AI エージェント向け CapSolver

あなたのエージェントは、ブラウズし、クリックし、入力できます。しかし現実世界のタスクの多くは、人間確認の壁で止まります。reCAPTCHA、Cloudflare Turnstile、デバイスフィンガープリント確認などです。それ以外は完璧な複数ステップの実行でも、そこで停止してしまいます。CapSolver は既存のワークフロー内でその壁をインラインに突破し、制御をそのままエージェントへ返すことで、タスクを完了させます。

このページでは、それが実務上何を意味するのか、CapSolver がエージェントスタックのどこに入るのか、そしてどの統合パスを選ぶべきかを説明します。すぐにコードへ進みたい場合は、Introduction and Quick Start、Core SDK、Agent Tools、MCP Service を参照してください。

本番環境でのギャップ

エージェントはデモでは見事に動きます。デモでは、エージェントが航空券を予約し、リードをエンリッチし、書類を取得します。しかし本番環境では、確認チャレンジに到達した瞬間に、チームの誰かが介入しなければなりません。同じ失敗は、次の四つの形で現れます。

• ワークフローの中断: たった一つの確認チャレンジが、それ以外は完了している複数ステップのタスクを止めてしまいます。
• 手動フォールバック: チームは「自律的」なエージェントを密かに見守り、ブロックされるたびに介入することになります。
• 復旧レイヤーの欠如: ブラウザエージェントはクリックと入力はできますが、確認が発生したときにループを閉じる仕組みがありません。
• 可観測性の欠如: 本番環境には、リクエスト ID、リトライ、明確なエラー状態が必要です。ブラックボックスから返されるトークンだけでは足りません。

CapSolver が実施した実世界でのテストでは、エージェントタスクのかなりの割合、約 30% 以上が CAPTCHA、Cloudflare、またはフィンガープリント確認で停止します。CapSolver は、このギャップを埋めるために作られています。

CapSolver が追加するもの: 書き換えではなく復旧レイヤー

CapSolver は、あなたのエージェントフレームワークやブラウザを置き換えません。エージェントと壁の間に入り、チャレンジを解決し、その結果をインラインで返すことで、元のタスクを継続できるようにします。再設計は不要です。オーケストレーション、ブラウザセッション、ビジネスロジックはそのまま維持し、それらがカバーしていない一つのレイヤーだけを追加します。

一回限りのスクリプトではなく本番品質にしているのは、次の二つの設計判断です。

• リトライロジックと可観測性のために構築。 解決結果は利用可能なトークンとリクエスト識別子を返すため、すべてのチャレンジを追跡できます。エージェントが止まった理由を推測するのではなく、原因の特定、リトライ、デバッグができます。
• 解決はクラウドで実行。 検出、パラメータの組み立て、結果の書き戻しは SDK を通じてあなたの側で実行されます。実際の認識は CapSolver の AI サービスが実行します。あなたのコード、またはあなたのモデルが何をするかを決め、CapSolver が解決を処理します。

SDK は現在、エージェントが最も頻繁に遭遇する検証タイプ、つまり reCAPTCHA v2 と v3 (Enterprise を含む)、および Cloudflare Turnstile をカバーしています。一方で、基盤となる CapSolver サービスは、はるかに幅広いチャレンジタイプのカタログをサポートしています。現在の完全な一覧については、タスクタイプのリファレンス を参照してください。

仕組み

CapSolver は「壁を越える」処理を、既存のフローに組み込める五つの明確な段階に分けます。

1. 検出: エージェントまたはブラウザフローが人間確認チャレンジに遭遇します。
2. 解決: CapSolver がサポート対象のすべての CAPTCHA タイプでチャレンジを処理します。
3. 復旧: 結果がエージェントフローへインラインで返されます。
4. 継続: エージェントは元のタスクを再開し、失敗なく完了します。
5. 観測: リクエスト ID、ステータス、エラー情報により、すべての解決を追跡できます。

