Cloudflare مرورگر آزمایشی Kitesurf را متنباز کرد

Cloudflare کد مرورگر آزمایشی Kitesurf را در GitHub منتشر کرده است تا توسعهدهندگان بتوانند آن را بررسی کنند، روی رایانه خود اجرا کنند یا نسخهای از آن را روی زیرساخت Cloudflare مستقر کنند. این مرورگر برای عاملهای هوش مصنوعی طراحی شده؛ نرمافزارهایی که برای انجام کارهایی مثل بازکردن صفحه وب، خواندن اطلاعات یا تعامل با عناصر سایت باید بتوانند وب را به شکل برنامهپذیر مرور کنند. Kitesurf بهجای آنکه یک مرورگر کامل و سنگین مانند Chromium را داخل کانتینر اجرا کند، از اجزای جداگانه و محیط اجرای Cloudflare Workers برای پردازش صفحه استفاده میکند.
انتشار کد با مجوز Apache 2.0 انجام شده است؛ مجوزی باز که به دیگران اجازه میدهد کد را مشاهده، تغییر و در پروژههای خود به کار بگیرند، البته با رعایت شرایط همان مجوز. با این حال، متنبازشدن به این معنی نیست که هر نوع استفادهای از Kitesurf بیهزینه یا بینیاز از زیرساخت است. Cloudflare میگوید برای استقرار آن روی حساب این شرکت، طرح پولی Workers لازم است. خود پروژه نیز همچنان در مرحله آزمایشی و توسعه فعال قرار دارد و نمیتواند همه کارهایی را انجام دهد که کاربران از یک مرورگر معمولی انتظار دارند.
چرا برای عاملهای هوش مصنوعی مرورگر جداگانه ساخته میشود؟
مرورگرهایی مانند Chrome و Firefox برای استفاده انسان ساخته شدهاند. آنها پنجره و زبانه دارند، ابزارهای دسترسپذیری و افزونهها را پشتیبانی میکنند و صفحه را با جزئیات بصری بالا نمایش میدهند. این ویژگیها برای کاربر انسانی ضروریاند، اما یک عامل نرمافزاری در بسیاری از وظایف خود به آنها نیاز ندارد. اگر هدف عامل فقط استخراج متن یک صفحه، پیدا کردن یک دکمه یا گرفتن تصویر از نتیجه باشد، بارگذاری و نگهداری همه قابلیتهای مرورگر دسکتاپ میتواند منابع بیشتری از حد لازم مصرف کند.
عامل هوش مصنوعی معمولاً درخواست را از یک مدل زبانی دریافت میکند و سپس با ابزارهای نرمافزاری، مرحلههای لازم را انجام میدهد. برای مثال، ممکن است بخواهد صفحهای را باز کند، عنوان مقاله را بخواند و وضعیت یک سفارش را بررسی کند. چنین کاری به اجرای کدهای صفحه و شناخت ساختار HTML نیاز دارد، اما الزاماً به رابط کاربری کامل مرورگر نیازمند نیست. Kitesurf برای این نوع استفاده ساخته شده است: صفحه را پردازش میکند و خروجیهایی مانند داده ساختیافته، متن یا تصویر در اختیار عامل یا ابزار متصل به آن میگذارد.
این طراحی با خودکارسازی مرور وب تفاوت دارد. در روشهای قدیمیتر، نرمافزار ممکن بود با مختصات صفحه کار کند و روی نقطهای کلیک کند؛ روشی که اگر جای دکمه تغییر کند، احتمال خطا دارد. ابزارهای تازهتر تلاش میکنند ساختار صفحه و عناصر آن را بخوانند تا عامل بتواند به جای تکیه بر محل ظاهری یک دکمه، آن را بر اساس ماهیتش شناسایی کند. Kitesurf از رابطی استفاده میکند که ابزارهای توسعهدهنده و برنامههای خودکار میتوانند با آن ارتباط برقرار کنند، اما این سازگاری به معنی پشتیبانی کامل از همه قابلیتهای Chrome نیست.
