اگر ایجنت هوش مصنوعی برای انجام یک کار نیاز داشته باشد وارد وب شود، صفحه را پردازش کند یا از یک سایت اطلاعات بگیرد، استفاده از مرورگر کاملی مثل Chrome همیشه منطقی نیست. Kitesurf AI Browser مرورگر جدید Cloudflare است که دقیقا برای چنین سناریویی طراحی شده است. این مرورگر به جای تمرکز روی امکاناتی مثل تب ها، افزونه ها، تم و نمایش کاملا دقیق پیکسلی، منابع خود را روی چیزهایی می گذارد که برای ایجنت‌ها اهمیت دارند؛ مثل مصرف پایین حافظه، مقیاس پذیری، استخراج محتوا و اجرای تعداد زیادی جلسه مرورگر. Cloudflare آن را روی زیرساخت Workers ساخته و در حال حاضر به صورت Beta در Browser Run ارائه می کند.

چرا ایجنت‌های هوش مصنوعی به مرورگر نیاز دارند؟

مدل هوش مصنوعی به تنهایی نمی‌تواند تمام اطلاعات موجود در اینترنت را به شکل زنده در اختیار داشته باشد. یک ایجنت برای بررسی قیمت، خواندن یک صفحه جدید، گرفتن اطلاعات از داشبورد یا تعامل با یک سرویس آنلاین به ابزاری نیاز دارد که بتواند وب را مانند یک مرورگر پردازش کند. به همین دلیل مرورگر به یکی از ابزارهای مهم Agent‌ها تبدیل شده است. Cloudflare نیز می‌گوید رشد ایجنت‌های هوش مصنوعی باعث افزایش استفاده از سرویس Browser Run شده است.
مشکل اینجاست که مرورگرهایی مانند Chromium ابتدا برای انسان ساخته شده اند. آن ها قابلیت های فراوانی دارند که یک ایجنت معمولا به آن ها احتیاج ندارد. برای مثال، مدل هوش مصنوعی اهمیتی به همگام سازی تب ها، تم مرورگر یا افزونه های کاربری نمی دهد. در مقابل، تعداد توکن ها، سرعت پردازش، هزینه اجرای مرورگر و مقدار حافظه اهمیت زیادی دارند. Cloudflare با همین نگاه تصمیم گرفته یک مرورگر مخصوص ماشین طراحی کند.

Kitesurf چه تفاوتی با مرورگر معمولی دارد؟

تفاوت اصلی در فلسفه طراحی است. Chrome یا Firefox باید صفحه را به شکلی نمایش دهند که یک انسان انتظار دارد. فونت، انیمیشن، پخش ویدیو، گرافیک، افزونه‌ها و ده‌ها قابلیت دیگر باید به درستی کار کنند. اما برای یک Agent بسیاری از این موارد ارزش چندانی ندارند.
در Kitesurf اولویت با پردازش ساختار صفحه، HTML، DOM، درخواست‌های شبکه و محتوای قابل فهم برای ماشین است. نمایش صفحه همچنان وجود دارد و حتی امکان گرفتن Screenshot و PDF هم فراهم شده است، اما هدف اصلی رسیدن به یک نسخه کاملا مشابه Chrome نیست. این انتخاب باعث شده Cloudflare بتواند بخش بزرگی از سربار یک مرورگر دسکتاپ را کنار بگذارد.

چرا Kitesurf سبک تر از Chromium است؟

یکی از مهم‌ترین دلایل طراحی این مرورگر، کاهش مصرف CPU و حافظه است. Cloudflare آزمایش‌هایی را روی مجموعه ای شامل 14 آدرس وب انجام داده و نتایج Kitesurf را با Chromium در حالت Warm Pool مقایسه کرده است. در عملیات Screenshot، مرورگر جدید حدود 380 میلی ثانیه CPU مصرف کرده، در حالی که Chromium به 1173 میلی ثانیه رسیده است. در استخراج HTML نیز مصرف CPU به ترتیب 229 و 877 میلی ثانیه بوده است.
اختلاف حافظه حتی بیشتر است. در تست Screenshot، مصرف حافظه Kitesurf حدود 57.8 MiB و Chromium حدود 271 MiB گزارش شده است. هنگام استخراج HTML نیز این اعداد به حدود 39.4 و 273.7 MiB می رسند. طبق همین آزمایش، مرورگر Cloudflare در برخی وظایف بین 3 تا 7 برابر منابع کمتری از نظر CPU و حافظه مصرف می‌کند.
البته سبک‌تر بودن به معنی سریع‌تر بودن در همه شرایط نیست. در همان تست‌ها، زمان واقعی انجام Screenshot و استخراج HTML برای Kitesurf بیشتر از Chromium بوده است. Cloudflare این تفاوت را به مزیت JIT گرم Chromium و نحوه رندر نرم افزاری مرورگر خود نسبت می‌دهد. پس مزیت اصلی فعلی بیشتر روی هزینه، حافظه و ظرفیت اجرای همزمان قرار دارد، نه لزوما کمترین زمان ممکن برای هر درخواست.

