Bedrock AgentCore: Ενσωμάτωση Ζωντανού AI Browser Agent στο React

Η εποχή των AI agents που λειτουργούν ως αδιαφανή «μαύρα κουτιά» πλησιάζει γρήγορα στο τέλος της. Καθώς η τεχνητή νοημοσύνη αναλαμβάνει όλο και πιο πολύπλοκες και αυτόνομες εργασίες, ειδικά σε διαδικτυακά περιβάλλοντα, η ζήτηση για διαφάνεια, εμπιστοσύνη και έλεγχο από τον χρήστη είναι μεγαλύτερη από ποτέ. Οι χρήστες πρέπει να κατανοούν και να επαληθεύουν τις ενέργειες που κάνει ένας AI agent εκ μέρους τους, ειδικά όταν αυτές οι ενέργειες περιλαμβάνουν την πλοήγηση σε ιστοσελίδες, την αλληλεπίδραση με ευαίσθητα δεδομένα ή την εκτέλεση κρίσιμων ροών εργασίας.

Αντιμετωπίζοντας αυτή τη θεμελιώδη πρόκληση, η Amazon Web Services παρουσιάζει μια ισχυρή λύση: το στοιχείο Amazon Bedrock AgentCore BrowserLiveView. Αυτό το καινοτόμο εργαλείο δίνει τη δυνατότητα στους προγραμματιστές να ενσωματώσουν μια ζωντανή, σε πραγματικό χρόνο, ροή βίντεο από την περίοδο περιήγησης ενός AI agent απευθείας στις εφαρμογές τους React. Αυτή η ενσωμάτωση όχι μόνο απομυθοποιεί τη συμπεριφορά του agent, αλλά παρέχει επίσης στους χρήστες πρωτοφανή ορατότητα και μια κρίσιμη αίσθηση ελέγχου.

Μέρος του TypeScript SDK του Bedrock AgentCore, το στοιχείο BrowserLiveView απλοποιεί την ενσωμάτωση ζωντανών ροών browser στην εφαρμογή σας με λίγες μόνο γραμμές JavaScript XML (JSX). Χρησιμοποιώντας το πρωτόκολλο υψηλής απόδοσης Amazon DCV, αποδίδει την περίοδο λειτουργίας του agent, μετατρέποντας αποτελεσματικά μια παραδοσιακά κρυφή διαδικασία σε μια οπτικά επαληθεύσιμη εμπειρία. Αυτό το άρθρο θα σας καθοδηγήσει στη διαδικασία, από την έναρξη μιας περιόδου λειτουργίας και τη δημιουργία του URL Ζωντανής Προβολής, μέχρι την απόδοση της ροής στην εφαρμογή σας React, και τέλος, τη σύνδεση ενός AI agent για την οδήγηση του browser καθώς οι χρήστες σας παρακολουθούν.

Ενίσχυση της Διαφάνειας των AI Agent με το BrowserLiveView

Στο ταχέως εξελισσόμενο τοπίο του Agentic AI, η δυνατότητα ανάθεσης εργασιών περιήγησης στον ιστό σε AI agents υπόσχεται τεράστια κέρδη αποδοτικότητας. Ωστόσο, αυτή η υπόσχεση μετριάζεται συχνά από ανησυχίες σχετικά με την αξιοπιστία, την ακρίβεια και την ασφάλεια των agent. Χωρίς ένα σαφές παράθυρο στις λειτουργίες ενός agent, οι χρήστες καλούνται να εμπιστευτούν ένα σύστημα που δεν μπορούν να παρακολουθήσουν, γεγονός που μπορεί να εμποδίσει την υιοθέτηση και να περιορίσει την ανάπτυξη σε ευαίσθητα σενάρια.

Το στοιχείο BrowserLiveView αντιμετωπίζει άμεσα αυτήν την πρόκληση ανοίγοντας τα «μάτια» του AI agent στον χρήστη. Φανταστείτε έναν AI agent που αναλαμβάνει να συμπληρώσει μια πολύπλοκη online φόρμα ή να ανακτήσει συγκεκριμένες πληροφορίες από πολλούς ιστότοπους. Παραδοσιακά, ο χρήστης θα λάμβανε μόνο ένα τελικό αποτέλεσμα ή μια περίληψη των ενεργειών, αφήνοντάς τον να αναρωτιέται για τα ενδιάμεσα βήματα. Με μια ενσωματωμένη Ζωντανή Προβολή, οι χρήστες μπορούν να παρακολουθούν κάθε πλοήγηση, υποβολή φόρμας και αναζήτηση σε πραγματικό χρόνο καθώς ο agent την εκτελεί.

