E2LLM / SiFR

E2LLM — AI 向けの構造化されたブラウザー認識

E2LLM は、ライブウェブページを SiFR に変換します。ページ上に何があり、それが何を意味し、何ができるのかを表す、コンパクトで構造化された LLM 可読モデルです。 認識こそが製品です。必要なときには操作も利用できます。常に明示的に実行し、必ず承認を求めます。

普段お使いの AI と連携する、ホスト型のリモート MCP サーバーとして動作します。ローカルサーバーを実行する必要はありません。ブラウザー拡張機能が、現在お使いのブラウザーをサーバーに接続するため、すでにサインインしている 実際の ブラウザー上で認識と操作を行います。

---

E2LLM はエージェントではありません

これは重要なので、最初に説明します。

エージェントは、自ら判断して行動します。ユーザーが介在することなく、計画を立て、処理を繰り返し、目標に向かって手順を進めます。その自律性は攻撃対象領域にもなります。何でもできるエージェントランタイムは、何をさせる方向にも誘導できます。

E2LLM はエージェントではなく、認識レイヤーです。 ブラウザーを認識するための「感覚」をモデルに提供します。sifr_capture による構造化された視覚情報と、個別に承認が必要な限定的なアクチュエーター群です。E2LLM は計画も、処理の反復も、判断もしません。推論はすでにお使いのモデルが行います。E2LLM はページの状態を報告し、明示的な指示を一度に 1 つ実行するだけです。隠れた自律性も、自発的に進める手順も、目を離している間に動作する処理もありません。

認識基盤と自律型ランタイムの区別こそが、設計のすべてです。

---

機能

	ツール	機能
🔎	sifr_capture	ページを SiFR ドキュメントとして取得します
🔎	query	タグ、顕著性、テキスト、セレクターを使って現在の取得結果を絞り込みます
🔎	inspect	1 つの要素の詳細をすべて表示します。セレクター、属性、スタイル、ボックス
🔎	read_page	ページのテキストを読み取り順に Markdown として読み取ります
🔎	list_tabs	開いているブラウザータブを一覧表示します
🖐	act	明示的な操作を 1 つ実行します。クリック、入力、選択、移動、ドラッグ、新しいタブを開く、貼り付け
🖐	batch_act	計画した一連の操作を実行し、その後 1 回だけ状態を確認します（例：フォームへの入力と送信）
🖐	explore	スクロール、ホバー、再取得を行います。読み取り専用で、何も変更しません
🖐	close_tab	タブを閉じます

9 つのツールのうち、🔎 の 5 つは認識のみを行い、🖐 の 4 つは操作を行います。そのうちページの状態を変更するのは act、batch_act、close_tab で、explore は読み取りのみです。ツール一覧は server.json にあります。パラメーターの完全なスキーマは、接続時にライブサーバーから取得できます。認識ツールはページの状態を変更しません。状態を変更するツールは、それぞれ実行前に確認を求めるように設定できます（安全性 を参照）。

---

SiFR とは何か、そして一見して想像するものとは違う理由

SiFR（Single-File RAG。発音は「シーファー」）は、ライブインターフェースの状態を扱う自己完結型の検索アーティファクトです。モデルが読み取れ、ノードを指定でき、段階的にクエリでき、上位の推論システムから独立しています。E2LLM は、実際のブラウザー向けのリファレンス実装です。

• DOM のダンプではありません。 ダンプはツリーをそのままシリアライズします。つまり、ドキュメント順にすべてを出力し、ノイズも含みます。SiFR は選択して順位付けします。すべてのノードの顕著性をスコアリングし、足場となる要素を取り除いたうえで、残った要素をリレーショナルモデルに平坦化します。構造はネストの深さではなく、明示的な関係で表現されます。
• アクセシビリティツリーではありません。 a11y ツリーは支援技術向けに導出され、ARIA を基準とし、ラベルのないものは認識できず、ページ上で何が最も重要かも考慮しません。SiFR は言語モデル向けに構築されています。顕著性に基づいて順位付けし、重要なものを先頭に配置し、エージェントが操作に必要とするセレクターを保持します。a11y ツリーにはそのどれもありません。
• スクリーンショットではありません。 SiFR はピクセルではなく、ライブレンダリングされた DOM、計算済みスタイル、ジオメトリ、実行時の状態から、機械可読な知覚情報を導出します。キャプチャは、エビデンスアーティファクトに記載されたバージョンと条件のもとで観測されたページの状態を記録します。

その結果得られるのはシリアライズではなく、知覚レイヤーです。ページがどのようなものか、そこで何ができるか、その構成要素がどう関係しているかを、モデルが必要な情報に最初にたどり着けるよう先頭に配置します。sifr_capture は、ドキュメント全体より先に約 5～15 KB の概要（メタデータと顕著性の高い要素）を返すため、すぐに読み始められます。

• 📄 SIFR.md — フォーマット仕様
• 🔤 TAXONOMY.md — 顕著性の階層、ID プレフィックス、関係とカテゴリのタイプ
• 📚 examples/ — 公開ページの実際のキャプチャ
• 🗓 CHANGELOG.md — v1 → v2 → v3 のフォーマットの変遷（現在：v3）

SiFR を活用したプロンプトのレシピや自動化ワークフローについては、 awesome-e2llm-prompts をご覧ください。コミュニティによるレシピ集で、SiFR の正式な仕様はこちらを参照先としています。

