為什麼 AI Agent 需要專屬瀏覽器？從 Rotunda 看反機器人戰爭

> Patch Note

開場

我最近看到一個有趣的開源專案 Rotunda，說是專為 AI Agent 設計的瀏覽器。一開始我覺得有點多餘 — 瀏覽器不就是瀏覽器嗎？用 Playwright 或 Selenium 自動化不就好了？但仔細研究後發現，這背後其實反映了一個更深層的問題：當 AI Agent 開始大量使用網路時，傳統的反機器人系統開始失效，而我們需要新的工具來應對這場「貓抓老鼠」的遊戲。

今天就來拆解一下 Rotunda 的設計思路，看看為什麼 MonkeySee-AI 這家公司認為值得重新發明瀏覽器。

架構概覽

Rotunda 的核心理念很簡單：讓 AI Agent 像真人一樣使用瀏覽器。它基於 Chromium 核心，但加了一層專門的「人類行為模擬」引擎。

從架構來看，Rotunda 包含幾個關鍵元件：

Browser Core：基於 Chromium，負責實際的網頁渲染和 JavaScript 執行。這部分沒有重新造輪子，直接用成熟的引擎。

Human Behavior Simulator：這是核心創新，包含 typing patterns、mouse movements、scroll behaviors 等模組。每次互動都會加上隨機的人類行為特徵。

Agent Interface：提供 Python API，讓開發者能用程式控制瀏覽器，但所有操作都會經過行為模擬層。

Anti-Detection Layer：處理 fingerprinting 對抗，包含 canvas fingerprinting、WebGL signatures、font detection 等常見的機器人檢測手段。

資料流很直觀：Agent 發送指令 → 行為模擬器加工 → Browser Core 執行 → 回傳結果給 Agent。關鍵在中間那個模擬層，它會把每個「點擊按鈕」的指令變成「移動滑鼠到按鈕附近、略微偏移、停頓 100-200ms、按下」的真實人類行為。

核心機制深入

1. Simulated Typing Engine

最吸引我的是它的 typing simulation。傳統的自動化工具直接往 input field 塞文字，但真人打字有節奏、有錯誤、有停頓。Rotunda 會分析你要輸入的文字，然後：

• 加上隨機的 typing speed variation（每個字元間 50-150ms 的隨機間隔）
• 模擬 typos 和 backspace corrections
• 在長文字中間加上思考停頓（500-2000ms）
• 模擬 copy-paste 行為（對於長串文字如 email addresses）

這個設計很聰明，因為現在很多反機器人系統會監控 keystroke dynamics。如果你一秒鐘打 50 個字而且零錯誤，那明顯是腳本。

2. Mouse Movement Patterns

傳統自動化的滑鼠移動是直線的，但人類移動滑鼠會有微弱的弧線和抖動。Rotunda 實作了 Bézier curve 路徑算法，讓滑鼠移動看起來自然。

更細緻的是，它會根據不同的互動場景調整行為：

• 點擊大按鈕：快速直接移動
• 點擊小連結：慢一點，可能有微調
• 拖拽操作：保持壓力，路徑更平滑

3. Fingerprinting Resistance

這是最技術性的部分。現代網站會收集各種 browser fingerprint 來識別機器人：

• Canvas Fingerprinting：透過繪製圖形檢測 GPU 差異
• WebGL Signatures：檢查 WebGL renderer 資訊
• Font Detection：檢測系統安裝的字體
• Timezone/Language 一致性：檢查各種設定是否合理

Rotunda 的作法是維護一個「真實瀏覽器 profile」資料庫，每次啟動時隨機選一個 profile，確保所有 fingerprint 指標都一致。這比單純 spoofing 某個值要聰明多了。

Trade-off 是效能：每次互動都要經過模擬層，延遲會增加 200-500ms。但對於 Agent 應用場景來說，這個延遲完全可以接受。

商業背景

MonkeySee-AI 這家公司我之前沒聽過，從 GitHub 看起來是專門做 AI Agent 工具的。Rotunda 採用開源策略很聰明 — 瀏覽器本身免費，但可能會在周邊服務（hosting、proxy、更進階的行為模型）上收費。

這個商業模式讓我想到 Playwright 和 Puppeteer 的演化路徑。微軟開源 Playwright 不是為了賣瀏覽器，而是為了推廣 Azure 和 Visual Studio 生態系。MonkeySee-AI 可能也是類似思路 — 用 Rotunda 建立 AI Agent 開發者社群，然後在更高層的服務上變現。

從投資角度看，這個 timing 很不錯。隨著 Claude、ChatGPT 的 web browsing 功能越來越強，企業對 AI Agent 的需求會快速增長。如果你能掌握「讓 Agent 繞過反機器人系統」這個核心能力，就有定價權了。

Meta 判讀

我覺得這是典型的 Patch Note。不是什麼革命性創新，但解決了一個很實際的痛點。

過去兩年 AI Agent 快速發展，但大家都忽略了一個問題：網站不歡迎機器人。Cloudflare、reCAPTCHA、各種反爬蟲系統都在進化，傳統的 headless browser 越來越容易被識破。Rotunda 就是對這個問題的直接回應。

但我不認為這會引發「瀏覽器戰爭」。對大部分開發者來說，Playwright + 一些簡單的反檢測技巧就夠用了。Rotunda 的價值在特定場景 — 當你需要大規模、長期運行 Agent，而且目標網站有嚴格的反機器人保護時。

未來的發展方向可能是兩極化：一邊是反機器人系統越來越聰明（可能用 AI 來檢測 AI），另一邊是像 Rotunda 這樣的工具越來越精緻。這場軍備競賽會持續下去。

實戰建議

什麼時候該用 Rotunda？

適合的場景：

• 需要跟有強反機器人保護的網站互動（金融、電商、社群網站）
• 長期運行的 Agent 服務，不能經常被 ban
• 需要處理複雜的人機驗證流程

不適合的場景：

• 簡單的 API 爬蟲（直接用 requests 就好）
• 一次性的資料收集任務
• 對延遲很敏感的即時應用

實際使用時要注意幾個坑：

1. 資源消耗比 headless browser 高 30-50%
2. 行為模擬的隨機性可能影響測試的可重複性
3. 某些網站的反機器人系統可能會檢測「太完美」的人類行為（是的，表現得太像人類反而可疑）

老實說，大部分人可能用不到這麼重的工具。但如果你正在做 AI Agent 相關的產品，Rotunda 絕對值得研究一下。至少它給我們展示了一個方向：當 AI 開始大規模使用網路時，我們需要什麼樣的基礎設施。

延伸閱讀

• CopilotKit 拿 2700 萬做什麼？讓每個 App 都有自己的 AI Agent
• AI Agent 不該是你的同事 — 重新思考 Agent 的正確用法
• 把個人網站變得 agent-friendly：一個週末補完 9 個 well-known 路由