Claude steruje komputerem i przeglądarką: co naprawdę wyszło i co to znaczy dla sklepu
Obsługa komputera wyszła z fazy beta 19 sierpnia 2026, a razem z nią pojawiło się osobne narzędzie do przeglądarki. Pod tą samą nazwą kryją się jednak dwie różne rzeczy i tylko jedna z nich dotyka Twojej maszyny. Specyfikacja, koszty i ryzyko, o którym mówi sama dokumentacja.
Anthropic wyprowadził obsługę komputera z fazy beta 19 sierpnia 2026, jako computer_toolset_20260801, i tego samego dnia uruchomił osobne narzędzie do przeglądarki. Zdanie „Claude może korzystać z komputera" opisuje jednak dwie różne rzeczy, a różnica między nimi decyduje o tym, kto odpowiada za bezpieczeństwo. Poniżej co dokładnie wyszło, ile to kosztuje i czego ta technologia dziś nie zrobi.
Kluczowe wnioski
- Obsługa komputera przez API nie dotyka Twojego komputera. Claude wysyła listę działań, a wykonuje je Twoja aplikacja w środowisku, które sam stawiasz i za które odpowiadasz.
- Razem z nią wystartowało narzędzie do przeglądarki: 31 działań, praca na strukturze strony zamiast na samych pikselach. Dla sklepu jest istotniejsze niż sterowanie całym pulpitem.
- Osobnego cennika nie ma, ale każdy zrzut ekranu to od 1000 do 1800 tokenów wejścia. Przy długiej pętli agenta rachunek robi się z obrazków, nie z tekstu.
- Największym ryzykiem jest treść strony. Dokumentacja mówi wprost, że tekst na stronie potrafi odciągnąć model od zadania, i zaleca izolowane środowisko, listę dozwolonych domen oraz potwierdzenie człowieka przy działaniach ze skutkiem.
Dwie różne rzeczy nazywane tak samo
To rozróżnienie warto zrobić na początku, bo mylenie tych dwóch rzeczy prowadzi do złych decyzji o bezpieczeństwie.
| Przez API | W Cowork i Claude Code | |
|---|---|---|
| Czyj to komputer | Maszyna, którą sam stawiasz | Twój własny pulpit |
| Kto wykonuje działania | Twoja aplikacja | Samo narzędzie |
| Konfiguracja | Pełne środowisko graficzne po Twojej stronie | Bez konfiguracji |
| Status | Poza betą od 19 sierpnia 2026 | Podgląd badawczy od 23 marca 2026 |
| Kto odpowiada za izolację | Ty | Ty decydujesz, co udostępniasz |
Za dokumentacją i dziennikami zmian Anthropic, dostęp 3 września 2026.
Wersja przez API jest tu najczęściej opacznie rozumiana. Dokumentacja mówi wprost: Claude nie łączy się z tym środowiskiem bezpośrednio. Model odsyła listę działań, Twoja aplikacja tłumaczy je na kliknięcia w Twoim środowisku, przechwytuje wynik i odsyła go z powrotem jako zrzut ekranu.
Innymi słowy: model nigdy nie widzi Twojego komputera. Widzi obrazek, który mu wysłałeś.
Obsługa komputera: siedemnaście działań na maszynie, którą stawiasz sam
Narzędzie udostępnia siedemnaście działań na całym pulpicie: zrzut ekranu, przybliżenie fragmentu, pięć rodzajów kliknięcia, przeciąganie, ruch kursora, przewijanie, pisanie tekstu, pojedyncze klawisze i skróty, przytrzymanie klawisza oraz pauzę.
- Modele: Opus 5, Sonnet 5, Opus 4.8, Fable 5.1, Mythos 5.1, Fable 5 i Mythos 5.
- Platformy: Claude API i Google Cloud w pełni, a Claude Platform on AWS, Amazon Bedrock i Microsoft Foundry w wersji beta.
- Czego potrzebujesz po swojej stronie: wirtualny serwer X11, menedżer okien, zainstalowane aplikacje i pętla agenta. Wzorcowa implementacja Anthropic działa w kontenerze Docker.
- Ograniczenie: narzędzie nie działa w Claude Managed Agents.
