Když váš AI agent přestane vidět

Představte si situaci: Máte šikovného coding agenta. Napíše čistý kód, rozumí vaší codebase, drží se architektonických vzorů. Pak ale přijde jednoduchý úkol: „Otevři admin dashboard a ověř, že se tam správně propisují nové registrace."

Ticho.

Agent dokáže reasonovat o problému, ale nemůže dashboard vidět. Nemůže kliknout na tlačítko. Nemůže ověřit auth flow. Celý reálný web — dashboardy, portály, admin stránky s neustále se měnícím UI — zůstává za neprostupnou stěnou grafického rozhraní.

Tohle je problém, který řeší WebCLI. A upřímně? Je to problém, který tiše brzdí revoluci AI agentů už několik měsíců.

Co agenti skutečně potřebují vs. co dostávají

Tady je ta nepříjemná pravda: většina „browser automation" pro AI agenty znamená, že jim dáte screenshot a doufáte, že z pixelů odvodí, co se děje. Jako byste se snažili diagnostikovat problém motoru z fotografie — obrázek je hezký, ale o tom, co se děje uvnitř, vám neřekne vůbec nic.

Váš agent nepotřebuje obrázky. Potřebuje:

• Pozorovatelný stav — Jaké elementy jsou na stránce? Jaké mají atributy? S čím můžu skutečně interagovat?
• Číslované akce — Tady jsou akce 1-7. Vyber jednu. Proveď. Podívej se, co se změnilo.
• Čisté recovery cesty — Stránka se nenačetla podle očekávání? Tady je vysvětlení a tady je postup, jak pokračovat.
• Body pro předání člověku — Je tam CAPTCHA? MFA výzva? Agent by neměl spadnout — měl by vědět, jak požádat o pomoc.

Přesně tohle WebCLI poskytuje. Představte si to jako dát agentovi správný dashboard a instrumentaci, místo aby se snažil nahlédnout klíčovou dírkou.

Filozofie: Textové rozhraní pro agenty

Klíčový vhled za WebCLI je, že web se vyvíjel pro lidi. Dostáváme hezká tlačítka, hover efekty, dynamický obsah, nekonečný scroll. Naši agenti dostávají... co přesně? Screenshoty? Selektory, které se rozbijí, když developer přidá data-testid o tři týdny později?

WebCLI to otáčí naruby. Místo nutnosti agenta interpretovat rozhraní určené pro lidi překládá živý web do jazyka, kterému agenti už rozumí:

Page State:
- Title: "User Dashboard | Acme Corp"
- Form fields: [username, password, remember_me]
- Visible actions: [0: Submit Login, 1: Forgot Password, 2: Create Account]
- Blockers: NONE
- Transcript: 12 interactions logged

Tohle je skutečný web, přeložený do strukturovaných dat. Váš agent nad tím může reasonovat. Může to protáhnout přes jq. Může se rozhodovat na základě reálného stavu, ne odhadů.

Jeden příkaz. Každý agent zná smyčku.

Geniální tah tady je SKILL.md přístup. Místo budování proprietární integrace, která funguje jen s jedním agent frameworkem, se WebCLI dodává jako standard skill definice. Nainstalujte jednou a Claude Code, Cursor, Copilot, Gemini CLI a další coding agenti okamžitě vědí, jak procházet web.

Skill dává agentům správné vzorce:

1. Nejprve prozkoumej — Pozoruj stav stránky před akcí
2. Používej číselné reference — Odkazuj na elementy číslem, ne křehkými selektory
3. Preferuj JSON — Strukturovaná data nad screenshoty
4. Pauza na blockery — Detekuj, kdy je potřeba zásah člověka
5. Reportuj s transkripty — Udržuj log všeho, co se stalo

Tohle není nový framework k osvojení. Je to drop-in schopnost, která dělá vaše stávající agenty browser-aware.

Agent Loop: Krok za krokem, ne všechno najednou

Tady dělá spousta automatizačních pokusů chybu: snaží se naprogramovat celý browser workflow v jednom křehkém příkazu. „Jdi na dashboard, přihlas se, klikni na třetí tlačítko, vytáhni data z tabulky a pošli mi to mailem."

To není automatizace. To je dům z karet.

WebCLI funguje nejlépe jako živá smyčka:

Pozoruj → Zvol další akci → Proveď → Pozoruj znovu → Zotav se, když je potřeba → Pauza, když narazíš na blok → Pokračuj

Každý krok je diskrétní. Každý krok může selhat elegantně. Každý krok aktualizuje transkript. Váš agent nepráví makro — řídí browser s plným situačním povědomím.

Soukromí: Váš browser zůstává váš

V době, kdy „AI" často znamená „všechno zpracujeme na našich serverech", WebCLI zaujímá osvěžující jiný postoj. Běží lokálně. Stav vašeho browseru zůstává na vašem počítači. Jediné odchozí spojení jsou pro validaci licence — nic o vašich návycích prohlížení, cookies, screencapturech nebo workflow datech neopouští vaše zařízení.

To dává smysl pro enterprise uživatele. Pro developery pracující s citlivými přihlašovacími údaji. Pro kohokoli, kdo nechce, aby se jeho interní nástroje staly tréninkovými daty pro někoho jiného.

Více způsobů jak konat, více způsobů jak říct

WebCLI se nesnaží nahradit lidský úsudek. Snaží se rozšířit lidské schopnosti. Heslo „Technology for agency" není o nahrazení vás — je to o dát vám extra pár rukou, který může na webu skutečně něco dělat, zatímco vy se soustředíte na myšlení, které má skutečnou hodnotu.

Váš agent dostane browser rozhraní: stav, akce, blockery, předání, transkripty. Vy si ponecháte účel, autorizaci a finální rozhodování. Rozdělení práce dělá všechny efektivnějšími.

Mělo by vás to zajímat?

Pokud stavíte cokoliv s AI agenty, kteří potřebují interagovat s reálným webem — admin dashboardy, interní nástroje, workflow automatizace, testovací pipeliny — WebCLI stojí za seriózní pohled.

Browser už není jen pro lidi. Se správným rozhraním můžou vaši agenti web skutečně operovat, ne jen odhadovat, jak asi vypadá.

Přestaňte dělat každou webovou úlohu sami. Dejte svému agentovi nástroje, které potřebuje, aby převzal řízení.

WebCLI možná právě chybí ve vaší agent stacku.