Plugin Agent trình duyệt dựa trên Jev đạt 21k star, 3 phút giúp bạn giải phóng đôi tay

Gần đây chắc hẳn không ai chưa từng nghe đến Jev? Nó đã nhận được sự quan tâm rộng rãi trong cộng đồng developer. Jev, với vai trò là mô hình phán đoán chuyên đánh giá xác suất hành động rời rạc, đã thay đổi cách vận hành trước đây của browser agent vốn có độ trễ cao. Và dự án mã nguồn mở jev-ultrafast do nhóm Browser-Use ra mắt dựa trên Jev, sau khi lên sóng đã nhanh chóng nhận được 2,1 vạn sao trên GitHub.

AI browser trên thị trường rất phổ biến, nhưng bạn đã từng thấy AI browser không còn phụ thuộc vào việc dùng mô hình lớn đa dụng để liên tục sinh ra những đoạn văn phân tích dài chưa?

jev-ultrafast khác biệt chính là ở chỗ đó: nó ánh xạ trực tiếp các phần tử trên trang hiện tại thành bảng tương tác được đánh số, thông qua Jev hoàn thành việc chọn thao tác và định vị mục tiêu trong vài chục mili-giây, chỉ gọi mô hình văn bản khi cần nhập nội dung cụ thể. Trong thử nghiệm thực tế, dự án này có thể tự chủ hoàn thành toàn bộ quy trình tìm kiếm và so sánh chuyến bay trên Google Flights trong khoảng 7 giây. Nó có thể tự xử lý các single page application hiện đại phức tạp, menu dropdown động, trình hướng dẫn tương tác nhiều bước cũng như các popup lớp phủ bất ngờ, sở hữu khả năng thao tác trang web mang tính nhân hóa thực sự dùng được.

Khi năng lực thao tác trang web tần suất cao, độ trễ thấp này hòa vào quy trình làm việc phát triển hằng ngày, bạn sẽ có suy nghĩ gì? Từ lâu nay, dù AI code assistant có thể nhanh chóng hoàn thành việc viết logic nghiệp vụ, nhưng khi cấu hình ủy quyền GitHub OAuth, callback thanh toán Stripe, tham số object storage hay API key của các nhà cung cấp dịch vụ mô hình khác nhau, developer vẫn phải liên tục chuyển đổi qua lại giữa nhiều tab trình duyệt, thủ công hoàn thành đăng nhập, gửi biểu mẫu và sao chép key.

Các backend của nền tảng cloud kiểu này thường không mở API cấu hình meta dành cho developer, còn script truyền thống lại rất dễ mất tác dụng khi cấu trúc frontend được cập nhật. Kết hợp năng lực AI gateway cục bộ của ServBay hỗ trợ đa hệ điều hành, cùng cơ chế tương tác mang tính nhân hóa của Browser-Use, có thể xây dựng một hệ thống tự động hoàn toàn thao tác cloud console và cấu hình môi trường.

Phân tích năng lực cốt lõi của Browser-Use

Việc xây dựng một pipeline vận hành cloud console hoàn toàn tự động phụ thuộc vào sự phối hợp của hai đơn vị nền tảng. Một là nền tảng môi trường phát triển cục bộ, đảm nhiệm định tuyến mạng, thống nhất giao thức và host runtime; hai là trình duyệt agent có khả năng hiểu cấu trúc trang web và thực thi các tương tác mô phỏng người dùng với tần suất cao. ServBay đảm nhận vai trò quản lý lưu lượng đa giao thức cục bộ và cô lập tài nguyên dự án, còn Browser-Use kết hợp mô hình ra quyết định siêu nhanh để giải quyết bài toán độ trễ và tính mong manh của tự động hóa thao tác web.

Môi trường phát triển cục bộ và năng lực AI gateway của ServBay

ServBay là công cụ quản lý phát triển AI tất cả trong một, hỗ trợ nhiều hệ điều hành, tích hợp sẵn các thành phần phát triển phổ biến như PHP, Node.js, MariaDB, Redis. AI gateway cục bộ được tích hợp sẵn cung cấp khả năng điều phối lưu lượng và quản lý API tập trung cho môi trường phát triển cục bộ.