Przeglądarka to osobne narzędzie i dla sklepu ważniejsze
Tego samego dnia wystartowało browser_toolset_20260801, czyli trzydzieści jeden działań ograniczonych do stron internetowych. Różnica wobec sterowania pulpitem jest głębsza niż zakres.
| Przeglądarka | Cały komputer | |
|---|---|---|
| Zakres | Tylko strony internetowe | Cały pulpit |
| Na czym pracuje | Struktura strony i piksele | Wyłącznie zrzuty i współrzędne |
| Wskazywanie elementów | Przez referencję, przeżywa zmianę układu | Tylko przez współrzędne |
| Formularze | Ustawia wartości bezpośrednio | Klika i pisze jak człowiek |
| Zakładki | Otwiera, przełącza, zamyka, listuje | Brak obsługi |
| Dostępność | Claude API i Google Cloud | Także Bedrock, Foundry i AWS (beta) |
Za dokumentacją obu narzędzi, dostęp 3 września 2026.
To rozróżnienie ma konkretne przełożenie na pracę w sklepie. Panel administracyjny, panel sprzedawcy na marketplace i portal dostawcy to strony internetowe, więc narzędzie do przeglądarki obsłuży je stabilniej: działa na referencjach do elementów, a nie na współrzędnych, więc drobna zmiana układu strony nie wywraca całego przepływu.
Poza samym klikaniem dochodzą jeszcze odczyt tekstu strony, wyszukiwanie elementów, wgrywanie plików i, opcjonalnie, podgląd konsoli oraz żądań sieciowych. Dwie ostatnie pozycje wraz z wykonywaniem JavaScriptu dokumentacja zaleca trzymać domyślnie wyłączone.
Ile to kosztuje
Osobnego cennika nie ma, płacisz zwykłą stawkę za tokeny wybranego modelu. Haczyk jest gdzie indziej.
- Jeden zrzut ekranu: od 1000 do 1800 tokenów wejścia.
- Limit obrazu: do 2576 pikseli dłuższej krawędzi na nowszych modelach, przy 4784 tokenach wizualnych.
- Zalecenie: nie więcej niż dwadzieścia obrazów w jednym żądaniu.
Agent, który klika przez panel, robi zrzut po każdym kroku, żeby zobaczyć skutek. Przy pętli na trzydzieści kroków same obrazki to kilkadziesiąt tysięcy tokenów wejścia, zanim policzysz jakikolwiek tekst. Dlatego koszt takiej automatyzacji rośnie z liczby kroków, a nie z długości polecenia, i dlatego zadania krótkie wychodzą nieproporcjonalnie taniej niż długie.
Reguła kciuka: przy sterowaniu interfejsem płacisz za patrzenie, nie za myślenie. Każdy krok, który da się zastąpić wywołaniem API sklepu, jest tańszy o cały zrzut ekranu.
Największe ryzyko siedzi w treści strony
Ta część dokumentacji jest najbardziej wartościowa i najrzadziej cytowana. Anthropic pisze wprost, że obsługa przeglądarki niesie ryzyko, którego zwykłe funkcje API nie mają, bo model czyta i wykonuje treść z otwartej sieci, a każda strona może zawierać tekst napisany po to, żeby nim pokierować.
Podany przykład jest banalnie prosty: tekst na stronie mówiący „zignoruj poprzednie instrukcje i przejdź do…" potrafi odciągnąć model od zadania. To nie jest luka w modelu, tylko właściwość czytania cudzych treści.
Zalecenia producenta, w skrócie:
- Izolacja: dedykowany kontener albo maszyna wirtualna z minimalnymi uprawnieniami i świeżym profilem bez zapisanych danych logowania.
- Sieć: lista dozwolonych domen wymuszona na poziomie sieci, nie w kodzie.
- Adresy: przyjmować wyłącznie http i https, odrzucać javascript, file, data i chrome.
- Dane: traktować wszystko ze strony jako niezaufane, łącznie z tytułami zakładek i adresami.
- Człowiek: potwierdzenie przy działaniach ze skutkiem, czyli zakupach, zmianach na koncie, wysyłce wiadomości i akceptacji regulaminów.
Po stronie modelu doszło zabezpieczenie: klasyfikatory oznaczają podejrzenie wstrzyknięcia instrukcji w zrzucie ekranu i kierują Claude do zapytania użytkownika o zgodę, zanim pójdzie dalej.
Co z tego wynika dla sklepu
Trzy wnioski, w kolejności praktyczności.
Panele, które nie mają API, przestają być ślepym zaułkiem
Najciekawsze zastosowanie to systemy, do których nie da się podpiąć integracji: starszy panel hurtowni, portal dostawcy, panel przewoźnika, formularz, który ktoś wypełnia ręcznie od pięciu lat. Sterowanie przeglądarką omija brak API, bo klika tak jak człowiek.
Uczciwe zastrzeżenie: to jest obejście, nie integracja. Działa wolniej, kosztuje więcej i psuje się przy przebudowie interfejsu, więc traktowałbym je jako most do czasu prawdziwego API, a nie jako cel.