Kitesurf چگونه صفحه را پردازش میکند؟
وقتی مرورگر یک وبسایت را باز میکند، ابتدا ساختار صفحه را از HTML میخواند. HTML زبان نشانهگذاریای است که اجزای اصلی صفحه، مانند عنوانها، بندها، پیوندها و فرمها را مشخص میکند. سپس CSS ظاهر و چیدمان عناصر را تعیین میکند و JavaScript میتواند رفتارهای تعاملی را اجرا کند؛ از بازشدن منو گرفته تا بارگذاری داده تازه. مرورگر برای نمایش نتیجه باید این بخشها را با هم پردازش کند.
Kitesurf این وظایف را در چند بخش تقسیم میکند. طبق توضیح Cloudflare، بخش Engine نشستهای مرورگر و ارتباط با ابزارهای متصل را مدیریت میکند. PageScript کد صفحه را اجرا میکند و PageRenderer نتیجه را رسم میکند. این جداسازی کمک میکند وظایفی که یک عامل برای پردازش یک صفحه نیاز دارد از هم تفکیک شوند؛ بنابراین همه بار کار در یک فرایند بزرگ و واحد قرار نمیگیرد.
در ساخت Kitesurf از چند پروژه متنباز دیگر هم استفاده شده است. Blitz برای پردازش HTML، ساخت DOM و بخشهایی از چیدمان و ترسیم صفحه به کار میرود. DOM یا «مدل شیء سند» ساختاری درختی از اجزای صفحه است که برنامهها میتوانند آن را بخوانند و تغییر دهند. Stylo بخشهایی از پردازش CSS را برعهده دارد. برای اجرای JavaScript نیز Cloudflare در برخی مسیرها از Dynamic Workers استفاده میکند؛ و در مواردی که اجرای کد از این مسیر ممکن نباشد، Boa که یک موتور جاوااسکریپت نوشتهشده با Rust است، در محیط WebAssembly به کار میرود.
WebAssembly یا Wasm قالبی برای اجرای برنامهها در محیطهای مختلف است. استفاده از آن میتواند اجرای کدهایی را که با زبانهایی مانند Rust نوشته شدهاند در محیط وب ممکن کند. در Kitesurf، بخشی از کتابخانههای مورد نیاز به WebAssembly کامپایل شدهاند. البته استفاده از Wasm به خودی خود تضمین نمیکند هر صفحه وبی دقیقاً همانطور که در Chrome نمایش داده میشود دیده شود؛ این مرورگر همچنان در سازگاری با استانداردهای وب و بازسازی ظاهر صفحه در حال پیشرفت است.
سازگاری با ابزارهای توسعهدهنده
یکی از نکتههای مهم در انتشار Kitesurf، پشتیبانی آن از Chrome DevTools Protocol یا CDP است. این پروتکل راهی برای کنترل مرورگر و دریافت اطلاعات از آن فراهم میکند. ابزارهایی مانند Puppeteer میتوانند از طریق CDP صفحهای را باز کنند، دستورات لازم را بفرستند و خروجی بگیرند. به همین دلیل، توسعهدهندهای که از قبل از چنین ابزارهایی برای خودکارسازی مرورگر استفاده میکند، میتواند بخشی از همان شیوه ارتباطی را در آزمایش Kitesurf به کار ببرد.
این سازگاری به این معنا نیست که Kitesurf نسخهای سبکشده از Chrome با همه قابلیتهای آن است. CDP در اینجا راه ارتباطی برنامه است؛ اما موتور زیرین و محدوده قابلیتها متفاوتاند. خود مستندات Cloudflare میگوید بعضی امکانات DevTools هنوز کار نمیکنند و پروژه در حال اضافهکردن پشتیبانیهای بیشتر است. بنابراین، برنامهای که به رفتار خاصی از Chromium وابسته است، ممکن است بدون تغییر یا آزمایش روی Kitesurf کار نکند.
توسعهدهنده میتواند پروژه را محلی اجرا کند و به نشانی محلی آن از طریق Puppeteer متصل شود. Cloudflare راهنمای ساخت را در مخزن GitHub قرار داده است. نخستین ساخت پروژه ممکن است زمانبر باشد، چون هسته Rust و وابستگیهایش کامپایل میشوند؛ پس از آن، سامانه ساخت میتواند از حافظه نهان استفاده کند و ساختهای بعدی سریعتر انجام شوند. کاربرانی که میخواهند نسخهای را روی Cloudflare مستقر کنند، باید توجه داشته باشند Dynamic Workers برای ساخت محیطهای جداگانه صفحهها لازم است و این قابلیت به طرح پولی Workers وابسته است.