Các tính năng chính của AI gateway ServBay bao gồm:

• Chuyển đổi hai chiều mọi giao thức. Hỗ trợ chuyển đổi qua lại giữa các giao thức API OpenAI, Anthropic, Gemini. Ứng dụng tầng trên chỉ cần tuân theo quy chuẩn client chung, gateway sẽ đảm nhiệm việc ánh xạ giao thức và tái cấu trúc tham số.
• Hợp nhất đa kênh và tự động chuyển đổi nóng. Có thể tích hợp API chính thức, tài khoản đăng ký cá nhân cùng các kênh trung chuyển bên thứ ba. Khi một API cụ thể gặp timeout mạng hoặc bị giới hạn tần suất 429, gateway sẽ tự động chuyển lưu lượng sang kênh dự phòng.
• Ánh xạ lại alias của model. Cho phép chuyển hướng một định danh model cụ thể sang model khác, ví dụ ánh xạ các yêu cầu gọi đắt đỏ sang model thay thế hiệu năng cao với chi phí thấp.
• Virtual Key cấp dự án và cô lập tài nguyên. Hỗ trợ tạo khóa ảo cục bộ riêng biệt cho từng dự án phát triển cục bộ, thống kê mức tiêu thụ Token theo từng dự án và cấu hình quyền truy cập.

Browser-Use và cơ chế ra quyết định siêu nhanh

Browser-Use chuyển đổi các phần tử trang sau khi render thành một danh sách tương tác có đánh số cấu trúc, mô hình ngôn ngữ lớn quyết định hành động tiếp theo thông qua việc hiểu ý định trong ngữ cảnh.

Ở chế độ thông thường, mỗi lần click của agent đều phải chờ mô hình lớn đa dụng sinh phản hồi, thời gian mỗi bước thường mất vài giây trở lên. Model Jev mà jev-ultrafast sử dụng tập trung vào việc đánh giá xác suất cho các hành động rời rạc, có thể đưa ra chỉ thị thao tác trong vài mili giây, qua đó rút ngắn đáng kể toàn bộ chu kỳ thực thi của các tác vụ web nhiều bước.

Thiết lập và cấu hình môi trường chạy Browser-Use dựa trên ServBay

Để chạy hệ thống này, bạn cần chuẩn bị môi trường hệ điều hành được hỗ trợ (macOS, Windows, v.v.), Python 3.10 trở lên, cùng trình duyệt Google Chrome được cài đặt trên máy.

Cài đặt Browser-Use và các phụ thuộc driver

Nên dùng ServBay để cài đặt môi trường Python chỉ với một cú nhấp: trong 「Gói phần mềm」, tìm Python, tải xuống và hoàn tất cài đặt.

Sau đó dùng công cụ uv để thực hiện cô lập và đồng bộ phụ thuộc ngay trong thư mục dự án cục bộ.

# Clone kho triển khai phiên bản siêu tốc
git clone https://github.com/browser-use/jev-ultrafast.git
cd jev-ultrafast

# Đồng bộ phụ thuộc dự án dựa trên môi trường Python do ServBay cung cấp
uv sync

# Cài đặt các thành phần gỡ lỗi và điều khiển trình duyệt
uv run playwright install chromium

Sau khi cài đặt xong, có thể dùng lệnh tự kiểm tra để chẩn đoán trạng thái kết nối gỡ lỗi của Chrome cục bộ:

uv run browser-harness --doctor

Kết nối với AI Gateway cục bộ của ServBay

Thêm kênh trong 「AI Gateway」 của ServBay, chỉ cần làm theo hướng dẫn từng bước là xong, rất đơn giản.

Và cấu hình khóa ảo do ServBay cấp.

Nhờ ServBay hỗ trợ chuyển đổi giữa các giao thức, ngay cả khi người dùng gửi yêu cầu bằng OpenAI SDK trong mã Python, ServBay vẫn có thể tự động chuyển đổi ở tầng dưới sang định dạng giao thức của Anthropic hoặc các nhà cung cấp khác.

