Hogyan oldja meg a GPT-6 Astra a CAPTCHA-t? A „I'm Not a Robot" teljesítése

A CAPTCHA-k arra valók, hogy megkülönböztessék az embert a géptől. Manapság az AI is megpróbálja teljesíteni ezeket a „bizonyítsd, hogy ember vagy" feladatokat. A GPT-6 Astra sikere a „I'm Not a Robot" játékban sokakat arra ösztönöz, hogy kipróbálják: vajon a saját AI-juk megérti-e a pályákat, és ténylegesen képes-e kezelni a böngészőt?

Az ehhez szükséges élmény feltétele, hogy az Astra döntési képességét összekapcsoljuk a böngészőeszközökkel. Ebben a cikkben bemutatjuk, hogyan csatlakoztathatod saját Astra-munkamenetedet a PandaNpc Chrome-bővítmény és a böngésző MCP segítségével, hogyan nyithatod meg a játékot, és az első 4 pályán végrehajtott tényleges műveleteink alapján elmagyarázzuk, hogyan állapítható meg, hogy sikerült-e a feladat.

Ezt a cikket a PandaNpc fejlesztője írta, saját bővítményt és MCP-t érintve. A nyilvános beszámolókban szereplő 48 pályás teljesítményt elkülönítve tárgyaljuk a cikkben rögzített, első 4 pályára kiterjedő böngészőeszköz-tapasztalattól; ebben az élményben előfordult újrapróbálkozás, és nem ellenőriztük mind a 48 pályát.

Mi az a „I'm Not a Robot" játék, és hol lehet játszani?

A „I'm Not a Robot" egy böngészős játék a Neal.fun oldalon, amelynek témája a „Nem vagyok robot" ellenőrzés, és a CAPTCHA-szerű interakciókból állít össze egy sor kihívást.

Kattints ide a „I'm Not a Robot" megnyitásához , és máris játszhatsz a böngésződben.

Az AI számára ez a játék nem csak a felismerő képességet teszteli. Értenie kell a szabályokat, meg kell találnia a művelet célját, végre kell hajtania a műveletet, majd meg kell figyelnie, hogy az oldal elfogadta-e azt. Amikor a pálya megváltozik, a modellnek újra kell értelmeznie az aktuális feladatot.

Mit jelent a hír, hogy a GPT-6 Astra teljesítette mind a 48 pályát?

A nyilvános beszámolók szerint a GPT-6 Astra teljesítette a „I'm Not a Robot" mind a 48 pályáját. Egyes beszámolók a „hibátlan" kifejezést használják, de ez a cikk nem ellenőrizte függetlenül a teljes futási naplót, és nem vezet le ebből megbízható sikerrátát. Kapcsolódó beszámoló

Ebben a hírben az figyelemre méltó, hogy a modell egy összefüggő interakciósorozatot hajtott végre: megértette az oldalt, kiválasztotta a műveletet, ellenőrizte a visszajelzést, majd folytatta a következő lépéssel.

Az OpenAI a számítógépes és böngészős műveleteket is az Astra fő képességeiként sorolja fel; a nyilvánosan bemutatott feladatok közé tartozik az űrlapok kitöltése, a szoftverek használata és a webes kutatás. OpenAI hivatalos bemutató

A játék teljesítése nem jelenti azt, hogy minden valódi weboldal CAPTCHA-ját sikerül megoldani. Ebből a bemutatóból kiindulva megtapasztalhatjuk, hogyan használja a modell az eszközöket, de a konkrét teljesítmény továbbra is a saját futtatási környezetünktől és műveleti naplónktól függ.

Hogyan működik együtt az Astra, a böngésző MCP és a Chrome-bővítmény?

A teljes folyamat: a te feladatod → az Astra MCP-eszközöket hív → a bővítmény végrehajtja → az oldal visszajelzése visszatér az Astra felé.

