증거 기반 자동화 엔진
AI 주장·막힌 사이트·반복 워크플로우를 실제 브라우저에서 다시 돌리고, 스크린샷·트레이스·SHA-256 해시로 증거를 남깁니다. 거짓 양성 한 건이 결제·법무 리스크가 되기 전에 잡아냅니다.
실측 근거 · 리스트 추출
실제 운영 사이트 50곳에서 목록 데이터(채용·가격·글)를 정확도 92%로 추출 — AI 호출 0회, 행당 $0, 매 실행 결과 동일.
측정 결과 전체 보기 →검증된 유스케이스 · 커밋된 실행 스크립트
웹 스크래핑·AI 판단·셀프힐링·플래닝·자영업/마케터 워크플로까지 — 실제로 돌아가는 유스케이스 162개를 22개 카테고리로 정리했습니다. 각 항목마다 커밋된 실행 스크립트 파일명을 함께 표시합니다.
유스케이스 전체 보기 →라이브 검증 현황
공개 데이터 + 본인 인가 세션만 사용 — anti-abuse 우회 없음. 막히면 정직하게 멈춥니다.
당신의 루프 어디에 들어가나
AI 코딩 에이전트·테스트 하니스의 루프에서 가장 약한 고리는 "정말 됐나?"입니다. ScreenPlay는 그 검증 단계 하나로 들어갑니다 — 에이전트의 자기보고를 실제 실행 + 증거로 바꿔, 다음 단계로 넘어갈 근거를 만듭니다.
↻ 실패는 다시 1번으로 — 사람이 매 단계 들여다보지 않아도 루프가 스스로 정직해집니다.
하니스를 만드는 개발자라면: 이 검증 단계를 CLI 한 줄(screenplay run --browser verify.play)이나 Python 바인딩으로 끼워 넣으세요. 통과/실패 + 증거 번들이 그대로 돌아옵니다.
이게 당신 얘기인가요?
어느 쪽이든 ScreenPlay의 답은 같습니다. 됐다고 말하는 대신, 증거로.
AI로 일하는 개발자
하니스를 만드는 개발자
스크래핑이 일인 담당자
초보 개발자
코드 비교
self-healing 셀렉터·증거 캡처·fail-closed 처리가 엔진에 내장이라 매주 깨지던 보일러플레이트가 사라집니다.
import asyncio, json, hashlib
from playwright.async_api import async_playwright
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch(headless=True)
ctx = await browser.new_context(viewport={"width": 1280, "height": 800})
page = await ctx.new_page()
try:
await page.goto(URL, wait_until="networkidle", timeout=30000)
except Exception:
await browser.close()
raise SystemExit("navigation failed")
# selector breaks on every redesign — constant upkeep
cells = await page.query_selector_all("div.product-card span.price")
prices = [(await c.inner_text()).strip() for c in cells]
if not prices: # blocked? selector changed? can't tell
await browser.close()
raise SystemExit("blocked or selector changed")
await page.screenshot(path="out.png", full_page=True)
with open("out.json", "w") as f:
json.dump({"prices": prices, "url": page.url}, f, ensure_ascii=False)
sha = hashlib.sha256(open("out.png", "rb").read()).hexdigest()
print("evidence", sha[:8])
await browser.close()
asyncio.run(main())try:
page.goto(url)
recover NetworkError:
retry(max=3, backoff_ms=500)
if page.wall_check():
stop_before("blocked") # honest fail-closed, stops here
# self-healing selectors survive redesigns
items = page.discover_list({name, price})
capture_evidence("prices") # screenshot + SHA-256 manifest
fs.write_json("out.json", items)두 코드는 같은 일을 합니다: 가격 추출 → 스크린샷+해시 증거 → 막히면 정직하게 종료. 차이는 유지보수 비용입니다.
주장에서 증명까지
"Checkout flow completed on example storefront"
준비 마커가 없으면 엔진은 통과로 찍지 않고 needs_review로 표시합니다. 양방향으로 거짓말하지 않는 것이 핵심입니다.
준비 마커가 없으면 기계 판독 가능한 실패가 반환됩니다.
POLICY_DENIED깨져도 · 막혀도 가는 스크래핑
ScreenPlay 스크래핑은 세 가지로 버팁니다. (1) AI Vision self-healing — 셀렉터가 깨지면 "같은 의도"의 요소를 다시 찾습니다. (2) 정직한 fail-closed — 막히면 빈 데이터를 데이터인 척하지 않고 이유와 함께 멈춥니다. (3) 증거 — 매 실행이 스크린샷·트레이스로 남아 무엇을 긁었는지 검증됩니다.
정직성 경계: 공개 데이터 + 본인 인가 세션만 다룹니다. anti-abuse 컨트롤(CAPTCHA·로그인 벽)은 우회하지 않고 감지해서 멈춥니다 — 그래서 "긁었다"는 결과를 믿을 수 있습니다.
장난감이 아닙니다
식당 POS 제품 WinClaw가 ScreenPlay 엔진 위에서 운영됩니다. 그리고 이 프로젝트 자체가 도그푸딩 — Claude Code의 spec 작업이 ScreenPlay 증거로 검증되며 개발됩니다. 데모용 토이가 아니라 프로덕션에서 쓰이는 엔진입니다.
함께 만들기
도입·라이선스·협업 — 어떤 형태든 먼저 한 줄 보내주세요. 검토 후 사람이 직접 회신드립니다. 맞으면 같이, 아니어도 솔직하게.