Most agent tasks eventually hit the web. Read the docs. Check a dashboard. Pull a number off a page that's behind a login. Until now the answer was usually a screenshot you pasted, or a copy-paste round trip between your browser and the chat. Browse Mode replaces that with a browser the agent can actually use.

Toggle it on, the agent takes the wheel

Every AI widget has a Browse Mode toggle. Turn it on and an embedded browser opens with the chat floating over the page, so the agent and the browser share the same screen. Toggle Browse Mode off and the same Claude/Codex session is still there — no reconnect, no lost context.

Under the hood, the agent gets a small CLI called fusuma-browser that's preloaded on its PATH:

  • navigate, back, forward, reload — move around.
  • click, type — drive forms and buttons with CSS selectors.
  • text, eval, screenshot — read the page (text and DOM-scraping is far cheaper than vision).
  • browse-on / browse-off — the agent flips its own mode when it decides a task needs the web.

When the agent clicks, you see a brief cursor animation on the page, so you can follow what it just did instead of guessing.

Real sites, not just sandboxes

Browse Mode runs inside a real WebKit view, so the sites you actually care about work:

  • Strict-CSP sites like Google and GitHub load fully and respond to commands — pages that used to silently break the bridge now behave.
  • OAuth sign-in works end-to-end. "Continue with Google" pop-ups complete, and you can sign into X, GitHub, and friends without leaving Fusuma.
  • Per-workspace cookies and logins. Each workspace keeps its own browser session, so you can stay signed into different accounts in different projects without juggling profiles.

Try it

Open any AI widget, click Browse Mode, and ask the agent to look something up — "find the latest release notes for X and summarise the breaking changes," or "log into the dashboard and grab last week's numbers." The web is now part of the workspace, not a tab you keep alt-tabbing to.

エージェントの作業は、たいてい途中で Web に辿り着きます。ドキュメントを読む。ダッシュボードを確認する。ログインの先にある数字を拾う。これまではスクリーンショットを貼ったり、ブラウザとチャットの間でコピー＆ペーストを往復したりしていました。Browse Mode は、それをエージェント自身が使えるブラウザに置き換えます。

オンにすれば、エージェントが運転席へ

すべての AI ウィジェットに Browse Mode のトグルがあります。オンにすると埋め込みブラウザが開き、その上にチャットが浮かびます。エージェントとブラウザが同じ画面を共有します。オフに戻しても、同じ Claude／Codex セッションがそのまま続きます——再接続も、文脈の喪失もありません。

裏側ではエージェントの PATH に fusuma-browser という小さな CLI が用意され、次のような操作ができます。

  • navigate、back、forward、reload — ページを移動。
  • click、type — CSS セレクタでフォームやボタンを操作。
  • text、eval、screenshot — ページの内容を読む（テキストや DOM のスクレイピングは画像認識よりずっと低コスト）。
  • browse-on／browse-off — Web が必要だと判断したら、エージェント自身がモードを切り替えます。

エージェントがクリックすると、ページ上に一瞬カーソルのアニメーションが表示されます。何をしたのかを想像せず、目で追えます。

サンドボックスではなく、本物のサイトで

Browse Mode は実際の WebKit ビュー上で動くので、日常的に使うサイトがそのまま動きます。

  • 厳格な CSP のサイト——Google や GitHub のようなページも、最後まで読み込まれ、コマンドにきちんと応答します。これまで橋渡しが静かに途切れていたページも、ちゃんと動きます。
  • OAuth サインインが最後まで通ります。「Continue with Google」系のポップアップが完了し、X や GitHub などにも Fusuma を離れずにサインインできます。
  • ワークスペースごとに分離された Cookie とログイン。ワークスペースはそれぞれ別のブラウザセッションを保持します。プロファイルを切り替えることなく、プロジェクトごとに別のアカウントへサインインしたままにしておけます。

使ってみる

任意の AI ウィジェットを開き、Browse Mode をクリックして、何か調べてもらってみてください。「X の最新のリリースノートを探して、互換性に影響する変更点をまとめて」「ダッシュボードにログインして先週の数字を取ってきて」。Web は、いちいち切り替えるタブではなく、ワークスペースの一部になります。