スタックに合ったパスを選ぶ

CapSolver は三つの Python パッケージとネイティブなフレームワーク統合として提供されているため、構築方法に合った抽象度を選べます。三つはいずれも同じエンジン上のレイヤーです。最も近いものを選び、数分で出荷できます。

フレームワーク統合はこれらのパッケージに対応します。Browser Use エージェントは、タスク途中で検証が現れたときにセッションを復旧するアクションとして解決を登録します。LangChain または OpenAI Agents SDK のアプリは、完全なトレース付きで CapSolver をツールとして呼び出します。Playwright フローでは、QA、RPA、エンドツーエンド自動化に解決処理を直接組み込めます。

既存のブラウザインフラ上で動作

CapSolver は追加型です。Browserbase、Steel、Playwright、Puppeteer、Selenium、または独自のブラウザを持ち込み、CapSolver が自力では通過できない部分を突破します。クリーンな IP と新しいブラウザはエージェントを壁まで連れていき、CapSolver がそこを通過させます。スタックを置き換えるのではなく、スタックがカバーしていないレイヤーを追加します。

対象ユーザー

検証問題は、本番エージェントを構築するあらゆる業界で同じように現れます。

• 営業自動化: アウトリーチや見込み顧客開拓のエージェントは、リードのエンリッチやシグナル収集を大規模に行う途中でブロックされます。その結果、夜間に無人で動くはずのパイプラインが停止します。
• HR・採用テック: 候補者ソーシングエージェントは、求人サイトやプロフィール上の検証で停止します。
• RegTech・コンプライアンス: 自動レビューエージェントは、スケジュール通りに書類や記録を取得するために、ゲート付きポータルへ到達する必要があります。
• QA・テストツール: エンドツーエンドテストエージェントは、ステージングや本番ログインフローの CAPTCHA で壊れます。

いずれの場合も、解決策は同じです。認可され、ユーザーが指示した作業を、人間の介入なしに完了させる復旧レイヤーです。

責任ある自動化のために構築

CapSolver は、正当でユーザーに認可された作業のためのインフラです。SaaS 製品における決済 API、またはコミュニケーションにおけるメッセージング API と同じ役割です。エージェントは、それを認可した実在のユーザーに代わって動作します。問題はエージェントそのものではなく、正当でユーザー主導の自動化が bot として誤分類され続けることです。CapSolver はその誤分類を解消し、認可された作業を完了できるようにします。

この位置づけにはガードレールがあります。

• ユーザー認可のみ: ユーザーが明示的に指示し、同意した自動化のために構築されています。
• サイト規約を尊重: 合法で規約に準拠したエージェントワークフローを支援することを目的としています。
• 完全な監査証跡: すべての解決は、説明責任とレビューのためにリクエスト ID とともに記録されます。
• 明確な許容利用ポリシー: 公開されたガイドラインが、このサービスの用途と対象外を定義しています。compliance statement と position on abuse を参照してください。

料金モデル

CapSolver は従量課金です。解決に成功したチャレンジごとに支払い、月額最低料金はなく、失敗した試行には料金がかかりません。無料枠により、契約前に自分のワークフロー内でテストできます。利用量が増えるとボリュームディスカウントが適用され、大規模にエージェントを運用するエンタープライズチームは、SLA、カスタムオンボーディング、専用サポートチャネルを依頼できます。現在の詳細は pricing を参照してください。

はじめる

1. アカウントを作成し API キーを取得: CapSolver website で登録し、ダッシュボードからキーをコピーして資金を追加します。成功した解決ごとに残高が消費されます。
2. パスを選ぶ: AI クライアントでプラグアンドプレイ利用するなら MCP Service、モデル自身に解決を呼び出させるなら Agent Tools、スクリプトやカスタム自動化なら Core SDK を選びます。
3. フローに組み込む: 対応するガイドに従い、エージェントに欠けていたレイヤーを追加します。

あなたのエージェントが現実の Web に触れるなら、この壁に遭遇します。CapSolver は、それを通過させるためのレイヤーです。