WebBrain — browser agent โอเพนซอร์ส MIT ที่รันบนโมเดลโลคัลล้วน ผ่าน llama.cpp ไม่ต้องมี API key ข้อมูลไม่ออกจากเครื่อง

ยุคของ browser agent — AI ที่ควบคุมเบราว์เซอร์แทนเราได้ — กำลังคึกคัก แต่เกือบทั้งหมดต้องส่งเนื้อหาหน้าเว็บที่คุณกำลังดู (บางทีรวมถึงหน้าอีเมล บัญชีธนาคาร แดชบอร์ดงาน) ขึ้นคลาวด์ไปให้โมเดลของผู้ให้บริการประมวลผล WebBrain เลือกเดินคนละทาง: เป็น extension โอเพนซอร์สใบอนุญาต MIT สำหรับ Chrome และ Firefox ที่ออกแบบมาแบบ local-first — ค่าเริ่มต้นรันบนโมเดลในเครื่องผ่าน llama.cpp ไม่ต้องมี API key ไม่ต้องต่อเน็ตให้ AI และ ไม่มีข้อมูลออกจากเครื่องเลย พัฒนาโดย Emre Sokullu

WebBrain อ่านหน้าเว็บ ดึงข้อมูลออกมา และทำงานหลายขั้นตอนอัตโนมัติได้ (เช่น กรอกฟอร์ม, รวบรวมข้อมูลข้ามหน้า, ทำ workflow ซ้ำ ๆ) โดยไม่ผูกกับผู้ให้บริการคลาวด์รายใดรายหนึ่ง

Ask กับ Act: แยก”อ่าน” ออกจาก “ลงมือ”

ดีไซน์ด้านความปลอดภัยที่ดูจงใจคือการแบ่งเป็นสองโหมดชัดเจน:

• Ask mode — อ่านอย่างเดียว (read-only) วิเคราะห์/สรุปหน้าเว็บได้ แต่ แก้หรือกดอะไรบนหน้าไม่ได้ เหมาะกับ “ถามหน้านี้ว่าอะไร” อย่างปลอดภัย
• Act mode — ลงมือได้เต็มที่: คลิก พิมพ์ เลื่อน นำทาง รัน workflow — และมีฟีเจอร์ “Plan before Act” ที่ให้ agent ร่างแผนเป็นขั้นตอนให้เรา อนุมัติก่อน จะลงมือจริง

หลักความปลอดภัยเชิงสถาปัตยกรรมที่น่าชมคือ “UI-first” — โดยดีฟอลต์ agent จะทำงานผ่าน UI ที่มองเห็นจริง (กดปุ่มที่คนกดได้) และ ปฏิเสธที่จะยิง REST/GraphQL endpoint ตรง ๆ เพื่อสร้าง/ส่ง/ซื้อ ลดความเสี่ยงที่ agent จะไปทำธุรกรรมที่มองไม่เห็น ผู้ใช้ที่รู้ตัวว่าทำอะไรค่อยสั่ง /allow-api เพื่อ override เป็นราย ๆ ไป

รันโลคัลเป็นหลัก แต่ต่อคลาวด์ได้ถ้าต้องการ

โพรไวเดอร์เริ่มต้นคือ llama.cpp (รองรับโมเดลที่มี context 16k ขึ้นไป) และยังต่อกับ Ollama, LM Studio, Jan, vLLM, SGLang ได้ผ่าน endpoint แบบ OpenAI-compatible ส่วนใครอยากใช้โมเดลคลาวด์ก็ต่อ OpenAI, Claude หรือ OpenRouter ได้เช่นกัน — แต่จุดขายหลักคือ “ดีฟอลต์เป็นโลคัล ไม่ต้องมีบัญชี ไม่มี telemetry ไม่มีการเก็บข้อมูลออกนอกเครื่อง”

ข้อจำกัดที่ควรรู้ตามที่รีโประบุ: บน Firefox ฟีเจอร์จำกัดกว่า Chrome (ไม่เจาะ shadow-DOM, ไม่เก็บประวัติบทสนทนาข้ามการรีสตาร์ต) เพราะ Chrome ใช้ DevTools Protocol ได้ลึกกว่า และตัวโปรเจกต์ยัง ใหม่มาก (ณ ตอนเขียน รีโปเพิ่งเริ่ม ดาวยังน้อย แม้จะมี commit จำนวนมากบน main) — เป็นของที่ควรลองในเชิงทดลอง มากกว่าพึ่งพาในงานที่พลาดไม่ได้

มุมมอง AI Curator

สิ่งที่ทำให้ WebBrain น่าสนใจไม่ใช่ “อีกหนึ่ง browser agent” แต่คือ จุดยืนเรื่องความเป็นส่วนตัว ที่มาพร้อมโค้ดจริง ไม่ใช่แค่คำโฆษณา การที่ดีฟอลต์เป็น llama.cpp โลคัล + หลัก UI-first ที่ปฏิเสธการยิง API เงียบ ๆ + การแยก Ask/Act ออกจากกัน คือชุดการตัดสินใจที่ตอบโจทย์คนที่ระแวง (อย่างถูกต้อง) ว่า “จะให้ AI คุมเบราว์เซอร์ที่ล็อกอินอีเมลกับธนาคารอยู่ ปลอดภัยแค่ไหน” — เพราะ browser agent คือหนึ่งใน attack surface ที่อันตรายที่สุดของยุค agent ทั้ง prompt injection จากหน้าเว็บและการทำธุรกรรมพลาด

สำหรับบริบทไทย/SEA มุมที่ใช้ได้จริงมีสองข้อ หนึ่ง — ต้นทุน: การรันบนโมเดลโลคัลแปลว่าไม่มีค่า token ต่อครั้ง เหมาะกับงานออโตเมชันซ้ำ ๆ (ดึงราคา, กรอกฟอร์ม, รวบรวมข้อมูล) ที่ถ้าจ่าย API ทุกสเต็ปจะแพงเกินคุ้ม สอง — PDPA/ความลับข้อมูล: หน่วยงานหรือบริษัทที่ข้อมูลบนหน้าจอห้ามออกนอกองค์กร (สุขภาพ การเงิน ราชการ) การมี agent ที่ประมวลผลในเครื่องล้วนเป็นทางเลือกที่ปฏิบัติได้จริงกว่าเครื่องมือคลาวด์

ข้อควรระวังตามจริง: โปรเจกต์ยังใหม่มากและคุณภาพ agent ขึ้นกับโมเดลโลคัลที่คุณรัน — โมเดลเล็กบนเครื่องผู้บริโภคจะทำงานหลายขั้นตอนได้ไม่แม่นเท่าโมเดลคลาวด์ตัวใหญ่ ฉะนั้นเริ่มที่งานความเสี่ยงต่ำในโหมด Ask ก่อน แล้วค่อยขยับไป Act พร้อมเปิด “Plan before Act” ไว้เสมอ อย่าเพิ่งปล่อยให้มันรูดบัตร

แหล่งข่าว

• esokullu/webbrain บน GitHub
• Meet WebBrain: An Open-Source, Local-First AI Browser Agent — MarkTechPost
• WebBrain — เว็บไซต์ทางการ