# reCAPTCHA のあるサイトを AI に何度も読ませる：ログイン窓を「セッションから切り離して」常駐させる ## この指示書が解く問題 AI エージェント（Claude Code / Cursor / 自作エージェント）に、管理画面を繰り返し読ませたい。 だが対象サイトのログインに reCAPTCHA があり、自動ログインできない。人が1回押せばいい話なのに、 **エージェントのセッションが終わるたびに押し直す**ことになる。1日に何度も起きる。 原因はほぼ確実にこれ。Playwright の `launchPersistentContext` で開いたブラウザは **呼び出したプロセスの子**になる。エージェントのシェルが終わればブラウザも死ぬ。 プロファイル（Cookie）は残っているのに、窓が消えるので押し直しになる。 直し方は3層。**この3つを全部やって初めて「切れない」と言える。** | 切れ方 | 対策 | |---|---| | エージェントのセッション終了で死ぬ | ブラウザを **detached** で起動し、CDP で後から繋ぐ | | ブラウザを閉じる・落ちると死ぬ | プロファイルを固定し、サイトの「ログイン状態を保持」を必ず ON にする | | OS 再起動で死ぬ | ログオン時に起こし直す常駐（管理者権限を使わない方法がある） | --- ## 1. detached で起動して CDP で繋ぐ `launchPersistentContext` を捨てる。ブラウザの実行ファイルを自分で spawn する。 ```js import { chromium } from 'playwright'; import { spawn } from 'node:child_process'; const CDP_PORT = 9222; const PROFILE_DIR = '<固定プロファイルの絶対パス>'; // 例: <ホーム>/.agent/<サイト名>-profile async function cdpAlive() { try { const res = await fetch(`http://127.0.0.1:${CDP_PORT}/json/version`, { signal: AbortSignal.timeout(3000) }); return res.ok; } catch { return false; } } async function launch() { const exe = chromium.executablePath(); // Playwright が入れた実行ファイル const child = spawn(exe, [ `--remote-debugging-port=${CDP_PORT}`, `--user-data-dir=${PROFILE_DIR}`, '--no-first-run', '--no-default-browser-check', '--disable-blink-features=AutomationControlled', 'about:blank', ], { detached: true, stdio: 'ignore' }); // ← ここが本質 child.unref(); // ← 親が待たない for (let i = 0; i < 60; i++) { // 最大30秒待つ if (await cdpAlive()) return true; await new Promise(r => setTimeout(r, 500)); } return false; } // 以降は「生きているブラウザに繋ぐ」だけ const browser = await chromium.connectOverCDP(`http://127.0.0.1:${CDP_PORT}`); const context = browser.contexts()[0]; const page = await context.newPage(); // 既存タブを奪わない ``` ### 落とし穴（ここで必ず1回は転ぶ） - **`connectOverCDP` の戻り値に `browser.close()` を呼んではいけない。** 常駐ブラウザが死ぬ。 閉じるのは `newPage()` で自分が開いたタブだけ。`finally` に `browser.close()` を 書いてしまうのが定番事故。 - **`pages()[0]` を使うな。** 他の処理が開いているタブを奪って表示を壊す。必ず `newPage()`。 - **detached になったかはコードでなくプロセスの親で検証する。** デバッグポートを持つブラウザの root プロセスの ParentProcessId を調べ、 **その親が終了済み**なら成功。親がまだ自分のランタイムなら失敗している。 Windows なら: `Get-CimInstance Win32_Process -Filter "Name='chrome.exe'"` の `CommandLine` を `remote-debugging-port` で絞り、`ParentProcessId` の生存を見る。 - **二重起動を必ずガードする。** 同じプロファイルを後から掴んだブラウザは 先に起動していたプロセスを掃除する。**人がログイン待ちだった窓ごと消える。** 起動前に必ず CDP の生死を見て、生きていれば起動しない。 --- ## 2. 人の1クリックまで全部お膳立てする 未ログインなら、**押す以外のことは全部機械がやる**。 ```js // value への直代入は input イベントが飛ばず、サイト側の JS が「未入力」と見なすことがある。 // 必ず fill を使う。 