Αυτή η άμεση οπτική επιβεβαίωση είναι ανεκτίμητη. Καθησυχάζει τους χρήστες ότι ο agent βρίσκεται στη σωστή σελίδα, αλληλεπιδρά με τα σωστά στοιχεία και προχωρά στην ροή εργασίας όπως προβλέπεται. Αυτός ο βρόχος ανατροφοδότησης σε πραγματικό χρόνο ξεπερνά τις απλές επιβεβαιώσεις κειμένου. παρέχει μια απτή, επαληθεύσιμη διαδρομή ελέγχου της συμπεριφοράς του agent, ενισχύοντας τη μεγαλύτερη εμπιστοσύνη. Για ροές εργασίας που είναι ρυθμιζόμενες ή περιλαμβάνουν ευαίσθητα δεδομένα πελατών, αυτή η οπτική απόδειξη μπορεί να είναι κρίσιμη για τη συμμόρφωση και τη λογοδοσία. Επιπλέον, σε σενάρια που απαιτούν ανθρώπινη επίβλεψη, ένας επόπτης μπορεί να παρατηρεί απευθείας τις ενέργειες του agent εντός της εφαρμογής, επεμβαίνοντας εάν είναι απαραίτητο, χωρίς να διαταράσσει τη ροή.

Η Αρχιτεκτονική Πίσω από την Παρατήρηση Agent σε Πραγματικό Χρόνο

Η απρόσκοπτη ενσωμάτωση ενός ζωντανού AI browser agent σε μια εφαρμογή React που υποστηρίζεται από το Amazon Bedrock AgentCore ενορχηστρώνεται μέσω μιας εξελιγμένης αλλά αποδοτικής αρχιτεκτονικής που αποτελείται από τρία βασικά στοιχεία. Η κατανόηση της αλληλεπίδρασης μεταξύ αυτών των μερών είναι ζωτικής σημασίας για την επιτυχή υλοποίηση και ανάπτυξη.

Η αλληλεπίδραση ξεκινά με τον web browser του χρήστη, ο οποίος εκτελεί την εφαρμογή React. Εντός αυτής της εφαρμογής, αποδίδεται το στοιχείο BrowserLiveView, αναμένοντας ένα ασφαλές, χρονικά περιορισμένο SigV4-presigned URL. Αυτό το URL, που δημιουργείται από τον διακομιστή εφαρμογών σας, είναι το κλειδί για τη δημιουργία μιας μόνιμης σύνδεσης WebSocket απευθείας στην υπηρεσία Bedrock AgentCore στο AWS Cloud.

Ο διακομιστής εφαρμογών σας εξυπηρετεί διπλό σκοπό: φιλοξενεί τη λογική του AI agent και λειτουργεί ως ενδιάμεσος για τη διαχείριση περιόδων λειτουργίας. Καλέσει το API του Amazon Bedrock AgentCore για να ξεκινήσει περιόδους λειτουργίας browser και στη συνέχεια δημιουργεί με ασφάλεια τα SigV4-presigned URLs που παρέχουν στον client browser σας πρόσβαση στη ροή Ζωντανής Προβολής. Είναι κρίσιμο, ενώ ο διακομιστής σας ενορχηστρώνει τις ενέργειες του agent και δημιουργεί τα απαραίτητα διαπιστευτήρια, δεν χειρίζεται απευθείας την ίδια τη ροή βίντεο.

Η δύσκολη εργασία της αυτοματοποίησης του browser και της ροής βίντεο πραγματοποιείται εντός του AWS Cloud. Το Amazon Bedrock AgentCore φιλοξενεί απομονωμένες περιόδους λειτουργίας browser στο cloud, παρέχοντας τόσο το endpoint αυτοματοποίησης—με το οποίο ο AI agent σας αλληλεπιδρά χρησιμοποιώντας το Playwright Chrome DevTools Protocol (CDP)—όσο και το endpoint ροής Ζωντανής Προβολής, που υποστηρίζεται από το Amazon DCV. Αυτός ο σχεδιασμός διασφαλίζει ότι η ροή Ζωντανής Προβολής DCV ρέει απευθείας από το Amazon Bedrock AgentCore στον browser του χρήστη. Αυτή η άμεση σύνδεση WebSocket παρακάμπτει τον διακομιστή εφαρμογών σας, ελαχιστοποιώντας την καθυστέρηση, μειώνοντας το κόστος υποδομής σας και εξασφαλίζοντας μια ομαλή εμπειρία προβολής σε πραγματικό χρόνο.