معماری Stateless چه مزیتی برای ایجنت‌ها دارد؟

یکی از ویژگی‌های مهم این مرورگر، طراحی تا حد ممکن Stateless است. در این معماری، بخش های مختلف سیستم اطلاعات دائمی زیادی نگه نمی‌دارند و می‌توان آن‌ها را پس از انجام وظیفه حذف کرد. اگر یک پردازش خراب شود، سیستم لازم نیست وضعیت پیچیده‌ای را بازسازی کند و می‌تواند نمونه تازه‌ای ایجاد کند.
این مدل برای کارهای ایجنتی بسیار مناسب است. تصور کن هزار ایجنت در یک بازه کوتاه بخواهند هر کدام یک سایت را باز کنند، اطلاعاتی بخوانند و بعد کارشان تمام شود. نگه داشتن هزار مرورگر سنگین برای چنین کاری هزینه زیادی دارد. اما موتورهای موقت می توانند فقط هنگام نیاز ساخته شوند و پس از پایان کار از بین بروند. Cloudflare دقیقا Kitesurf را برای چنین بارهای ناگهانی و کوتاه مدت طراحی کرده است.

امنیت و جداسازی صفحات چگونه انجام می شود؟

وقتی یک ایجنت در اینترنت حرکت می کند، ممکن است وارد هر سایتی شود. بنابراین مرورگر نمی تواند فرض کند محتوای صفحه قابل اعتماد است. Cloudflare می گوید هر بارگذاری صفحه را به عنوان ورودی غیر قابل اعتماد در نظر می گیرد و هر Session با محیط تازه شروع می شود. اجزای مختلف نیز فقط به منابعی دسترسی دارند که برای انجام وظیفه خود لازم دارند.
دسترسی شبکه نیز از یک بخش مشخص به نام SandboxOutbound عبور می کند. این قسمت درخواست های خروجی را مدیریت می کند، سیاست های CORS را اعمال می کند و Cookie هر صفحه را جدا نگه می دارد. هدف این معماری جلوگیری از دسترسی مستقیم اجزای دیگر مرورگر به شبکه و کاهش احتمال نشت اطلاعات میان صفحات است.

نقش Cloudflare Workers و WebAssembly چیست؟

Kitesurf به جای اجرای یک موتور دسکتاپ سنتی، روی Cloudflare Workers اجرا می‌شود. Cloudflare برای بخش‌های مختلف آن از Rust و WebAssembly استفاده کرده است. تیم توسعه اعلام کرده هر جا امکان داشته، کد را با Rust نوشته و سپس مستقیما با wasm-bindgen به WebAssembly تبدیل کرده است تا از لایه‌های اضافی و سنگین شبیه سازی جلوگیری کند.
ساختار داخلی مرورگر از چند بخش تشکیل شده است. Engine ارتباط بیرونی و وضعیت Session را مدیریت می کند. PageScript مسئول DOM و اجرای JavaScript صفحه است و PageRenderer تصویر نهایی یا PDF را تولید می کند. این اجزا از طریق قابلیت های Workers با یکدیگر ارتباط دارند.

سازگاری با Playwright و Puppeteer

یکی از تصمیم‌های مهم Cloudflare پشتیبانی از Chrome DevTools Protocol یا CDP است. به همین دلیل ابزارهایی که از قبل با این پروتکل کار می‌کنند، نیاز به بازنویسی کامل ندارند. مستندات رسمی به Puppeteer، Playwright و chrome-remote-interface اشاره می کنند. کافی است هنگام اتصال به Browser Run گزینه Kitesurf انتخاب شود.
این مسئله برای توسعه دهنده اهمیت زیادی دارد. اگر یک سیستم اتوماسیون از قبل با Playwright ساخته شده باشد، مهاجرت به یک مرورگر کاملا جدید معمولا دردسر زیادی ایجاد می کند. پشتیبانی از CDP تلاش می کند این مانع را کمتر کند و اجازه دهد همان ابزارهای آشنا برای کنترل مرورگر استفاده شوند.

استفاده از Kitesurf در ایجنت های MCP

ایجنت‌هایی که از MCP و CDP پشتیبانی می‌کنند نیز می‌توانند به این مرورگر متصل شوند. Cloudflare در مستندات خود نمونه پیکربندی برای اتصال یک MCP Client به Browser Run ارائه کرده است. در این حالت ایجنت می‌تواند مرورگر را به عنوان یکی از ابزارهای خود ببیند و برای مشاهده یا پردازش صفحات وب از آن استفاده کند.
این ویژگی، Kitesurf را به یک مرورگر هوش مصنوعی برای ایجنت‌ها نزدیک می‌کند که لازم نیست رابط کاربری سنتی داشته باشد. Agent می‌تواند از طریق پروتکل‌ها با مرورگر صحبت کند، صفحه را بخواند و عملیات مورد نیاز را انجام دهد.