Thiết kế kiến trúc hai tầng giữa Jev và mô hình ngôn ngữ lớn đa dụng

Hệ thống sử dụng kiến trúc điều khiển hai tầng, kết hợp đặc tính trung tâm mạng của ServBay với tương tác mô phỏng người thật của Browser-Use, tránh việc một mô hình lớn duy nhất gây tích tụ độ trễ và trôi dạt logic trong các tác vụ quy trình dài.

│                                                        │
│  [Hệ thống 1: Bộ phán đoán tốc độ cao Jev]             │
│   - Nhấp kháng nhiễu mức ms, đóng lớp phủ, định vị nút  │
└───────────────────────────┬────────────────────────────┘
                            │ Điều khiển giao thức CDP
                            ▼
┌────────────────────────────────────────────────────────┐
│      Chrome cục bộ (dùng lại trạng thái đăng nhập thật)│
│                                                        │
│  [Nền tảng mở bên thứ ba / Console LLM / Backend]      │
└────────────────────────────────────────────────────────┘

Phân chia vai trò lập kế hoạch và thực thi

• Lập kế hoạch quy trình vĩ mô. Mô hình ngôn ngữ lớn đa dụng chịu trách nhiệm phân tích mục tiêu ban đầu. Trong tác vụ tạo ứng dụng OAuth, nó chia nhỏ mục tiêu thành các giai đoạn rời rạc như mở trang cài đặt, vào mục tùy chọn nhà phát triển, tạo ứng dụng mới, điền địa chỉ callback. Tầng này có tần suất gọi thấp, chú trọng tính đầy đủ của logic.
• Quyết định hành động vi mô. Trên mỗi trang cụ thể, mô hình Jev đảm nhận việc ra quyết định tương tác. Khi trang xuất hiện cập nhật điều khoản người dùng, lớp phủ thông báo sự kiện hoặc phần tử vị trí nổi, Jev nhanh chóng đánh giá phân phối xác suất của các phần tử có thể tương tác, đưa ra lệnh nhấp hoặc bỏ qua, không còn phát sinh thời gian chờ tạo văn bản dư thừa.

Cơ chế tái sử dụng trạng thái đăng nhập

Hầu hết bảng điều khiển của các nền tảng đám mây đều có cơ chế xác thực danh tính hai lớp. Giải pháp này gắn trực tiếp thư mục cấu hình người dùng Chrome mặc định tại máy cục bộ của nhà phát triển (User Data Profile), khởi chạy một phiên bản trình duyệt kèm cổng gỡ lỗi từ xa. Sau khi khởi động, hệ thống kế thừa trực tiếp Cookie đăng nhập và Session đã tồn tại, tránh được các bước xác nhận captcha và tin nhắn SMS. Khi xảy ra tình huống thử thách bảo mật ngẫu nhiên chặn lại, hệ thống tạm dừng và chờ người dùng hoàn thành tương tác một lần, sau đó tiếp tục thực thi tác vụ.

Thực chiến triển khai: tự động thu gom API key và vòng lặp khép kín thông tin xác thực đám mây cho dự án cục bộ

Sau khi hoàn thành việc thiết lập môi trường hệ thống và logic phối hợp giữa hai model, giải pháp này có thể đi vào những công đoạn phát triển cụ thể hằng ngày. Toàn bộ vòng lặp nghiệp vụ chủ yếu thể hiện ở hai hướng: về phía thượng nguồn là tự động mở rộng và quản lý các kênh model lớn bên ngoài cho AI gateway cục bộ của ServBay, về phía hạ nguồn là tự động cấu hình thông tin xác thực dịch vụ đám mây bên thứ ba cho từng dự án ứng dụng Web cụ thể. Bằng cách nhúng các thao tác trình duyệt mang tính người vào quy trình phát triển phần mềm, những bước thao tác thủ công vốn bị đứt đoạn nay được chuyển hóa thành các tác vụ chạy âm thầm ở hậu trường, xóa bỏ rào cản cấu hình giữa dự án cục bộ và nền tảng đám mây bên ngoài.

