jev-ultrafast es un agente de navegador que opera con un espacio de acción dinámico e indexado, diseñado para ejecutar tareas complejas mediante un solo objetivo en lenguaje natural. A diferencia de los agentes tradicionales que generan texto constantemente, este sistema utiliza un modelo de lenguaje pequeño (LLM) únicamente para la operación de generación de texto (TYPE_TEXT), reduciendo significativamente el consumo de recursos y el tiempo de ejecución. La arquitectura se basa en una solicitud de TypeSafe que identifica la operación y el elemento objetivo, permitiendo una interacción eficiente con el navegador.
El sistema procesa cada observación generando una nueva tabla de elementos, lo que permite una adaptación en tiempo real a la estructura de la página. Las operaciones soportadas incluyen CLICK, TYPE_TEXT, SELECT, SCROLL_UP, SCROLL_DOWN, WAIT y DONE. Un caso de uso destacado es la búsqueda de vuelos en Google Flights, donde el agente completó la tarea en 7,1 segundos, incluyendo tiempos de carga, utilizando un modelo de texto específico. La herramienta destaca por su eficiencia en la comunicación con el navegador, minimizando las llamadas al protocolo de navegador mediante la verificación de resultados independientes y la gestión de estados atómicos.
La implementación requiere la configuración de claves API para TypeSafe y el modelo de texto, y se ejecuta mediante Python con la librería uv. Incluye un inspector local para el desarrollo y pruebas, así como ejemplos de código para tareas como la búsqueda de vuelos o la apertura de artículos en Wikipedia. El proyecto está diseñado para ser una herramienta de referencia para desarrolladores que buscan optimizar la interacción entre agentes de IA y navegadores, ofreciendo una alternativa más rápida y eficiente que los enfoques basados en capturas de pantalla tradicionales.