A PandaNpc jelenlegi Codex-integrációja tartalmazza a böngésző MCP-konfiguráció befecskendezését; a böngészőeszközök olyan interfészeket biztosítanak, mint a képernyőkép, kattintás, bevitel, húzás és böngészőpéldány-választás. Ez a PandaNpc eszközlánca, és nem jelenti azt, hogy a hírben szereplő bemutató ugyanezt a megoldást használta.

Mire van szükség a kezdés előtt?

• PandaNpc-fiók: az eszközök, projektek és munkamenetek összekapcsolásához.
• A Codexet futtató számítógép: PandaPaw-n keresztül csatlakozik a PandaNpc-hez.
• GPT-6 Astra elérését biztosító modellfiók vagy konfiguráció: az eszköz sikeres csatlakozása nem jelenti azt, hogy a modell már rendelkezik jogosultsággal.
• A PandaNpc-bővítménnyel telepített Chrome-böngésző: ez hajtja végre a játékban a műveleteket.

Azok a felhasználók, akik már tudnak Astra-munkamenetet használni a PandaNpc-ben, ugorhatnak közvetlenül a bővítmény telepítéséről szóló részre. A modellválasztáshoz lásd: GPT-6 Astra és Claude Fable 5.1 összehasonlítása.

1. Csatlakoztasd a Codexet futtató számítógépet a PandaNpc-hez

Jelentkezz be a PandaNpc-be, nyisd meg az eszközök oldalát, és válaszd az eszköz hozzáadását. Az oldal utasításai szerint másold ki a célgépnek megfelelő telepítési parancsot, és futtasd annak a gépnek a termináljában. A telepítés után térj vissza az eszközök oldalára, és ellenőrizd, hogy megjelent-e a számítógép.

Ha a számítógépen már telepítve van a PandaPaw, futtathatod ezt:

pandapaw status

Ha a fiókengedélyezés még nem történt meg, futtasd ezt:

pandapaw login

Kövesd a megnyíló weboldal utasításait az engedélyezéshez. A normálisan online lévő eszközöknél nem kell ismételten újra bejelentkezni.

Ezután nyisd meg a PandaNpc Agentet, keresd meg a megfelelő eszközt és projektet, majd lépj be a Codex-munkamenetbe. A teljes telepítési útmutatót lásd a PandaPaw csatlakozási dokumentációjában.

2. Telepítsd a Chrome-bővítményt és szinkronizáld a fiókot

Telepítsd a PandaNpc-bővítményt a Chrome Web Store-ból.

Ugyanabban a Chrome-felhasználói profilban, ahová a bővítményt telepítetted, nyisd meg a PandaNpc bejelentkezési oldalát, jelentkezz be, majd nyisd meg a bővítmény oldalsávját.

A bővítmény jelenleg a webes fiók bejelentkezési állapotát használja. Ha nem vagy bejelentkezve, az oldalsáv a webes bejelentkezéshez irányít; bejelentkezés után lépj be az eszköz-, projekt- és munkamenet-listába.

Keresd meg az imént csatlakoztatott eszközt és a Codex-munkamenetet. Ha a lista nem jelenik meg, először ellenőrizd, hogy a webes bejelentkezés sikeres volt-e, és hogy az eszköz és a bővítmény ugyanazt a PandaNpc-fiókot használja-e. A más Chrome-felhasználói profilokban történt bejelentkezés nem helyettesíti az aktuális profil bejelentkezését.

3. Ellenőrizd, hogy a munkamenet ténylegesen GPT-6 Astrát használ-e

Miután beléptél a saját Codex-munkamenetedbe, ellenőrizd a munkamenetben megjelenő modellinformációt, és győződj meg róla, hogy a tényleges modell a GPT-6 Astra.

Ha jelenleg más modellt használsz, a választást a Codex-környezet által támogatott modellkonfigurációs felületen kell elvégezned, majd ellenőrizd a munkamenet által jelentett modellt. A jelenlegi bővítményben a Codex-munkamenet nem a Claude szokásos modellváltó gombjait használja.

