OpenAIエージェント CAPTCHAソルバー: ツールコールコードガイド

TL;DR

• OpenAIエージェントのCAPTCHAソルバーは、CapSolverのAIエージェントスタックを明示的な復元層として使用する必要があります。隠れた再試行ロジックではなく、です。
• capsolver-coreはPlaywrightスクリプトに適しており、capsolver-agentはツールコールエージェントに適しており、capsolver-mcpはMCP互換クライアントに適しています。
• 安全なパターンは、検出、パラメータの読み取り、制限付き再試行で一度解決し、戻り値を記録してレビューするものです。
• エージェントは、タスクの範囲が変化した場合、ページが制限アクセスを要求した場合、またはチャレンジ処理が進展しないまま繰り返された場合に停止する必要があります。

イントロダクション

OpenAIエージェントのCAPTCHAソルバーの内容は、ツールコールがモデルループに入り、出る仕組みを示すべきです。CapSolverはドキュメント化されたエージェント機能として接続されるべきです。ブラウザまたはモデルが検証チャレンジを検出すると、承認されたツールが処理し、エージェントは元のユーザー承認タスクが有効である場合にのみ再開されます。公式のCapSolver AIドキュメントには、3つの実用的なレイヤーが記載されています。CapSolver for AI Agentsはアーキテクチャを、Core SDKブラウザモードはPlaywrightフローを、エージェントツールスキーマはモデル制御コールを、MCPサービスツールはモデルコンテキストプロトコルでツールを検出するクライアントをそれぞれカバーしています。この記事では、コード、停止ルール、ログフィールドを備えた本格的なOpenAIエージェントCAPTCHAソルバーのワークフローにこれらのドキュメントを変換します。

公式CapSolver AIパッケージの使用

CapSolver AIドキュメントは3つのレイヤーを説明しています。所有モデルに合致する最も低いレイヤーを使用してください。ブラウザをコードが制御する場合はCore SDK、モデルがツールコールのタイミングを決定する場合はエージェントツール、AIクライアントが自動的にソルビングツールを検出する場合はMCPサービスを使用してください。

pip install "capsolver-core[playwright] @ git+https://github.com/capsolver-ai/capsolver-core.git"
pip install git+https://github.com/capsolver-ai/capsolver-agent.git
pip install "capsolver-mcp[browser] @ git+https://github.com/capsolver-ai/capsolver-mcp.git"
playwright install chromium
export CAPSOLVER_API_KEY="your-capsolver-api-key"

イントロダクションとクイックスタートでは、パッケージの役割が説明されています。capsolver-coreはエンジンを公開し、capsolver-agentはそれをツールとしてラップし、capsolver-mcpは同じ機能をMCPクライアントに公開します。APIキーは環境設定に保持し、プロンプト、ログ、スクリーンショット、記事の例に含めないでください。

OpenAIエージェントのツールコール契約

OpenAIエージェントワークフローは、一般的なブラウザの再試行の中にチャレンジ処理を隠してはなりません。モデルはツールを受け取り、実行者は選択されたCapSolverツールを実行し、アプリケーションは元のタスクが継続可能かどうかを確認します。

def should_continue_after_tool(result):
    if not result.get("success"):
        return False
    if result.get("error"):
        return False
    return True

この決定をプロンプトの外に保ちます。モデルはsolve_captchaまたはブラウザページアクションを要求するかもしれませんが、あなたのコードがポリシーを所有する必要があります。

モデル制御決定のエージェントツールパターン

モデルがチャレンジ処理が必要なタイミングを決定する場合、capsolver-agentを使用してください。エージェントツールガイドはget_all_tools()を通じてツール定義を公開し、create_executor()を通じてモデルのツールコールをルーティングします。

import json
from openai import OpenAI
from capsolver_agent.schema import create_executor, get_all_tools

client = OpenAI()
executor = create_executor(api_key="YOUR_CAPSOLVER_KEY", default_timeout=120)
tools = [tool.to_openai_function() for tool in get_all_tools()]

messages = [{
    "role": "user",
    "content": "承認されたブラウザタスクを続行してください。CAPTCHAが表示されたら、一度CapSolverツールを呼び出して結果を報告してください。"
}]

async def run_one_turn():
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
        tools=tools,
    )

    for call in response.choices[0].message.tool_calls or []:
        args = json.loads(call.function.arguments)
        result = await executor.execute(call.function.name, args)
        messages.append({
            "role": "tool",
            "tool_call_id": call.id,
            "content": json.dumps(result),
        })