متنبازشدن چه تغییری ایجاد میکند؟
پیش از انتشار کد، توسعهدهندگان میتوانستند Kitesurf را از طریق امکانات میزبانیشده Cloudflare آزمایش کنند، اما انتشار متنباز امکان بررسی مستقیم اجزای موتور را فراهم میکند. گروههای فنی میتوانند ببینند هر بخش چطور ساخته شده، اشکالها را گزارش کنند یا برای بهبود قابلیتها پیشنهاد بدهند. همچنین، امکان اجرای محلی به پژوهشگران و تیمهای محصول اجازه میدهد رفتار ابزار را در محیط خودشان بسنجند، بدون آنکه از همان ابتدا به سرویس مدیریتشده وابسته باشند.
Cloudflare میگوید مخزن پروژه پذیرای مشارکت است، اما برای فرستادن تغییرات از مشارکتکنندگان میخواهد ابتدا مسئله یا پیشنهادشان را مطرح کنند و از یک نگهدارنده پروژه برای ارسال درخواست تغییر تأیید بگیرند. این فرایند در پروژههایی که تازه متنباز شدهاند، میتواند به جلوگیری از درخواستهای بزرگ و نامرتبط کمک کند و بررسی تغییرات را برای تیم کوچک نگهدارنده سادهتر سازد. شرکت همچنین تأکید کرده که هنوز روی سازگاری بیشتر با استانداردهای وب، قابلیت اطمینان و کارایی کار میکند.
انتشار کد فرصتی برای بیرون از شرکت هم ایجاد میکند تا باگها و تفاوتهای عملکردی زودتر دیده شوند. اما متنبازبودن بهتنهایی برابری کیفیت با مرورگرهای جاافتاده را تضمین نمیکند. تعداد مشارکتکنندگان، کیفیت مستندات، سرعت اصلاح اشکالات و گستره آزمونها تعیین میکنند که پروژه تا چه اندازه در عمل به ابزار قابل اتکایی تبدیل شود. Cloudflare گفته Kitesurf تحت توسعه سنگین است و مسیر آن هنوز تمام نشده است.
چه محدودیتهایی دارد؟
مستندات Cloudflare مواردی را هم فهرست میکند که Kitesurf در حال حاضر برایشان گزینه مناسبی نیست. پخش ویدئو و محتوای WebGL از جمله این موارد است. WebGL فناوریای برای رسم گرافیک سهبعدی در مرورگر است و در بازیها، شبیهسازیها و برخی نمایشهای تعاملی استفاده میشود. همچنین، Kitesurf برای وبسایتهایی مناسب نیست که فرایند ضدربات آنها به اثرانگشت TLS واقعی نیاز دارد؛ این اثرانگشت ویژگیهایی از اتصال شبکه است که برخی سامانهها برای تشخیص نوع مرورگر و تفکیک ترافیک خودکار بررسی میکنند.
نشستهای طولانیمدت و احراز هویتشده نیز محدودیت دارند، بهویژه زمانی که سایت به حفظ وضعیت کاربر در طول زمان نیاز دارد. Kitesurf بر اجرای سبک و موقت برای هر کار تأکید دارد، در حالی که بعضی کاربردها به نشست پایدار نیازمندند؛ برای نمونه، کاربری که چندین مرحله وارد حساب میشود و انتظار دارد وضعیت صفحه در طول فرایند حفظ شود. Cloudflare برای این موارد مرورگر مبتنی بر Chromium در Browser Run را گزینه مناسبتری معرفی میکند.
یک نکته امنیتی دیگر هم باید در نظر گرفته شود: Kitesurf برای استقرار، احراز هویت داخلی فراهم نمیکند. مستندات شرکت توصیه میکند نسخه مستقرشده با Cloudflare Access یا لایه احراز هویت دیگری محافظت شود. این موضوع برای ابزارهایی که به اینترنت دسترسی دارند و میتوانند صفحهها را باز کنند مهم است؛ یک سرویس مرورگرِ بدون کنترل دسترسی مناسب ممکن است به دست افراد غیرمجاز برسد یا منابع حساب را مصرف کند. بنابراین، بازبودن کد و استقرار آسان نباید جایگزین تنظیمات امنیتی شود.
