Kimi WebBridge ให้ AI Agent ควบคุมเบราว์เซอร์ของคุณได้อย่างไร โดยไม่ต้องส่งข้อมูลไปคลาวด์

AI agents กำลังพัฒนาไปสู่การทำงานจริงบนอินเทอร์เน็ต ไม่ใช่แค่ตอบคำถาม แต่หนึ่งในอุปสรรคสำคัญคือระบบ automation ส่วนใหญ่ต้องส่ง session การท่องเว็บ คุกกี้ หรือข้อมูลล็อกอินไปยัง cloud browser เพื่อให้ AI ควบคุมได้

Moonshot AI จึงเปิดตัว Kimi WebBridge เพื่อแก้ปัญหานี้ โดยย้ายการควบคุมเบราว์เซอร์มาอยู่บนเครื่องผู้ใช้โดยตรง

Kimi WebBridge เป็นส่วนเสริมสำหรับ Google Chrome และ Microsoft Edge ที่ทำให้ AI agent สามารถโต้ตอบกับเว็บไซต์จริงได้ เช่น เปิดเว็บ คลิกปุ่ม กรอกฟอร์ม นำทางระหว่างหน้า และดึงข้อมูลจากหน้าเว็บโดยอัตโนมัติ

ความแตกต่างสำคัญคือ AI ไม่ได้ควบคุมเบราว์เซอร์บนคลาวด์ แต่ทำงานในเบราว์เซอร์ที่ผู้ใช้กำลังใช้งานอยู่จริง

Kimi WebBridge ทำอะไรได้บ้าง

WebBridge ทำหน้าที่เป็นตัวกลางระหว่าง AI agent กับเบราว์เซอร์ของผู้ใช้

เมื่อเปิดใช้งานแล้ว AI สามารถ:

• เปิดหน้าเว็บไซต์และนำทางไปยังหน้าอื่น
• คลิกลิงก์หรือปุ่มต่าง ๆ บนหน้าเว็บ
• กรอกฟอร์มและช่องข้อมูล
• ดึงข้อมูลสำคัญจากหน้าเว็บ
• ทำงานซ้ำ ๆ บนเว็บไซต์โดยอัตโนมัติ

ตัวอย่างงานที่ AI สามารถทำได้ เช่น ค้นหาข้อมูลจากหลายเว็บไซต์ เปรียบเทียบสินค้า เก็บรายการงานสมัครงาน หรือทำงานเอกสารผ่านเว็บที่ต้องกรอกฟอร์มจำนวนมาก

แทนที่จะให้ AI แค่บอกขั้นตอนให้มนุษย์ทำ ผู้ใช้สามารถปล่อยให้ agent ลงมือทำงานบนเว็บแทนได้เลย

สถาปัตยกรรมแบบ Local‑First

ระบบ automation สำหรับ AI หลายตัวในปัจจุบันใช้ cloud‑hosted browsers หมายความว่าผู้ใช้ต้องล็อกอินเข้าเว็บไซต์ต่าง ๆ ภายในเบราว์เซอร์บนเซิร์ฟเวอร์ของผู้ให้บริการ AI

Kimi WebBridge เลือกแนวทางตรงกันข้าม

ตัว extension จะทำงานร่วมกับ local bridge service บนเครื่องผู้ใช้ โดย agent จะส่งคำสั่งไปยังบริการนี้ จากนั้นบริการจะควบคุมเบราว์เซอร์ผ่าน Chrome DevTools Protocol เพื่ออ่านหน้าเว็บ นำทาง คลิกปุ่ม หรือจับภาพหน้าจอ

ข้อดีของการทำงานแบบนี้คือ:

• ใช้ session ที่ล็อกอินอยู่ในเบราว์เซอร์ได้ทันที
• คุกกี้และข้อมูล session ไม่ต้องออกจากเครื่อง
• เนื้อหาหน้าเว็บไม่ต้องถูกส่งไปยังระบบ automation บนคลาวด์

เอกสารของ Moonshot ระบุชัดว่า สถานะการล็อกอินและข้อมูลหน้าเว็บจะอยู่บนเครื่องผู้ใช้เท่านั้น ทำให้ AI สามารถทำงานกับเว็บไซต์ที่ต้องล็อกอินได้โดยไม่ต้องส่งข้อมูลรับรองไปยังบริการภายนอก

แนวทางนี้ช่วยลดขั้นตอนยุ่งยากในการตั้งค่า automation โดยเฉพาะกับบริการที่ต้องยืนยันตัวตน

ออกแบบให้ใช้งานได้กับหลาย AI Agent

อีกจุดที่น่าสนใจคือ WebBridge ไม่ได้ผูกกับ AI ตัวเดียว แต่ถูกออกแบบให้เป็น อินเทอร์เฟซสำหรับเบราว์เซอร์ที่ agent ใด ๆ ก็ใช้ได้

ในระบบนิเวศของ WebBridge มีการระบุว่าใช้งานร่วมกับเครื่องมือหรือ agent ได้หลายตัว เช่น