Προϋποθέσεις για την Ανάπτυξη του Ζωντανού σας AI Agent

Πριν εμβαθύνετε στην υλοποίηση του ζωντανού AI browser agent σας, είναι απαραίτητο να διασφαλίσετε ότι το περιβάλλον ανάπτυξής σας είναι σωστά ρυθμισμένο και ότι διαθέτετε τους απαραίτητους πόρους και δικαιώματα AWS. Η τήρηση αυτών των προϋποθέσεων θα βελτιστοποιήσει τη διαδικασία ανάπτυξής σας και θα συμβάλει στη διατήρηση μιας ασφαλούς λειτουργικής στάσης.

1. Περιβάλλον Node.js: Θα χρειαστείτε την έκδοση 20 του Node.js ή νεότερη εγκατεστημένη στο σύστημά σας για την εκτέλεση των server-side στοιχείων της εφαρμογής σας.
2. Λογαριασμός και Περιοχή AWS: Απαιτείται ενεργός λογαριασμός AWS, με πρόσβαση σε μια υποστηριζόμενη περιοχή AWS όπου είναι διαθέσιμο το Amazon Bedrock AgentCore.
3. Διαπιστευτήρια και Δικαιώματα AWS: Τα διαπιστευτήρια AWS σας πρέπει να έχουν τα κατάλληλα δικαιώματα Browser του Amazon Bedrock AgentCore. Είναι κρίσιμο να ακολουθείτε την αρχή της ελάχιστης εξουσιοδότησης κατά τη διαμόρφωση των δικαιωμάτων AWS Identity and Access Management (IAM). Για ενισχυμένη ασφάλεια, χρησιμοποιείτε πάντα προσωρινά διαπιστευτήρια που λαμβάνονται από το AWS IAM Identity Center ή την AWS Security Token Service (AWS STS), αποφεύγοντας τα μακροχρόνια κλειδιά πρόσβασης.
4. Πρόσβαση σε Μοντέλο AI: Εάν σκοπεύετε να χρησιμοποιήσετε ένα μοντέλο AI για να οδηγήσετε τον agent (όπως φαίνεται στο δείγμα, το οποίο χρησιμοποιεί το Amazon Bedrock Converse API με το Anthropic Claude), θα χρειαστείτε πρόσβαση σε αυτό το συγκεκριμένο μοντέλο και σε τυχόν σχετικά δικαιώματα AWS Bedrock. Ωστόσο, θυμηθείτε ότι η Ζωντανή Προβολή είναι ανεξάρτητη από το μοντέλο, επιτρέποντάς σας να ενσωματώσετε οποιονδήποτε πάροχο μοντέλου ή πλαίσιο agent της επιλογής σας.
5. Εγκαταστάσεις SDK:
   • Εγκαταστήστε το bedrock-agentcore TypeScript SDK για αλληλεπίδραση με το AgentCore:

     npm install bedrock-agentcore
     

   • Εάν χρησιμοποιείτε το AWS Bedrock για το μοντέλο AI σας, εγκαταστήστε το AWS SDK for JavaScript:

     npm install @aws-sdk/client-bedrock-runtime
     

Ο κώδικας για την υλοποίηση της Ζωντανής Προβολής συνήθως χωρίζεται: ο κώδικας server-side (για διαχείριση περιόδων λειτουργίας και λογική AI agent) εκτελείται σε Node.js, και ο κώδικας client-side (για απόδοση της Ζωντανής Προβολής) εκτελείται εντός μιας εφαρμογής React, συχνά δεσμευμένος με εργαλεία όπως το Vite.

Οδηγός Βήμα προς Βήμα: Από την Περίοδο Λειτουργίας στη Ροή

Η ενσωμάτωση ενός ζωντανού AI browser agent με το Amazon Bedrock AgentCore περιλαμβάνει μια σαφή, διαδικασία τριών βημάτων, γεφυρώνοντας τη λογική server-side με την εφαρμογή React client-side και τις ισχυρές δυνατότητες του AWS Cloud.