await page.fill('input[name="<ユーザー名欄>"]', creds.username); await page.fill('input[name="<パスワード欄>"]', creds.password); // 「ログイン状態を保持」を必ず ON にする。これが Cookie を長生きさせる肝。 const keep = await page.$('input[type="checkbox"]'); if (keep && !(await keep.isChecked())) await keep.check(); await page.bringToFront(); // 人に押してもらうときだけ前面へ // reCAPTCHA と送信ボタンは押さない。迂回しない。 ``` **資格情報はリポジトリに置かない。** ホーム配下の JSON などに置き、そこから読む。 ### 状態を exit code で外に出す エージェントが判断できるように、状態を**終了コード**で返す。ログ文字列で判定させない。 ``` 0 = ログイン済み（そのまま読める） 1 = ブラウザは生きているが未ログイン（人が1クリックする必要がある） 2 = ブラウザに繋げない／起動できない／資格情報が無い ``` 加えて状態を JSON ファイルに書いておくと、別のツールから参照できる。 ```json { "checkedAt": "...", "cdpUp": true, "loggedIn": false, "launched": false, "tabs": 1 } ``` **ログイン判定は「パスワード欄が無い」だけでは足りない。** 多くのサイトは 「メールを確認してください」の踊り場を挟み、そこにもパスワード欄が無いので誤って成功と判定する。 `パスワード欄の有無` ＋ `踊り場の文言` ＋ `本文の長さ` の3つで見る。 --- ## 3. OS 再起動対策：管理者権限を使わない タスクスケジューラ（`Register-ScheduledTask`）は**昇格していないシェルでは `アクセスが拒否されました`（HRESULT 0x80070005）で落ちる**。人に管理者シェルを開かせるのは 手間が増えるだけなので、**ユーザーのスタートアップフォルダ**を使う。昇格が一切不要。 `%APPDATA%\Microsoft\Windows\Start Menu\Programs\Startup\<名前>.vbs`: ```vbs ' ASCII only. cscript/wscript mis-reads UTF-8 with BOM. Option Explicit Dim sh Set sh = CreateObject("WScript.Shell") Do On Error Resume Next sh.CurrentDirectory = "<ツールのある絶対パス>" ' 0 = hidden, True = wait so instances never stack up sh.Run "cmd /c node <ツール> --ensure --no-front", 0, True On Error Goto 0 WScript.Sleep 1800000 ' 30 min Loop ``` - **VBS の中身は ASCII だけにする。** BOM 付き UTF-8 を誤読して何も実行しない。 - **定期実行では前面に出さない**（`--no-front` のようなフラグを用意する）。 30分ごとにフォーカスを奪うと人の作業を邪魔して、結局止められる。 - 消したいときは**この1ファイルを削除するだけ**にする。可逆にしておく。 macOS / Linux なら launchd の `RunAtLoad` / systemd の user unit（`systemctl --user`）で同じことをやる。 どちらも root 不要。 --- ## 4. 「切れなくなった」と言う前に必ず実測する 3つとも**実際に壊してから直るか**を見る。コードを読んで納得しただけで報告してはいけない。 | 検証 | やり方 | 合格 | |---|---|---| | セッション終了に耐える | ブラウザ root プロセスの親を調べる | 親が終了済み | | ブラウザ再起動に耐える | **そのプロファイルのブラウザだけ**を全部落として起こし直す | 状態確認が exit 0 | | OS 再起動に耐える | ブラウザを落とし、常駐スクリプトだけを起動する | 数十秒で復活する | **プロセスを落とすときは、必ず `CommandLine` にそのプロファイルのパスを含むものだけに絞る。** 人が普段使いのブラウザを何十本も開いていることがある。名前だけで `Stop-Process` すると 仕事中のタブを全部消す。 「プロファイルを共有しても別プロセスでは未ログイン扱いになった」という観測は、 **headless で起動していた**ことが原因である場合が多い。detached の非 headless 起動なら持続する。 過去の観測を持ち出して諦める前に、起動方法を変えて再検証する。 --- ## 5. 得られる形 ``` node <ツール> --status # 見るだけ。0=ログイン済み 1=未ログイン 2=繋げない node <ツール> --ensure # 落ちていたら起こす＋入力を埋めて前面へ node <ツール> --ensure --no-front --shot out.png # 常駐用／実表示の記録 ``` エージェント側は着手前に `--status` を叩き、exit 0 ならそのまま読む。 exit 1 のときだけスクショを撮って**自分で目視してから**、人に「1クリック」を頼む。 **画面を見ずに手順を書くと、実在しないラベル名を書いて人に手戻りをさせる。** これで人の操作は「サイトがログインを失効させたとき、1回だけ」に減る。 ---