• Kimi Code
• Claude Code
• Cursor
• Codex
• Hermes
• OpenClaw

แนวคิดคือให้ WebBridge เป็น ชั้นควบคุมเบราว์เซอร์ (browser control layer) ที่ agent หลายตัวสามารถเชื่อมต่อเข้ามาใช้งานได้

ในโครงสร้างนี้:

• agent ทำหน้าที่คิด วางแผน และตัดสินใจ
• WebBridge ทำหน้าที่ปฏิบัติการบนเว็บไซต์จริง

บทบาทของโมเดล Kimi K2.6

แม้ WebBridge จะเป็นตัวควบคุมเบราว์เซอร์ แต่เบื้องหลังการวางแผนงานที่ซับซ้อนมาจากโมเดล Kimi K2.6 ของ Moonshot AI

Kimi K2.6 เป็นโมเดลแบบ agent‑oriented ที่ใช้สถาปัตยกรรม Mixture‑of‑Experts มีพารามิเตอร์รวมประมาณ 1 ล้านล้านพารามิเตอร์ และเปิดใช้งานประมาณ 32 พันล้านต่อ token ระหว่างการประมวลผล พร้อม context window ประมาณ 256K tokens

ความสามารถสำคัญของโมเดลนี้ ได้แก่

• การให้เหตุผลหลายขั้นตอน
• การเรียกใช้เครื่องมือ (tool use)
• การจัดการ workflow ที่ยาวและซับซ้อน

Moonshot ระบุว่าโมเดลนี้ถูกออกแบบมาเพื่อเพิ่มความสามารถในการเขียนโค้ดระยะยาวและการทำงานแบบ autonomous ของ agent

เมื่อใช้ร่วมกับ WebBridge โครงสร้างจะคล้ายแบบนี้

• Kimi K2.6: วางแผน วิเคราะห์ และตัดสินใจ
• WebBridge: ดำเนินการจริงบนเว็บไซต์

ดังนั้น agent สามารถวางแผนงานหลายขั้นตอน เช่น ค้นหาข้อมูลสินค้าในหลายเว็บ รวบรวมข้อมูล และสรุปผล โดย WebBridge จะทำหน้าที่คลิก เปิดหน้า และดึงข้อมูลจริงจากเว็บ

ทำไมการเปิดตัวนี้จึงสำคัญ

การเปิดตัว WebBridge สะท้อนแนวโน้มใหม่ของวงการ AI: การแข่งขันไม่ได้อยู่แค่ที่โมเดลฉลาดแค่ไหน แต่รวมถึง โครงสร้างพื้นฐานสำหรับ agent (agent infrastructure) ด้วย

ในโลกจริง AI agent มักต้องทำงานกับเว็บไซต์ที่ต้องล็อกอิน ซึ่งระบบ cloud automation มักมีข้อกังวล เช่น

• การส่งข้อมูลล็อกอินหรือคุกกี้
• ความเสี่ยงด้านความปลอดภัย
• ข้อกำหนดด้าน compliance ในองค์กร

การให้ agent ทำงานในเบราว์เซอร์ของผู้ใช้เองช่วยลดปัญหาเหล่านี้ และทำให้ workflow แบบ agent ใช้งานได้จริงมากขึ้น

ตัวอย่างงานที่อาจได้รับประโยชน์ ได้แก่

• การค้นคว้าข้อมูลจากหลายเว็บไซต์
• การทำงานอัตโนมัติในเครื่องมือภายในองค์กร
• การกรอกฟอร์มหรือเอกสารออนไลน์
• การติดตามข้อมูลจากบริการที่ต้องล็อกอิน

ภาพใหญ่: การแข่งขันด้าน Agent Infrastructure

กลยุทธ์ของ Moonshot AI แสดงให้เห็นทิศทางใหม่ของอุตสาหกรรม AI นั่นคือการสร้าง agent stack แบบครบชุด ไม่ใช่แค่โมเดล

ในโครงสร้างนี้

• โมเดล AI ทำหน้าที่ reasoning และ planning
• เครื่องมือ (tools) ทำหน้าที่ปฏิบัติการ
• ตัวเชื่อมต่อ (connectors) เชื่อม AI กับซอฟต์แวร์หรือบริการจริง

ด้วย WebBridge ที่ทำหน้าที่เป็นชั้นควบคุมเบราว์เซอร์ และ Kimi K2.6 ที่เป็นเอนจิน reasoning Moonshot กำลังวางตำแหน่งตัวเองในสนามแข่งขันของโครงสร้างพื้นฐานสำหรับ AI agents

เมื่อ AI เริ่มเปลี่ยนบทบาทจาก "ผู้ตอบคำถาม" ไปเป็น "ผู้ลงมือทำงาน" การควบคุมชั้นการทำงานจริง—โดยเฉพาะเบราว์เซอร์—อาจกลายเป็นหนึ่งในองค์ประกอบที่สำคัญที่สุดของระบบนิเวศ AI ในอนาคต