Ne feltételezd pusztán abból, hogy a modell a válaszában azt mondja: „Astra vagyok", hogy a váltás sikeres volt; nézd meg a munkamenet modellinformációját. Ha a fiókodnak nincs hozzáférési joga az Astra-hoz, sem a bővítmény, sem az MCP nem tudja pótolni ezt a jogosultságot.

4. Ellenőrizd, hogy a böngésző MCP csatlakozik-e

Először adj ki egy egyszerű feladatot:

Kérlek, ellenőrizd az elérhető böngészőeszközöket, olvasd be az aktív lap címét, és készíts egy képernyőképet. Egyelőre ne kattints és ne írj be semmit.

Ellenőrizd, hogy a visszaküldött cím és képernyőkép abból a böngészőből származik-e, amelyet kezelni készülsz. Ha több böngésző van csatlakoztatva, kérheted:

Kérlek, sorold fel az elérhető böngészőpéldányokat, válaszd ki azt, amelyiken a játékot szeretném kipróbálni, majd készíts új képernyőképet a megerősítéshez.

Ez a lépés ellenőrzi, hogy a munkamenet képes-e eszközöket hívni, hogy a bővítmény online van-e, és hogy a célböngésző megfelelő-e. Ha a modell csak szöveges javaslatot ad, és nem hív eszközt, előbb oldd meg a kapcsolódási problémát, és csak utána kezdd el a játékot.

5. Nyisd meg a játékot, és hagyd, hogy az Astra megküzdjön vele

Az már csatlakoztatott Chrome-ban nyisd meg a „I'm Not a Robot"-ot, és tartsd láthatóan a játékablakot.

Első alkalommal azt javasoljuk, hogy csak az aktuális pályát próbáld ki:

Kérlek, a böngésző MCP-n keresztül próbáld ki az éppen megnyitott „I'm Not a Robot" játékot.

Először olvasd be az aktuális pálya szabályait, majd normál oldalinterakciókkal hajtsd végre a műveletet. Ne olvasd ki a forráskódot a megoldás kereséséhez, és ne módosítsd a játék állapotát a pálya átugrásához.

Minden művelet után ellenőrizd az oldal visszajelzését. Először az aktuális pályát próbáld meg; ha kész, állj meg, és mondd el, milyen eszközöket hívtál, és hogyan erősítetted meg az eredményt. Ha kudarcot vallasz, mondd el őszintén.

Miután megerősítetted, hogy a teljes folyamat működik, engedd, hogy folytassa, és jegyezd fel a teljesített pályákat, a hibák okait, az újrapróbálkozásokat és a manuális beavatkozásokat.

Hogyan erősítheted meg, hogy a játékműveletek valóban sikeresek?

Minden műveletnek végig kell járnia a „megfigyelés → döntés → végrehajtás → ellenőrzés" folyamatot. Az eszköz válaszüzenete csak a végrehajtásról ad tájékoztatást; az annak az igazolása, hogy a játékban sikerrel jártál, az, hogy az oldal továbblép-e a következő pályára. Ha az eredmény nem felel meg az elvárásnak, először olvasd be az új képet, ellenőrizd a beviteli mező tartalmát, majd javítsd a műveletet.

A mi tényleges tapasztalatunk: az első 4 pálya teljesítve, belépés az 5. pályára

A felhasználó által megadott böngészőpéldányban a PandaNpc böngésző MCP-n és a Chrome-bővítményen keresztül nyitottuk meg a játékot, és teljesítettük az első 4 pályát. A műveletek alapja az oldal képernyőképe és visszajelzése volt; kattintást, kitöltést és valódi beviteli eszközöket használtunk, és nem olvastuk ki a játék forráskódját, és nem módosítottuk a pálya állapotát.