Tự động cấu hình key cho kênh thượng nguồn của ServBay

Khi hạn mức model ở thượng nguồn của gateway ServBay không đủ, hoặc khi cần bổ sung một interface chính thức mới, hệ thống có thể bù đắp kênh mà không cần người trực.

import os
from jev_ultrafast import Agent

def auto_provision_upstream_channel():
    target_url = "https://aistudio.google.com/app/apikey"
    task_prompt = "Find the Create API Key button, generate a key for a new project, and return the key text."
    
    # Gắn vào môi trường Chrome đã đăng nhập sẵn trên máy của nhà phát triển
    with Agent(target_url, task_prompt) as agent:
        api_key = None
        for step in agent.run():
            if step.get("status") == "success" and "result" in step:
                api_key = step["result"]
                break
                
        if api_key:
            # Sau khi lấy được key thành công, có thể đăng ký nó vào pool kênh của ServBay thông qua interface REST cục bộ
            print(f"Lấy được API key thành công: {api_key[:8]}******")

if __name__ == "__main__":
    auto_provision_upstream_channel()

Toàn bộ quá trình chạy ở hậu trường, key thu thập được truyền thẳng về gateway cục bộ, bỏ qua thao tác đăng nhập và sao chép thủ công.

Vòng lặp khép kín tự động cho thông tin xác thực bên thứ ba của dự án cục bộ

Khi khởi tạo ứng dụng Web trong ServBay, nếu thư mục gốc của dự án thiếu cấu hình .env, người vận hành ở console sẽ tự động bổ sung các tham số dịch vụ bên ngoài cần thiết.

Lấy ví dụ cấu hình đăng nhập ủy quyền GitHub, sau khi nhận được cổng phát triển cục bộ (như http://127.0.0.1:3000/api/auth/callback/github), hệ thống tự động thực hiện các thao tác sau:

• Điều khiển Chrome cục bộ chuyển đến trang cài đặt nhà phát triển của GitHub;
• Điền tên ứng dụng và cấu hình URL callback phát triển;
• Nhấn tạo và sinh Client Secret mới;
• Đọc các tham số vừa sinh ra, định dạng rồi ghi vào file .env.local của dự án;
• Thông báo cho runtime cục bộ hot-reload cấu hình môi trường.

So sánh giải pháp kỹ thuật: khác biệt giữa script truyền thống, Agent nguyên khối và giải pháp kết hợp ServBay

So sánh hệ thống này với các giải pháp tự động hóa và gateway hiện có, ranh giới kỹ thuật cùng ưu thế về mặt kỹ thuật được thể hiện trong bảng dưới đây:

Tiêu chí đánh giá	Script tự động hóa truyền thống (Playwright, v.v.)	Giải pháp Agent trình duyệt nguyên khối	Giải pháp phối hợp ServBay + Browser-Use
Cơ chế định vị phần tử	Phụ thuộc hoàn toàn vào selector CSS hoặc XPath cố định	Dựa vào ảnh chụp nhanh thị giác và phán đoán của mô hình lớn đa dụng	Kết hợp nhãn DOM có cấu trúc với quyết định xác suất của Jev
Khả năng chống chịu khi trang thay đổi	Rất yếu, chỉ cần điều chỉnh nhỏ cấu trúc DOM là script bị gián đoạn	Khá mạnh, nhưng quá trình phân tích dễ bị nhiễu bởi thông tin dư thừa	Mạnh, có khả năng tự phục hồi ngữ nghĩa và bỏ qua lớp phủ
Độ trễ phản hồi tương tác	Mức mili giây (nhưng chi phí viết và bảo trì rất cao)	3 đến 8 giây mỗi bước, quy trình cực kỳ chậm	Tương tác cốt lõi chỉ vài chục mili giây, quy trình mượt mà
Chi phí gọi API	Không có chi phí gọi mô hình lớn	Mỗi thao tác tiêu tốn lượng lớn visual Token	Kết hợp ánh xạ lại mô hình của ServBay, chi phí giảm đáng kể
Khả năng chịu lỗi mạng	Không liên quan đến định tuyến mạng thông minh	Gặp lỗi API 429 hoặc mất mạng thì báo lỗi và thoát ngay	ServBay tự động hoàn tất việc chuyển kênh nóng không gián đoạn
Tích hợp phát triển cục bộ	Cần viết thêm logic truyền dữ liệu	Chỉ là script độc lập, thiếu hỗ trợ môi trường	Thống nhất liền mạch với môi trường cục bộ và Virtual Key của ServBay

