มินัลพื้นฐาน พฤติกรรมของเชลล์ที่แท้จริงมีความสำคัญเมื่อเอเจนต์รันคอมไพเลอร์ โปรแกรมแก้ไข หรือชุดคำสั่งเฉพาะแพลตฟอร์มที่ต้องพึ่งพาฟีเจอร์ PTY ที่แท้จริงมากกว่าการจำลองแบบที่เรียบง่าย
ข้อกำหนดแพลตฟอร์มและไคลเอนต์ใดบ้างที่มีผลต่อการนำไปใช้?
แพ็คเกจทำงานบน Windows และ macOS และต้องการเบราว์เซอร์ที่ใช้ Chromium โดยเฉพาะ Edge หรือ Chrome รวมถึงไคลเอนต์ AI ที่เข้ากันได้กับ MCP การออกแบบเป็นกลางต่อเอเจนต์และระบุความเข้ากันได้กับเอเจนต์ CLI เช่น Claude Code, OpenAI Codex และ Kimi Code ดังนั้นการนำไปใช้จึงขึ้นอยู่กับเครื่องมือ MCP ที่มีอยู่; ทีมที่ไม่มีเอเจนต์ที่รองรับโปรโตคอลจำเป็นต้องเพิ่มชั้นนั้นก่อนที่จะรวมการทำงานอัตโนมัติที่ขับเคลื่อนด้วยเอเจนต์เข้ากับการทำงาน
มันรวมเข้ากับการทำงานของนักพัฒนาการแปลได้อย่างสะอาดหรือไม่?
ส่วนขยายจัดหาเครื่องมือ MCP ที่เชี่ยวชาญ 41 รายการพร้อมกับการค้นหาในเทอร์มินัล การโต้ตอบกับลิงก์ และการซิงโครไนซ์คลิปบอร์ดอัตโนมัติเพื่อเร่งการแก้ไขตามบริบท สิ่งอำนวยความสะดวกเหล่านี้ช่วยให้เอเจนต์สามารถคัดลอกข้อความบนหน้า ค้นหาไฟล์ที่เกี่ยวข้อง และวางหรือรันคำสั่งโดยไม่ต้องส่งต่อด้วยมือ การรวมเข้ากันนั้นถือว่ามีการทำงานด้านการพัฒนาที่ยอมรับการกระทำ CLI ที่เขียนสคริปต์; ทีมที่มุ่งเน้นการตรวจสอบเฉพาะ GUI ควรประเมินว่าการแก้ไขในระดับเชลล์สอดคล้องกับการอนุมัติและแนวทาง QA ของพวกเขาหรือไม่.
ตัวเลือกที่เหมาะสมสำหรับทีมเทคนิคที่มีการทำงานของตัวแทนอยู่แล้ว
เครื่องมือนี้เป็นตัวเลือกที่เหมาะสมสำหรับทีมที่มีทักษะทางเทคนิคซึ่งทำงานกับการทำงานของตัวแทนที่ใช้ MCP และยอมรับการทำงานอัตโนมัติในระดับเชลล์ มันให้รางวัลกับกลุ่มที่สามารถกำหนดค่าลูกค้า MCP และรวมคำสั่งที่ขับเคลื่อนด้วยตัวแทนเข้ากับการตรวจสอบ QA หรือการแปลที่มีอยู่ มันไม่เหมาะสำหรับผู้ใช้ที่มองหาผู้ช่วยที่ไม่เป็นทางการและไม่ใช่ทางเทคนิค; ผู้ใช้เหล่านั้นควรมองหาเครื่องมือที่หลีกเลี่ยงการตั้งค่าโปรโตคอลและการโต้ตอบ CLI โดยตรง.
