Ifølge AWS kæmper virksomheder i blandt andet sundhed, produktion, detail og finans med at automatisere ældre webapplikationer, der kræver menneskelignende interaktion ud over, hvad standard RPA kan levere i skala. Det er konteksten for Amazon Bedrock AgentCore Browser Tool, som AWS beskriver som en fuldt administreret, cloud-baseret browsertjeneste, hvor AI-agenter kan drive legacy-grænseflader gennem sikre, isolerede browsersessioner.
AWS peger på, at mange legacy-systemer i praksis kun eksponerer server-renderet HTML i stedet for moderne API’er. Konsekvensen er, at manuel dataindtastning fortsat er et betydeligt omkostningspunkt. I AWS’ eget eksempel fra forsikring handler det om løbende ændringer i policer, justeringer, opdateringer af dækning og endorsements, som afvikles i flerstegs webflows og koster mange timer, hvor fejl kan opstå.
Hvad Browser Tool leverer ifølge AWS
Ifølge AWS kører AgentCore Browser Tool en managed Chromium i skyen. Værktøjet forbinder via Playwright over WebSocket-baseret Chrome DevTools Protocol (CDP), så agenter kan interagere med legacy-webapps uafhængigt af underliggende teknologistak. AWS beskriver, at agenter kan udføre brugeragtige handlinger som at klikke, skrive, vente på selectors og læse DOM.
Den webapplikation, der automatiseres, skal kunne tilgås over HTTP eller HTTPS. AWS fremhæver samtidig, at de isolerede sessioner muliggør kontrolleret interaktion og sporbarhed af, hvad der sker i browseren.
JavaScript og browsermiljø
Fordi miljøet er en Chromium-browser, afvikles JavaScript. Som særskilt reference kræver AWS’ egen Management Console en browser med JavaScript aktiveret. Det er et konkret krav, som fremgår af konsollens loginside.
At miljøet er en fuld browser betyder, at interaktioner sker i UI-laget. Ifølge AWS er pointen at gøre UI-baserede legacy-flows adresserbare for agenter i et styret setup.
Kombination med Strands Agents
AWS angiver, at Browser Tool kan kombineres med Strands Agents til modeldrevet orkestrering. Det beskrives som, at agenter kan koordinere handlinger og vælge næste skridt ud fra sideindhold og opsatte regler.
Ifølge AWS er denne kombination et teknisk svar på begrænsninger ved standard RPA i skala.
Hvor problemet typisk opstår
AWS fremhæver et gentaget mønster i flere brancher, hvor kritiske driftsopgaver fortsat afvikles i webapps bygget op omkring server-side middleware og HTML. Eksemplet fra forsikring omhandler mange sagsændringer, der løftes gennem komplekse webflows.
Pointen i kilden er, at de manuelle opgaver beslaglægger betydelige timer og medfører fejlomkostninger. I den sammenhæng er et administreret browserelement, som kan styres af agenter, adresseret som afl astning af gentagne UI-interaktioner.
Tekniske hovedelementer fra AWS
Ud over selve browsermiljøet beskriver AWS, at værktøjet bruger Playwright via CDP over WebSocket, så agenter kan operere på tværs af forskellige legacy-stakke. Løsningen kører som en managed Chromium-instans i skyen med sikre, isolerede sessioner.
Et centralt krav i kilden er tilgængelighed over HTTP eller HTTPS. AWS formulerer det som uafhængigt af, hvilken browser løsningen oprindeligt var designet til, fordi interaktionen sker gennem den managed Chromium-instans i skyen.
On-device VLM som separat spor
MarkTechPost rapporterer, at Liquid AI har udgivet LFM2.5‑VL‑3B, en cirka 3,1 milliarder parameters vision-language model målrettet on-device kørsel. Ifølge kilden kan modellen læse digitale skærme på mobil, web og desktop, grounde objekter til koordinater, parse dokumenter og diagrammer samt kalde værktøjer ud fra tekst eller billede.
MarkTechPost angiver, at checkpointet udkommer i flere formater, herunder native, GGUF, ONNX og MLX, og at der er day-one support i blandt andet llama.cpp, MLX, vLLM, SGLang og ONNX. Ifølge kilden passer modellen i omtrent 3 GB hukommelse, og beskrivelsen fremhæver en non-reasoning profil med fokus på lav latenstid.
Hvad der kan konstateres ud fra kilderne
På baggrund af AWS’ beskrivelse kan man konstatere, at Browser Tool adresserer UI-baseret automatisering ved at køre en administreret Chromium i skyen med agentstyring via Playwright og CDP. De sikre, isolerede sessioner er centrale i beskrivelsen.
På baggrund af MarkTechPost kan man samtidig konstatere, at der findes en on-device VLM med skærmforståelse, flere model- og runtime-formater og et relativt beskedent memory-fodaftryk omkring 3 GB. Oplysningerne stammer fra kilden og er gengivet her med attribution.
Begrænsninger i kildedækningen
Kilderne redegør for formål, arkitektur og grænseflader for Browser Tool samt kombinationen med Strands Agents. De indeholder ikke uafhængige benchmarks eller detaljer om eksempelvis logmaskering, retention eller netværkstunneller. Artiklen tilføjer ikke sådanne detaljer ud over, hvad kilderne selv beskriver.
For LFM2.5‑VL‑3B refererer MarkTechPost de tekniske kapaciteter, formater, runtime-understøttelse og omtrentligt memorybehov. Licensforhold er omtalt i kilden, men den fulde ordlyd er ikke gengivet her.
Opsummering
Ifølge AWS kan Bedrock AgentCore Browser Tool give AI-agenter adgang til at interagere med legacy-webgrænseflader gennem en managed, cloud-baseret Chromium med sikre, isolerede sessioner og Playwright/CDP-integration. AWS anfører også, at værktøjet kan kombineres med Strands Agents til modeldrevet orkestrering.
MarkTechPost rapporterer, at Liquid AI’s LFM2.5‑VL‑3B er en ~3,1B VLM til on-device brug med skærmforståelse, flere checkpointformater, bred runtime-støtte og et memorybehov omkring 3 GB. Artiklen holder sig til de dokumenterede pointer uden at tilføje egne antagelser.