1. Έναρξη Περιόδου Λειτουργίας Browser και Δημιουργία του URL Ζωντανής Προβολής

Το πρώτο βήμα πραγματοποιείται στον διακομιστή εφαρμογών σας. Εδώ η λογική του backend σας ξεκινά μια περίοδο λειτουργίας browser εντός του Amazon Bedrock AgentCore και αποκτά με ασφάλεια το απαραίτητο URL για τη ροή της ζωντανής προβολής.

Θα χρησιμοποιήσετε την κλάση Browser από το SDK bedrock-agentcore. Αυτή η κλάση χειρίζεται την πολυπλοκότητα της δημιουργίας και διαχείρισης απομονωμένων περιβαλλόντων browser στο cloud. Το βασικό αποτέλεσμα από αυτό το βήμα είναι ένα URL προ-υπογεγραμμένο με SigV4, το οποίο παρέχει ασφαλή, προσωρινή πρόσβαση στη ζωντανή ροή βίντεο της περιόδου λειτουργίας του browser.

// Παράδειγμα κώδικα server-side (Node.js)
import { Browser } from 'bedrock-agentcore';
import { AgentCoreClient } from '@aws-sdk/client-bedrock-agentcore';

// Αρχικοποίηση client Bedrock AgentCore (διασφαλίστε ότι έχουν ρυθμιστεί σωστά τα διαπιστευτήρια AWS)
const agentCoreClient = new AgentCoreClient({ region: 'us-east-1' }); // Χρησιμοποιήστε την επιθυμητή περιοχή σας

async function startLiveSession() {
    // Δημιουργία νέας περιόδου λειτουργίας browser
    const browser = new Browser(agentCoreClient);
    await browser.create();

    // Δημιουργία του URL Ζωντανής Προβολής
    const liveViewUrl = await browser.getLiveViewURL();
    console.log('Live View URL:', liveViewUrl);

    // Αποθήκευση του browser.sessionId για να συνδέσετε αργότερα τον AI agent σας ή να τερματίσετε την περίοδο λειτουργίας
    const sessionId = browser.sessionId;
    
    return { liveViewUrl, sessionId };
}

// Αυτό το `liveViewUrl` θα σταλεί στον React client σας.

Αυτό το URL στη συνέχεια περνά στο React frontend σας, το οποίο θα το χρησιμοποιήσει για να δημιουργήσει τη ζωντανή ροή.

2. Απόδοση της Ζωντανής Προβολής στην Εφαρμογή σας React

Μόλις η εφαρμογή σας React λάβει το liveViewUrl από τον διακομιστή σας, η απόδοση της ροής σε πραγματικό χρόνο είναι εξαιρετικά απλή, χάρη στο στοιχείο BrowserLiveView.

// Παράδειγμα κώδικα client-side (στοιχείο React)
import React, { useEffect, useState } from 'react';
import { BrowserLiveView } from 'bedrock-agentcore';

interface LiveAgentViewerProps {
    liveViewUrl: string;
}

const LiveAgentViewer: React.FC<LiveAgentViewerProps> = ({ liveViewUrl }) => {
    if (!liveViewUrl) {
        return <p>Αναμονή για URL Ζωντανής Προβολής...</p>;
    }

    return (
        <div style={{ width: '100%', height: '600px', border: '1px solid #ccc' }}>
            <BrowserLiveView url={liveViewUrl} />
        </div>
    );
};

// Στο κύριο στοιχείο ή σελίδα της εφαρμογής σας:
// const MyPage = () => {
//     const [currentLiveViewUrl, setCurrentLiveViewUrl] = useState<string | null>(null);
//
//     useEffect(() => {
//         // Ανάκτηση του liveViewUrl από το backend σας
//         fetch('/api/start-agent-session')
//             .then(res => res.json())
//             .then(data => setCurrentLiveViewUrl(data.liveViewUrl));
//     }, []);
//
//     return (
//         <div>
//             <h1>Ζωντανή Προβολή AI Agent</h1>
//             <LiveAgentViewer liveViewUrl={currentLiveViewUrl} />
//         </div>
//     );
// };

Με μόλις url={liveViewUrl}, το στοιχείο BrowserLiveView χειρίζεται τις περίπλοκες λεπτομέρειες της δημιουργίας της σύνδεσης WebSocket, της κατανάλωσης της ροής DCV και της απόδοσης της ζωντανής ροής βίντεο εντός των καθορισμένων διαστάσεών σας. Αυτή η ελάχιστη ενσωμάτωση JSX απλοποιεί σημαντικά την ανάπτυξη frontend, επιτρέποντάς σας να επικεντρωθείτε στην εμπειρία χρήστη γύρω από τον ζωντανό agent.