Quick Actions چه کاربردی دارند؟

برای بعضی وظایف حتی نیازی به کنترل کامل Session وجود ندارد. Browser Run مجموعه ای از Quick Actions ارائه می‌کند که کارهای مشخصی مثل دریافت HTML، ساخت Screenshot، تولید PDF، استخراج Markdown یا گرفتن لینک های صفحه را انجام می دهند. برای استفاده از Kitesurf در این درخواست‌ها کافی است نوع مرورگر روی kitesurf تنظیم شود.
این روش برای ایجنت‌هایی مناسب است که فقط می‌خواهند یک کار سریع انجام دهند. مثلا صفحه ای را باز کنند، محتوای آن را استخراج کنند و نتیجه را به مدل زبانی بدهند. در چنین شرایطی راه اندازی یک مرورگر کامل و نگهداری Session طولانی ضرورتی ندارد.

چه سایت‌هایی با این مرورگر کار می‌کنند؟

Cloudflare اعلام کرده Kitesurf در وضعیت فعلی می‌تواند نمونه‌هایی مانند Wikipedia، Hacker News، Cloudflare Blog و بخش زیادی از داشبورد Cloudflare را پردازش کند. همچنین نسخه‌های مختلف TodoMVC که با React، Vue، Angular و چند فناوری دیگر ساخته شده‌اند در آزمایش‌های شرکت به درستی رندر شده‌اند. با این حال، خود Cloudflare توصیه می‌کند سازگاری هر سایت قبل از استفاده واقعی آزمایش شود.
این مرورگر همچنین با Web Platform Tests سنجیده می‌شود. طبق مستندات به روز شده Cloudflare، بیش از 235 هزار Subtest را پشت سر گذاشته و پوشش بخش‌هایی مانند DOM، HTML، Selection و SVG در سطح بالایی قرار دارد. البته عبور از تست استاندارد تضمین نمی کند هر سایت واقعی بدون مشکل اجرا شود.

محدودیت‌های فعلی Kitesurf

سبک بودن این مرورگر با چند محدودیت همراه است. نسخه فعلی برای پخش ویدیو یا رندر WebGL مناسب نیست. همچنین نمی‌تواند بعضی Bot Challenge‌ها را که به TLS Fingerprint واقعی مرورگر وابسته هستند مدیریت کند. Session‌های طولانی و احراز هویت شده که باید وضعیت خود را برای مدت زیاد حفظ کنند نیز جزو سناریوهای مناسب فعلی نیستند. Cloudflare برای این موارد استفاده از Chromium در Browser Run را پیشنهاد می‌کند.
این محدودیت‌ها نشان می دهند Kitesurf قرار نیست در وضعیت فعلی جایگزین همه مرورگرها شود. هدف آن حل گروه مشخصی از مسائل ایجنتی است که در آن‌ها هزینه و مقیاس پذیری از قابلیت‌های کامل مرورگر مهم‌تر هستند.

Kitesurf برای چه پروژه‌هایی مناسب است؟

اگر یک ایجنت باید تعداد زیادی صفحه وب را بخواند، اطلاعات استخراج کند، Screenshot بگیرد یا PDF بسازد، این مرورگر می‌تواند گزینه مناسبی باشد. همچنین برای سیستم هایی که بار کاری آن‌ها ناگهانی افزایش پیدا می‌کند، معماری موقت و جداشده آن مزیت مهمی ایجاد می‌کند.
در مقابل، پروژه‌ای که به پخش رسانه، WebGL، تعامل طولانی با حساب کاربری یا سازگاری کامل با همه ویژگی‌های Chromium نیاز دارد، هنوز بهتر است از مرورگر کامل استفاده کند. انتخاب بین این دو به نوع وظیفه ای بستگی دارد که Agent باید انجام دهد.

وضعیت فعلی پروژه

Cloudflare این مرورگر را در نسخه Beta عرضه کرده و استفاده از آن فعلا در Browser Run رایگان است، البته محدودیت‌های حساب همچنان اعمال می‌شوند. شرکت همچنین اعلام کرده توسعه CDP، دقت رندر، پوشش استانداردهای وب و کاهش بیشتر مصرف منابع را ادامه می دهد. Cloudflare قصد دارد پروژه را در آینده متن باز کند، هرچند هنوز زمان قطعی انتشار نسخه متن باز اعلام نشده است.

جمع بندی

Kitesurf تلاش می کند تعریف مرورگر را برای عصر Agent‌ها تغییر دهد. به جای ساخت محصولی که انسان پشت آن می نشیند، Cloudflare موتوری ساخته که ماشین بتواند آن را سریع ایجاد کند، یک وظیفه مشخص انجام دهد و سپس کنار بگذارد. حذف امکانات غیر ضروری، معماری Stateless، جداسازی اجزا و اجرای مبتنی بر Workers باعث شده مصرف CPU و حافظه در وظایف رایج ایجنتی پایین تر از Chromium باشد.
این ابزار هنوز Beta است و محدودیت‌هایی دارد، بنابراین قرار نیست جای Chrome را روی کامپیوتر کاربران بگیرد. ارزش اصلی آن در سیستم های خودکار و Agent هایی دیده می‌شود که به دسترسی کنترل شده، سبک و مقیاس پذیر به وب نیاز دارند. اگر این مسیر ادامه پیدا کند، مرورگرهای مخصوص ماشین می‌توانند به یکی از اجزای اصلی زیرساخت ایجنت‌های هوش مصنوعی تبدیل شوند.