---

3 ステップでインストール

1. e2llm.com でセットアップします。 アカウントを作成して、ブラウザー拡張機能をインストールします。拡張機能が現在のブラウザーをサーバーに接続することで、すでにサインインしているセッション内で AI が認識し、操作できるようになります。（お使いのマシン上で動作するのはこの部分だけです。ローカルサーバーはありません。）

2. E2LLM を MCP クライアントに追加します。 1 行で設定できます。clients/ からクライアントを選ぶか、対話型 OAuth ログインの場合は以下を貼り付けてください。

{
  "mcpServers": {
    "e2llm": {
      "url": "https://mcp.e2llm.com/mcp",
      "type": "http"
    }
  }
}

対話型ログインが使えない CLI / CI では、https://api.e2llm.com/mcp に Authorization: Bearer mk_… ヘッダーを付けて静的キーを使用します。クライアントごとの詳しい手順については、clients/README.md をご覧ください。

3. AI にページ上で操作するよう依頼します。 たとえば次のように頼みます。

「今開いているページを開いて、検索ボックスを見つけ、未解決の課題で絞り込んでください。」

アシスタントはページを認識するために sifr_capture を呼び出し、次に act で操作します。実際のブラウザー上で、明示的な手順を 1 つずつ実行します。

---

モデルに作業規律を教える — スキル

ツールの説明は各ツールが何をするかをモデルに伝えますが、うまく作業する方法については意図的に説明しません。その作業規律は、次の 2 つのエージェントスキルとして提供されています。

スキル	対象	内容
e2llm	ライブブラウザーの操作	ペアリングの確認、説明の前にキャプチャ、1 つの操作の後に再観察、返された差分に基づく報告、信頼できないページコンテンツ、カーソルの処理
sifr	保存済みキャプチャファイルの読み取り	セクション、簡潔な ID、重要度の階層、プリセット、構造パターン、jq のレシピ

使用するエージェントに、次の 1 行で両方をインストールできます。

npx skills add e2llm/e2llm-sifr

これは 77 以上のエージェントで動作します。Claude Code、Codex、そして Agent Skills のレイアウトに従うその他すべてのエージェントに対応しています。Codex を明示的に指定するには -a codex を追加し、1 つだけインストールするには --skill e2llm を指定します。

ほかの方法：

• Codex CLI — npx skills add e2llm/e2llm-sifr -a codex、または $skill-installer のフローを使用します。
• 手動 — スキルのディレクトリを ~/.claude/skills/（すべてのプロジェクト）またはプロジェクトの .claude/skills/ にコピーします。e2llm ツールまたは SiFR ドキュメントが登場すると、自動的に読み込まれます。
• その他のクライアント — スキルの内容をエージェントの指示に含めます（例：AGENTS.md）。

---

安全性と承認モデル

知覚機能は設計上読み取り専用です。5 つの 🔎 ツールはページの状態を変更できないため、ページを見ることは常に安全です。

操作できるのは 4 つの 🖐 ツールだけで、意図的に機能を限定しています。「何でもできる」ツールは存在しません。状態を変更する各ステップは、セッションの設定に応じて承認を必須にできます。セッションの設定によっては、操作の実行前に一時停止し、確認を待ちます。操作は明示的な指示ごとに 1 つずつ実行され、自律的なループで実行されることはありません。

セキュリティに関する報告と、セーフハーバーを設けた脆弱性開示プログラムについては、e2llm.com/security/disclosureをご覧ください。SECURITY.mdも参照してください。

---

データの取り扱い

ページコンテンツは要求に応じてキャプチャされ、MCP クライアントに届くまで E2LLM リレーを経由します。セッション関連データは限られた期間保持され（プライバシーポリシーを参照）、パスワード形式のフィールドは保存前にマスキングされます。リレーは、ページ由来のすべてのコンテンツを信頼できない外部データとして扱うため、後続のモデルはページのテキストを指示ではなくデータとして扱います。詳細については、プライバシーポリシー · 利用規約をご覧ください。

---

互換性

E2LLM は標準の MCP に対応しているため、準拠するあらゆるクライアントで動作します。Claude、ChatGPT、Codex、Perplexity、Grok、Manusでの動作を確認済みです。Cursor、VS Code、Clineなど、その他の MCP クライアントでも動作するはずです。テストした場合は、メモまたは PR をお寄せください。

---

リポジトリの内容

このリポジトリは、SiFR 形式と E2LLM MCP サーバーインターフェースの正式な仕様を記述する場所です。形式と接続方法を説明しています。キャプチャエンジン、ブラウザー拡張機能、サーバーは別のホスト型製品で、e2llm.comで稼働しています。

パス	内容
SIFR.md	SiFR 形式の仕様
TAXONOMY.md	SiFR の統制語彙
server.json	MCP サーバーマニフェスト（トランスポート、認証、ツール一覧）
.mcp.json	すぐに使える MCP クライアント設定（OAuth エンドポイント）
skills/	SIFR スキル — ツールを操作するモデルの作業規律
clients/	クライアントごとの接続設定
examples/	実際の公開ページのキャプチャ
SECURITY.md	セキュリティポリシーと開示プログラム
CHANGELOG.md	形式のバージョン履歴

ライセンス

MIT。このリポジトリのフォーマット仕様、マニフェスト、サンプル、クライアント設定はオープンです。キャプチャエンジンとサーバーは、別個のホスト型製品です。