Manifest

Manifest 是一款將網頁轉成 AI agent 可用的結構化 JSON 動作地圖的 API，協助開發者掌握頁面可執行動作、必填欄位與動作前置條件。

概覽

Manifest 是一款將網頁轉成 AI agent 可用的結構化動作地圖的 API。與其要求 agent 從螢幕截圖或原始頁面文字推斷它可以點擊或填寫什麼，不如直接回傳一份 JSON manifest，描述可用動作、所需欄位，以及圍繞這些動作的頁面導覽。

這個產品的目標受眾是正在打造需要與真實網站互動的 agent 的開發者。網站將 Manifest 定位為瀏覽器存取與任務執行之間的中介層：它會辨識按鈕、輸入框、表單與相依關係，讓 agent 能夠理解頁面並在不依賴手寫 selector 的情況下採取行動。

Manifest 的功能

以瀏覽器讀取頁面

在真實的 Chromium 瀏覽器中、JavaScript 執行完成後開啟 URL，因此回傳內容反映的是已渲染頁面，而非原始 HTML。

無障礙樹分析

使用無障礙樹以與輔助技術相同的方式辨識元素，協助理解頁面上有哪些控制項以及它們的用途。

DOM 交叉檢查

交叉比對 DOM，以擷取無障礙樹可能漏掉的細節，包括必填欄位、輸入類型、placeholder、停用狀態與相依條件。

結構化動作輸出

回傳包含動作、需求、相依性與導覽資訊的結構化 JSON manifest，可供 agent 直接使用。

確定性 locator 解析

在模型辨識出動作後，以確定性的方式解析 locator，並將歧義匹配標記為不確定，而不是猜測。

可直接上線的 API 流程

提供具備驗證、健康狀態與 session 狀態端點，以及針對重複 URL 請求的快取機制的文件化 API。

Manifest 的適用情境

Agent 頁面理解
當 agent 需要先判斷網頁上有哪些可用控制項，以及每個控制項的作用，再嘗試執行動作時，使用 Manifest。
表單填寫流程
用於填寫與提交表單等流程，因為 agent 必須知道哪些欄位是必填，以及提交按鈕是否依賴這些欄位。
具備導覽感知的 agent
在需要沿著網站導覽，同時以結構化方式追蹤頁面互動元素的系統中使用它。
免 selector 自動化
用來降低對手動維護 CSS selector 的依賴，特別適合經常改版、容易讓脆弱自動化失效的網站。

Pros and Cons

Pros

將 URL 轉換為描述可用動作與必要輸入的結構化 JSON。
使用真實瀏覽器以及無障礙樹加上 DOM 細節，比純文字擷取更具體。
包含相依資訊，例如在提交動作有效前必須先完成的欄位。
文件記載了驗證、速率限制、快取、健康狀態與 session 狀態端點。
針對頁面隨時間變動、selector 容易失效的 agent 工作流程而設計。

Cons

來源沒有顯示整合清單或已封裝的連接器，因此除了 API 之外的設定細節並不明確。
文件提到歧義匹配可能會被標記為不確定，這表示並非每個頁面元素都能保證乾淨地解析。

FAQ

Manifest 是什麼類型的產品？

Manifest 是一款將網頁轉成 AI agent 可用的結構化動作，讓開發者能以結構化方式理解網頁上的可用操作。它專為需要與真實頁面互動的 agent 而設計，而不只是讀取文字。

這個 API 在高層次上如何運作？

文件顯示有一個 POST /manifest 端點，接受一個 URL，並回傳包含頁面狀態、可用動作與導覽連結的 JSON 回應。

Manifest 在回應中會回傳什麼？

輸出包含 actions、其標籤與類型、是否必填，以及必須先完成的動作之相依資訊等欄位。

有文件記載的操作限制或錯誤情況嗎？

來源說明了 Browser session unavailable 錯誤，並指出 API 預設會快取 6 小時，於該時間範圍內的重複請求會直接從快取提供。

Manifest 是為誰設計的？

關於頁面指出 Omfang AB 是一家瑞典小型公司，正在為 agentic web 建置基礎設施，而 Manifest 則是為需要與網頁互動的 AI agent 開發者所設計。

Quick Facts

類別: 開發者工具
主要使用者: 開發 AI agent 的開發者
產品形式: API
核心輸出: 結構化 JSON 動作 manifest
網站: omfang.io
公司: Omfang AB