エージェントはブラウザへ移りつつあり、単体アプリは警戒すべき

GoogleはChromeにGemini搭載のブラウジングエージェントを追加した。これは検索、比較、フォーム入力、予約といったマルチステップのタスクを自力で実行できる。機能として語られているが、これは競争上の出来事だ。オンライン作業の大部分は実際にブラウザで行われており、そこに住むエージェントは何かをインストールするよう誰かを説得する必要がないからだ。

この動きは、今年ずっと積み上がってきたパターンに従っている。OpenAIは、汎用アシスタント一つですべてを押し通すのではなく、翻訳製品や科学ワークフロー向けのPrismなど、より範囲の狭いツール群を投入した。中国や欧米のラボは、セッションをまたいで権限とメモリを保持し続ける常時稼働のオープンソースエージェントを公開してきた。その根底にある問いは、エージェントがどこに住むのかであり、現時点ではブラウザが既定でその議論に勝っている。

普及力は能力に勝る

単体エージェントアプリには、モデル品質とは無関係の難しい問題がある。ユーザーが開こうと決めなければならないのだ。あらゆるタスクは選択から始まり、決断を要するツールは、ただそこにあるツールより使われない。ブラウザに埋め込まれたエージェントはそれを逆転させる。ユーザーが作業しているときにはすでに開いており、何かをしてほしいと思ってから実際にしてもらうまでの距離が、プロンプト一つに縮まる。

ここでのGoogleのてこは、Chromeを他のあらゆるもののプラットフォームにしたのと同じものだ。同社はダウンロードなしで非常に大きなインストール基盤に機能を届けられ、すでに見えている閲覧行動を使ってエージェントを改善できる。単体エージェントを売るスタートアップにとって、それは厳しい比較だ。より良いモデルを持っていても、キーストローク一つ先にある相手に負けうる。

反論は、埋め込みエージェントは住んでいる面に制約されるというものだ。ブラウザエージェントはブラウザタブで起きるタスクは得意だが、デバイス、ファイル、メッセージングをまたぐものは苦手だ。それは実際の限界であり、単体エージェントが優位を保つ領域だ。ただし、ほとんどの人のタスクはブラウザタブで起きるので、その優位が当てはまるのは利用の少数派にすぎない。

権限問題は良くなるどころか悪化する

エージェントの埋め込みは、持続的なアクセスに伴うリスクも増幅する。今年注目を集めた常時稼働のオープンソースエージェントは、セッションをまたいで権限とメモリを保持することで際立っている。それが役立つ理由であり、危険な理由でもある。メールを読み、カレンダーを見て、ウェブページ上で行動できるエージェントは、判断を一つ誤るだけで意図しないことをしてしまう。そしてその誤りは元に戻しにくい。

時期について示唆的な細部がある。Googleの新しいフロンティアモデル、Gemini 4 Argonは、まず信頼された限定テスターに配布された。その理由の一つは、脆弱性を見つけて修正できるモデルは、間違った相手のために脆弱性を見つけることもできるからだ。同じ論理は、より小さい規模で消費者側にも当てはまる。ユーザーの代わりに閲覧し、入力し、クリックできるエージェントには、止まる能力が必要であり、その停止は安価でなければならない。

AirbnbのBrian Cheskyはこれを公に論じ、チャットボットは旅行の発見、閲覧、買い物の最終的なインターフェースではないと述べた。人は探索し、比較し、ホストにメッセージを送り、地図を見て、身元を確認し、一緒に計画したい。そのほとんどはチャットウィンドウには収まらない。彼の結論は、アプリケーションは外部エージェントが呼び出すデータ層とアクション層になり、Airbnbはより強力なSDKを通じて自社の機能を公開し、最終的にはMCPを通じて自社エージェントを相互運用可能にするかもしれない、というものだ。

それはブラウザエージェントとは異なる賭けであり、真剣に受け止める価値がある。Cheskyが正しければ、勝つプラットフォームは最も魅力的なチャットボットを持つものではない。他のエージェントが呼び出す、最も明確で安全なツール面を持つものだ。外部エージェントが明確な権限で予約、キャンセル、変更できるようにするプラットフォームは、会話を所有せずに流通を握る。

ブラウザは堀であり、それは諸刃の剣だ

Chromeの優位は、何年も規制当局が懸念してきたのと同じものだ。膨大な規模の流通チャネルであること。しかし、Googleがエージェントを押し出すのを助ける同じ集中が、ブラウザをその上に構築する全員にとっての単一障害点にもする。閲覧エージェントの挙動、権限、条件がブラウザ更新で変われば、安定した面を前提としたあらゆる製品が適応を迫られる。他人のブラウザ内で作ることは、そうでなくなる瞬間までは便利であり、その賭けをしたスタートアップは、自分が影響を与えられないロードマップにさらされる。

その非対称性は、戦略を形作るので名指しする価値がある。単体エージェントアプリは注目を巡って苦しい戦いを強いられるが、自らの運命を所有する。ブラウザに埋め込まれたエージェントは流通で勝つが、借り物の土地に座っている。Cheskyが指し示したMCPの道は、両方の問題を避けようとする試みだ。機能を、あらゆるエージェントが呼べるサービスとして公開し、統合を自分が所有する必要のないどこかで起こさせる。それが本当の第三の道になるのか、全員が名目上支持して誰も投資しない標準にすぎないのかは、まだ開いている。

最後の変数は信頼だ。公開ウェブ上で人の代理として行動するエージェントは、その人が許可する気になって初めて役立つ。その意欲は脆く、安全な判断を一度ずつ積み重ねて築かれる。間違ったフライトを静かに予約したり、間違ったボタンをクリックしたりするブラウザエージェントは、カテゴリー全体を後退させる。サービスが競う分散・権限モデルの方が個々の失敗に強靭だろう。なぜなら、ある統合における単一の悪役が、アイデア全体を沈めることはないからだ。

エージェントがどこに住むかについての二つの理論

したがって、テーブル上には二つのもっともらしい未来がある。一つでは、エージェントは人々がすでに使っている面に埋め込まれ、ブラウザ、オペレーティングシステム、メッセージングアプリが正面玄関になる。もう一つでは、エージェントは相互運用可能なサービスであり、プラットフォームはインターフェースではなくツール面の品質で競う。両方が同時に真であり得るし、おそらくそうなる。

両理論が一致するのは、単体エージェントアプリ、つまり開くように求め、チャットボックスで話しかけてくる種類のものが、最も弱い立場だということだ。それは仕事が起きる場所にネイティブでもなく、他のエージェントが呼び出すクリーンなサービスでもない。今年立場を守った製品は、チャットウィンドウにはできないことをしたか、既存のリーチを持つ面に接続したものだ。

この領域で作る人への実践的助言は、チャットインターフェースを製品として扱うのをやめることだ。自分がどの面にネイティブなのか、あるいはどのツール面を公開するのかを決めよ。次に権限を読みやすくせよ。それこそがプラットフォームがあなたを入れるかどうかを決めるからだ。明確な権限モデルを持つ有能なエージェントは、曖昧な権限モデルを持つより強いエージェントが決して入れない場所に埋め込まれる。

Chromeの自動閲覧エージェントは競争の終わりではない。それは競争がGoogleのホームグラウンドに移った瞬間であり、そこで誰かに勝つのは難しい。単体エージェントアプリには、タブがコピーできない存在理由を見つけるために、次のブラウザ更新までの時間しかない。