Quy chuẩn an toàn cho môi trường production: che giấu thông tin xác thực, chặn hành động nguy hiểm và cô lập Virtual Key

Khi triển khai thực tế giải pháp này, cần thiết lập các biện pháp phòng ngừa an toàn sau:

• Che giấu thông tin xác thực trong bộ nhớ. Khi thu thập mật khẩu hoặc Secret do console tạo ra, logic trích xuất sẽ lấy text node ngay tại máy thông qua giao thức CDP, nghiêm cấm tải ảnh render toàn màn hình lên các mô hình lớn bên ngoài, nhằm ngăn chuỗi ký tự nhạy cảm bị rò rỉ.
• Cô lập các hành động rủi ro cao. Với những thao tác mang tính phá hoại như hủy tài khoản, xóa tài nguyên hiện có, thay đổi phương thức thanh toán…, cần đặt danh sách chặn từ khóa trong bộ lập kế hoạch tác vụ; một khi khớp từ khóa, lập tức ngắt luồng và yêu cầu con người can thiệp.
• Quản lý vòng đời Virtual Key cục bộ. Thông qua ServBay, phân chia Virtual Key riêng cho từng script độc lập, giới hạn Key đó chỉ được gọi một tập con mô hình và hạn mức tốc độ nhất định, tránh việc một điểm logic bất thường rút cạn số dư của tài khoản chính.

Tổng kết và triển vọng ứng dụng

Kỹ thuật phần mềm hiện đại đang tăng tốc chuyển dịch từ việc hỗ trợ bổ sung mã nguồn sang tự động hóa tổng thể bao trùm môi trường chạy, thông tin xác thực trên cloud và sự phối hợp giữa các dịch vụ. Phát triển phần mềm không chỉ gồm việc viết mã nghiệp vụ, mà còn liên quan tới khối lượng lớn công việc mở ra tài nguyên bên ngoài, bắt tay xác thực và liên kết, gỡ lỗi môi trường.

Phương án được bàn tới trong bài viết này kết hợp cổng AI cục bộ của ServBay với tác nhân tự động hóa Browser-Use, tạo thành một tổ hợp kỹ thuật có sự phân công rõ ràng. Ở tầng dưới của hệ thống, ServBay giải quyết các bài toán hạ tầng như giao thức kết nối đa mô hình không thống nhất, chuyển đổi khi kênh gặp sự cố cũng như cô lập tài nguyên theo cấp dự án; còn Browser-Use kết hợp với mô hình phán đoán siêu nhanh Jev thì vượt qua rào cản thao tác thủ công trên các bảng điều khiển không có API, đảm nhận vai trò tương tác mang tính nhân hóa.

Sự phối hợp giữa cả hai không chỉ khơi thông quy trình tự động hóa để dự án cục bộ lấy được tài nguyên cloud bên ngoài, mà còn hiện thực hóa việc cổng cục bộ tự chủ với các kênh phía thượng nguồn. Khi môi trường phát triển cục bộ và công nghệ tác nhân mô hình lớn tiếp tục hòa quyện, tương tác trên bảng điều khiển của nhà phát triển sẽ dần chuyển dịch sang các dịch vụ chạy nền im lặng, giúp đội ngũ kỹ thuật thoát hoàn toàn khỏi công việc cấu hình hậu trường phiền phức, để tập trung trọn vẹn vào đổi mới nghiệp vụ và thiết kế hệ thống.