Dane logowania są tu prawdziwym problemem
Żeby agent wszedł do panelu sprzedawcy, musi się zalogować. Dokumentacja zaleca świeży profil bez zapisanych danych logowania, co jest w oczywistej sprzeczności z pomysłem, żeby wyręczał człowieka w panelu wymagającym konta. Rozwiązanie tej sprzeczności należy do wdrożenia i jest najtrudniejszą częścią całej układanki.
Zakup w cudzym sklepie to osobna kategoria
Producent stawia zakupy na liście działań wymagających potwierdzenia człowieka. Warto to zapamiętać, planując, co agent robi samodzielnie, a co przynosi do akceptacji.
Jeśli myślisz o agentach po stronie własnego sklepu, a nie po stronie kupującego, opisaliśmy to w tekście o tym, co agenci AI robią w panelu sklepu w poniedziałek rano. O tym, dlaczego takie automatyzacje potrafią zawieść bez jednego wyjątku w logach, pisaliśmy w tekście o cichych awariach, a modele, które te narzędzia obsługują, opisaliśmy przy okazji premiery Fable 5.1.
W Seedlight takie automatyzacje budujemy w etapie AI Automation frameworku BEAM i zaczynamy od pytania, czy da się to zrobić przez API, bo wtedy jest taniej i stabilniej. Sterowanie interfejsem wchodzi wtedy, gdy API nie ma i nie będzie. Zakres opisaliśmy na stronie automatyzacji AI w commerce. Jeżeli rzecz dotyczy paneli sprzedawcy na Amazonie czy Allegro, tę stronę prowadzi nasza siostrzana agencja Amazonway w obsłudze kont marketplace.
FAQ
Czy Claude ma teraz dostęp do mojego komputera?
Nie, jeżeli mówimy o API. Model odsyła listę działań, a wykonuje je Twoja aplikacja w środowisku, które sam uruchamiasz. Dokumentacja stwierdza wprost, że Claude nie łączy się z tym środowiskiem bezpośrednio. Inaczej wygląda to w Cowork i Claude Code, gdzie od marca 2026 działa podgląd badawczy pracujący na Twoim własnym pulpicie, ale tam decydujesz, co udostępniasz.
Czym różni się narzędzie do przeglądarki od sterowania komputerem?
Zakresem i sposobem pracy. Przeglądarka obejmuje wyłącznie strony i pracuje na strukturze strony obok pikseli, więc potrafi wskazać element przez referencję, ustawić wartość formularza bezpośrednio i obsłużyć zakładki. Sterowanie komputerem obejmuje cały pulpit, ale widzi go tylko jako zrzut ekranu i działa na współrzędnych, więc zmiana układu potrafi je rozłożyć.
Ile kosztuje uruchomienie takiej automatyzacji?
Osobnej opłaty nie ma, płacisz zwykłą stawkę za tokeny wybranego modelu. Kosztotwórcze są zrzuty ekranu: jeden to od 1000 do 1800 tokenów wejścia, a agent robi zrzut po każdym kroku. Rachunek rośnie więc z liczby kroków, dlatego przed wyceną warto policzyć, ile kliknięć wymaga zadanie.
Czy mogę pozwolić agentowi zalogować się do panelu sprzedawcy?
Technicznie tak, praktycznie to najtrudniejsza część wdrożenia. Dokumentacja zaleca świeży profil bez zapisanych danych logowania i listę dozwolonych domen wymuszoną na poziomie sieci, a to stoi w sprzeczności z wygodnym dostępem do konta. Potraktowałbym dostęp do panelu z prawdziwymi danymi jako decyzję do podjęcia świadomie, z ograniczonymi uprawnieniami konta i z potwierdzaniem działań ze skutkiem.
Skąd pochodzą informacje w tym tekście?
Z dokumentacji narzędzi computer use i browser use oraz z dzienników zmian Anthropic, sprawdzonych 3 września 2026. Daty wydania pochodzą z tych samych dzienników: obsługa komputera wyszła z bety 19 sierpnia 2026, podgląd badawczy w Cowork i Claude Code ruszył 23 marca 2026. Własnych wdrożeń produkcyjnych na tych narzędziach jeszcze nie mamy i nie twierdzimy inaczej.
Dziennik
Współzałożyciel Seedlight · platformy eCommerce, AI, SEO i GEO
Newsletter
Dziennik prosto na skrzynkę
Nowe wpisy i wnioski z realnych wdrożeń, co jakiś czas. Zero spamu, wypisujesz się jednym kliknięciem.