3. Σύνδεση ενός AI Agent για την Οδήγηση του Browser

Το τελευταίο βήμα συνδέει την ευφυΐα του AI agent σας με τις πραγματικές ενέργειες του browser εντός της απομονωμένης περιόδου λειτουργίας. Ενώ το BrowserLiveView παρέχει την οπτική ανάδραση, ο AI agent σας χρησιμοποιεί το Playwright CDP (Chrome DevTools Protocol) για να αλληλεπιδράσει με τον browser μέσω προγραμματισμού.

Ο διακομιστής εφαρμογών σας, ο οποίος φιλοξενεί επίσης τον AI agent σας, θα χρησιμοποιήσει την ιδιότητα page του αντικειμένου Browser (η οποία είναι ένα αντικείμενο Page του Playwright) για την εκτέλεση ενεργειών browser.

// Παράδειγμα κώδικα server-side (συνέχεια από το βήμα 1)
// Υποθέτοντας ότι έχετε ένα interface τύπου Playwright ή άμεση χρήση του Playwright
import { Browser } from 'bedrock-agentcore';
import { AgentCoreClient } from '@aws-sdk/client-bedrock-agentcore';
import { BedrockRuntimeClient, InvokeModelCommand } from "@aws-sdk/client-bedrock-runtime";

// ... (προηγούμενη ρύθμιση για τη δημιουργία browser) ...

async function driveAgent(sessionId: string) {
    const browser = new Browser(agentCoreClient, { sessionId }); // Επανασύνδεση σε υπάρχουσα περίοδο λειτουργίας
    await browser.connect(); // Σύνδεση στην περίοδο λειτουργίας του browser

    const page = browser.page; // Λήψη του αντικειμένου Playwright Page

    // Παράδειγμα λογικής AI agent (απλοποιημένο για λόγους απεικόνισης)
    // Εδώ θα ενσωματώνατε με το LLM σας (π.χ. Anthropic Claude μέσω του Bedrock Converse API)
    // για να καθορίσετε ενέργειες βάσει των προτροπών του χρήστη και του περιεχομένου της σελίδας.
    console.log("Ο agent πλοηγείται στο example.com...");
    await page.goto('https://www.example.com');
    console.log("Ο agent περίμενε για 3 δευτερόλεπτα...");
    await page.waitForTimeout(3000); // Προσομοίωση χρόνου επεξεργασίας

    console.log("Ο agent πληκτρολογεί σε πλαίσιο αναζήτησης (υποθετικά)...");
    // Παράδειγμα: await page.type('#search-input', 'Amazon Bedrock AgentCore');
    // Παράδειγμα: await page.click('#search-button');

    const content = await page.content();
    // Χρησιμοποιήστε ένα LLM για να αναλύσετε το 'content' και να αποφασίσετε τα επόμενα βήματα
    const bedrockRuntimeClient = new BedrockRuntimeClient({ region: 'us-east-1' });
    const response = await bedrockRuntimeClient.send(new InvokeModelCommand({
        modelId: "anthropic.claude-3-sonnet-20240229-v1:0", // ή το προτιμώμενο μοντέλο σας
        contentType: "application/json",
        accept: "application/json",
        body: JSON.stringify({
            messages: [
                {
                    role: "user",
                    content: `Αναλύστε το περιεχόμενο αυτής της ιστοσελίδας και προτείνετε την επόμενη ενέργεια: ${content.substring(0, 500)}`
                }
            ],
            max_tokens: 200,
        }),
    }));
    const decodedBody = new TextDecoder("utf-8").decode(response.body);
    const parsedBody = JSON.parse(decodedBody);
    console.log("Το μοντέλο AI πρότεινε την ενέργεια:", parsedBody.content[0].text);

    // Βάσει της πρότασης του LLM, εκτελέστε περαιτέρω ενέργειες σελίδας...