ادعای کارایی را چگونه باید خواند؟
Cloudflare میگوید Kitesurf برای کارهایی مانند گرفتن تصویر از صفحه و استخراج HTML از CPU و حافظه کمتری نسبت به Chromium استفاده میکند. منطق طراحی چنین ادعایی روشن است: این پروژه بسیاری از امکاناتی را که برای تعامل انسانی لازماند کنار میگذارد و تلاش میکند منابع را روی کارهایی متمرکز کند که عامل نرمافزاری به آنها نیاز دارد. با این حال، مقدار واقعی مصرف به صفحه مورد بررسی، کدهای آن، نوع خروجی و شیوه اجرا بستگی دارد.
در نتیجه، رقم یا مقایسه کلی به تنهایی برای تصمیمگیری کافی نیست. یک تیم باید صفحات واقعی مورد استفادهاش را با همان وظایف، همان منابع و همان محدودیتهای زمانی آزمایش کند. شاید Kitesurf برای استخراج متن از تعداد زیادی صفحه مفید باشد، اما برای صفحهای که ویدئو، انیمیشن یا گرافیک پیچیده دارد مزیتش کمتر شود یا اصلاً گزینه مناسبی نباشد. مقایسه معتبر باید هم سرعت و مصرف منابع را بسنجد و هم دقت خروجی و تعداد خطاها را.
مستندات رسمی میگوید پروژه با آزمونهای Web Platform Tests سنجیده میشود. این آزمونها بخشهایی از سازگاری با استانداردهای وب را اندازه میگیرند، اما عبور از آزمونهای استاندارد تضمین نمیکند همه سایتهای واقعی بدون نقص کار کنند. ترکیب فناوریهای گوناگون، کدهای قدیمی سایتها و رفتارهای اختصاصی مرورگرها باعث میشود سازگاری واقعی به آزمون روی وبسایتهای متنوع هم نیاز داشته باشد. بنابراین Cloudflare نیز یک صفحه واقعی را بهترین راه برای فهمیدن سازگاری آن با Kitesurf معرفی میکند.
اهمیت خبر برای آینده عاملها
هرچه عاملهای هوش مصنوعی بیشتر برای انجام کار در وب استفاده شوند، زیرساخت لازم برای کنترل صفحهها اهمیت بیشتری پیدا میکند. مدل زبانی به تنهایی نمیتواند وارد وبسایت شود، ساختار صفحه را بخواند یا روی دکمهای کلیک کند؛ برای این کار به ابزاری واسط نیاز دارد. مرورگرهای عاملمحور میخواهند چنین واسطهای را سبکتر و مقیاسپذیرتر کنند. Kitesurf یکی از نمونههای این مسیر است، اما هنوز باید در عمل نشان دهد که چه اندازه از سایتها و فرایندهای واقعی را بهدرستی پشتیبانی میکند.
متنبازشدن آن نیز بحث را از یک قابلیت اختصاصی Cloudflare به پروژهای قابل بررسی برای جامعه توسعهدهندگان تبدیل میکند. شرکتها و پژوهشگران میتوانند ساختار فنی را ببینند و درباره شیوه اجرای صفحهها، جداسازی محیطها و انتخاب کتابخانهها ارزیابی مستقل داشته باشند. در عین حال، پروژه به زیرساخت Workers گره خورده است و برای استقرار ابری به طرح پولی نیاز دارد؛ بنابراین متنبازبودن، وابستگی زیرساختی را حذف نمیکند.
در حال حاضر، Kitesurf را باید یک موتور آزمایشی برای وظایف مشخص مرور وب دانست، نه جایگزینی آماده برای مرورگرهای عمومی. قابلیت آن در کاهش نیازهای یک عامل به محیط مرورگر کامل میتواند برای خودکارسازیهای کوتاه و استخراج داده مفید باشد، اما محدودیتهایی مانند نشستهای پایدار، WebGL و اجرای ویدئو همچنان تعیینکنندهاند. انتشار کد امکان میدهد این مرزها در ماههای آینده بهتر سنجیده شوند؛ نتیجه نهایی به پیشرفت پروژه و آزمون مستقل توسعهدهندگان وابسته خواهد بود.