OpenAIエージェントCAPTCHAソルバーでは、このツールパスをレビューインポリシーにバインドしてください。モデルはツールを要求できますが、あなたのアプリケーションが許可されたURLの範囲、最大試行回数、および結果がタスクの継続に使用できるかどうかを決定します。

AIクライアントのMCPサービスパターン

エージェントがMCP互換クライアント内で実行される場合、capsolver-mcpを使用してください。MCPサービスガイドはstdio、SSE、ストリーマブルHTTPトランスポートをドキュメント化し、solve_captcha、detect_captchas、solve_on_page、get_balance、get_supported_captchasなどのツールをリストアップしています。

capsolver-mcp --transport streamable-http --host 127.0.0.1 --port 8000

{
  "mcpServers": {
    "capsolver": {
      "command": "capsolver-mcp",
      "env": {
        "CAPSOLVER_API_KEY": "YOUR_CAPSOLVER_KEY"
      }
    }
  }
}

OpenAIエージェントCAPTCHAソルバーでは、複数の開発者が異なるクライアントを使用するが、1つのレビューされたツール表面が必要な場合、MCPが最も強力です。サービス名を安定させ、キーをプロンプト外に保存し、リクエストID、ターゲットURL、チャレンジタイプ、試行回数、最終状態を含むツールコールをログに記録してください。

CapSolverボーナスコードを引き換える

自動化予算を即座に増やす！
CapSolverアカウントにチャージする際にボーナスコードCAP26を使用すると、毎回チャージで5%のボーナスが得られます。制限はありません。
今すぐCapSolverダッシュボードで引き換えてください。

エージェントループに属するガードレール

範囲チェック

どのチャレンジツールを呼び出す前に、ユーザーがタスクを承認したことを確認し、ターゲットが承認されたドメインリスト内にあることを確認し、アクセスしているデータが公開されているか、それ以外の許可があることを確認してください。OpenAIエージェントCAPTCHAソルバーのワークフローでは、技術的機能を許可として扱ってはなりません。

再試行制限

小さな再試行予算を使用してください。1つのブラウザ状態の再試行と1つのクールダウン再試行で通常十分です。繰り返されるチャレンジイベントは、静かに継続する代わりにレビュー用のチケットを作成する必要があります。

観測可能性

URL、タイムスタンプ、チャレンジタイプ、CapSolverパッケージのパス、試行回数、結果状態、最終的なページ状態をキャプチャしてください。ポリシーが明示的に許可しない限り、関係のないページコンテンツ、資格情報、セッションシークレット、個人データを保存しないでください。

OpenAIエージェントCAPTCHAソルバーでは、運用を法的かつ証拠に基づいて保つようにしてください。HTTPステータスコードの動作、アクセシビリティ要件、プライバシーリスク管理、および公開データの管理を尊重してください。

結論

強力なOpenAIエージェントCAPTCHAソルバーの記事は、実際の実装パスを示すべきであり、強力な製品ワークフローも同様であるべきです。実用的な選択は単純です。コード所有のブラウザ自動化にはcapsolver-coreを使用し、ツールコールエージェントにはcapsolver-agentを使用し、MCP互換クライアントにはcapsolver-mcpを使用してください。チャレンジ処理を制限し、ログに記録し、法的ユーザー承認作業に関連付けてください。あなたのチームがエージェントワークフローにこの復元層を追加する準備ができたら、CapSolverと公式のAIエージェントドキュメントから始めてください。

FAQ

AIエージェントが最初に使用すべきCapSolverパッケージはどれですか？

アプリケーションがブラウザコードを所有している場合はcapsolver-coreを使用し、モデルがツールをコールする場合はcapsolver-agentを使用し、AIクライアントがMCPを通じてツールを検出する場合はcapsolver-mcpを使用してください。

モデルがすべてのCAPTCHA再試行を決定すべきですか？

いいえ。モデルはツールコールを要求できますが、アプリケーションが範囲、再試行制限、および停止条件を強制する必要があります。

このワークフローはプライベートまたは制限付きデータで使用できますか？

いいえ。CAPTCHA処理は許可を提供しません。サイトの利用規約とデータ権を尊重する法的で合理的なユーザー承認ワークフローでのみ使用してください。

レビューのためにログに記録すべき内容は何ですか？

ソースURL、チャレンジタイプ、ツールパス、試行回数、結果状態、および最終的なページ状態をログに記録してください。資格情報や関係のないページコンテンツはログに含めないでください。