Anthropic slipper browser use og tar computer use, Skills API og Files API ut av beta

Computer use gir Claude et skjermbilde og lar den finne knappen ut fra det den ser. Det nye browser use-verktøyet leser i tillegg strukturen i siden, og handler på et bestemt felt eller en bestemt knapp i stedet for en posisjon på skjermen. Anthropic kunngjorde 20. august at begge verktøyene, sammen med Skills API og Files API, nå er generelt tilgjengelige på Claude-plattformen.

Forskjellen er praktisk. Nettsider flytter på seg, og en agent som klikker etter piksler bommer så snart layouten endrer seg. Anthropic oppgir samtidig at det oppdaterte computer use-verktøyet lar Claude utføre flere handlinger per tur i stedet for én handling per modellkall, slik at oppgaver blir ferdige på færre kall og kortere tid. Browser use bruker de samme fler-handlingsturene og legger sidestrukturen oppå.

«Gitt et skjermbilde klikker, skriver og skroller agenten slik en person ved tastaturet ville gjort. Det lar den jobbe i applikasjoner som aldri ble bygget for automatisering.» — Anthropic

Skills API og Files API dekker de to andre delene av en agentløkke. En skill er en mappe med instruksjoner, skript og maler som Claude laster først når oppgaven krever det, og som kjører i Claudes egen kodesandkasse, så du slipper å hoste noe. Med Skills API laster du opp og versjonerer dine egne skills, og henger dem på det kallet du vil. Med Files API laster du opp et dokument én gang og refererer til det med ID i senere kall i stedet for å sende det på nytt. Generell tilgjengelighet ga Files API automatisk utløp på filer, fem ganger høyere ratebegrensninger og 1 TB lagring per organisasjon. Computer use ble samtidig godkjent for HIPAA-regulerte arbeidslaster under Anthropics databehandleravtale.

Anthropic beskriver sammenhengen med en skadeoppgjørsagent: den leser inntaksdokumentet fra Files API, følger en skill som koder teamets egen saksgang, fullfører innsendingen i forsikringsselskapets nettportal med browser use, og lagrer bekreftelsen tilbake som fil. Kodekjøring og nettsøk, som allerede var generelt tilgjengelige, hører hjemme i samme løkke.

Bakgrunn

Verktøyene har vært i beta fram til nå, og Anthropic sier eksisterende beta-integrasjoner fortsetter å virke mens du migrerer. Skills API og Files API er også tilgjengelige gjennom Microsoft Foundry, og de oppdaterte computer use- og browser use-verktøyene kommer til Google Clouds Vertex AI senere.

Hva bør du gjøre?

1. Bytt til browser use hvis agenten din uansett bare jobber i nettsider. Sidestruktur tåler layoutendringer bedre enn ren pikselgjenkjenning.
2. Behold computer use for oppgaver som går utenfor nettleseren, og oppgrader til den generelt tilgjengelige versjonen for å få flere handlinger per tur.
3. Flytt gjentatte vedlegg til Files API. Da betaler du ikke for å sende det samme dokumentet på nytt i hver runde av løkka.