    // Μην ξεχάσετε να κλείσετε την περίοδο λειτουργίας του browser όταν τελειώσετε
    // await browser.close();
}

// Αφού ξεκινήσετε την περίοδο λειτουργίας και λάβετε το URL, θα καλέσετε το driveAgent(sessionId)

Αυτός ο βρόχος αλληλεπίδρασης —όπου ο AI agent σας αναλύει το περιεχόμενο της σελίδας, καθορίζει την επόμενη ενέργεια και την εκτελεί μέσω Playwright CDP— αποτελεί τον πυρήνα ενός αυτόνομου browsing agent. Όλες αυτές οι ενέργειες αποδίδονται οπτικά σε πραγματικό χρόνο μέσω του στοιχείου BrowserLiveView στην οθόνη του χρήστη.

Ξεκλείδωμα Νέων Δυνατοτήτων με Ενσωματωμένους AI Agent

Η ενσωμάτωση του BrowserLiveView του Amazon Bedrock AgentCore είναι κάτι περισσότερο από ένα τεχνικό χαρακτηριστικό. είναι μια αλλαγή παραδείγματος στον τρόπο με τον οποίο οι χρήστες αλληλεπιδρούν με και εμπιστεύονται τους AI agents. Ενσωματώνοντας οπτική ανατροφοδότηση σε πραγματικό χρόνο, οι προγραμματιστές μπορούν να δημιουργήσουν εφαρμογές με AI που είναι όχι μόνο αποδοτικές αλλά και διαφανείς, ελέγξιμες και φιλικές προς τον χρήστη.

Αυτή η δυνατότητα είναι ιδιαίτερα μετασχηματιστική για εφαρμογές που περιλαμβάνουν:

• Πολύπλοκες Ροές Εργασίας: Αυτοματοποίηση διαδικτυακών διαδικασιών πολλαπλών βημάτων, όπως η εισαγωγή δεδομένων, η ενσωμάτωση (onboarding) ή η συμμόρφωση με κανονισμούς, όπου η ορατότητα σε κάθε βήμα είναι πρωταρχικής σημασίας.
• Υποστήριξη Πελατών: Επιτρέποντας στους agent να παρατηρούν τους AI co-pilots να επιλύουν ερωτήματα πελατών ή να πλοηγούνται σε συστήματα, διασφαλίζοντας την ακρίβεια και παρέχοντας ευκαιρίες για παρέμβαση.
• Εκπαίδευση και Εντοπισμός Σφαλμάτων: Παροχή στους προγραμματιστές και τους τελικούς χρήστες ενός ισχυρού εργαλείου για την κατανόηση της συμπεριφοράς του agent, τον εντοπισμό σφαλμάτων και την εκπαίδευση των agent μέσω άμεσης παρατήρησης.
• Ενισχυμένα Ιστορικά Ελέγχου: Δημιουργία οπτικών αρχείων των ενεργειών του agent, τα οποία μπορούν να συνδυαστούν με καταγραφές περιόδων λειτουργίας στο Amazon S3 για εκτενή μεταγενέστερη αναθεώρηση και συμμόρφωση.

Η δυνατότητα απευθείας μετάδοσης ροών περιόδων λειτουργίας browser από το AWS Cloud στους client browsers, παρακάμπτοντας τον διακομιστή εφαρμογών για τη ροή βίντεο, προσφέρει σημαντικά πλεονεκτήματα όσον αφορά την απόδοση και την επεκτασιμότητα. Αυτή η αρχιτεκτονική ελαχιστοποιεί την καθυστέρηση και μειώνει το βάρος στην υποδομή του backend σας, επιτρέποντάς σας να αναπτύξετε εξαιρετικά ανταποκρινόμενες και επεκτάσιμες λύσεις AI agent.

Υιοθετώντας το BrowserLiveView, δεν δημιουργείτε απλώς AI agents. δημιουργείτε εμπιστοσύνη, έλεγχο και μια πλουσιότερη εμπειρία χρήστη. Εξερευνήστε τις δυνατότητες και ενδυναμώστε τους χρήστες σας με την αυτοπεποίθηση να αναθέτουν πολύπλοκες διαδικτυακές εργασίες σε έξυπνους agents.