Az utolsó képernyőképen a Level 5: Rotation látható, ami azt jelzi, hogy az első 4 pálya sikeresen teljesítve. Az 5. pályát nem kezdtük el; ez a feljegyzés az eszközlánc tényleges működésének bemutatására szolgál.

Képválasztás: a képernyő alapján döntés, a következő pálya alapján megerősítés

A 2. pályán a megállás-tábla több négyzeten is átnyúlik. A képernyőkép alapján kiválasztottuk a táblát tartalmazó 4 négyzetet, majd rákattintottunk a Verify gombra. Ezután az oldal a 3. pályát (Wiggles) mutatta, és csak ekkor erősítettük meg, hogy a választás sikeres volt.

A 4. pálya különböző objektumok képei közül választást jelentett. A beküldés után az oldal az 5. pályára (Rotation) lépett, ami egy újabb teljes „kép megtekintése → művelet → oldalvisszajelzés" folyamatot eredményezett.

Ez a két pálya megmutatja a böngészőeszközök valódi szerepét: a modell döntése közvetlenül oldal-műveletté alakítható, az eredményt azonban továbbra is a játékoldal erősíti meg.

3. pálya: karaktertévesztés és bevitel-hozzáfűzés, javítás után sikeres

A 3. pálya szövege dinamikusan torzított volt. Először az egyik karaktert félreolvastuk, és FNZZCD-t írtunk be; a beküldés után nem jutottunk tovább a következő pályára.

Amikor ezután megpróbáltuk újra beírni a szöveget, a mindent kijelölő művelet nem a várt módon működött, és az új szöveg a régi tartalom mögé fűződött hozzá, így a beviteli mezőben a FNZZCDFNZZCD jelent meg. Az eszköz ugyan végrehajtotta a beviteli műveletet, de a tényleges mezőtartalom már nem felelt meg a feladat követelményeinek.

Miután újra megnéztük a képernyőképet, felismertük, hogy a szöveg FNZZSD. Ezúttal előbb töröltük a beviteli mezőt, majd fókuszáltunk rá, és a valódi beviteli eszközt hívtuk; végül beküldtük, és az oldal a 4. pályára lépett.

Ez a folyamat felismerési hibát és bevitelkezelési problémát is tartalmazott, ezért nem írható le „hibátlanként". Mivel a javítás során egyszerre változtattuk meg a választ és a beviteli módot, a végső sikert sem lehet kizárólag egy adott eszközre váltásnak tulajdonítani.

Az újrahasznosítható tanulság: újrapróbálkozás előtt ellenőrizd az oldal és a beviteli mező tényleges állapotát; csak akkor jelentsd a sikert, ha az oldal a következő pályára lép.

Az oldal az élmény végén

A 4. pálya beküldése után az oldal az 5. pálya forgó kirakósát mutatta. Megőriztük ezt a képet az első 4 pálya teljesítésének eredményeként, és nem folytattuk az 5. pálya kihívását.

Mit tegyél, ha az MCP nem reagál, a képernyőkép meghiúsul, vagy rossz helyre kattintasz?

Ebben az élményben, amikor az új lap éppen megnyílt, az első oldalpillanatkép azt az eredményt adta, hogy nem lehet csatlakozni a tartalmi szkripthez; ezt követően a képernyőkép sikeres volt, és az oldal már az 1. pályát mutatta. Egyetlen olvasási hiba alapján nem lehet közvetlenül arra következtetni, hogy a teljes böngészőlánc használhatatlan; az eszköz hibája és a későbbi tényleges oldal alapján kell megítélni.

Gyakori kérdések FAQ

Csak a Chrome-bővítmény telepítésével használható a GPT-6 Astra?

Nem. A bővítmény a böngészőben történő végrehajtásért felel; szükséged van továbbá egy működő Codex-munkamenetre és az Astra eléréséhez szükséges jogosultságra.

Csatlakoztatható ez a bővítmény közvetlenül a szokásos ChatGPT weboldalhoz?

A cikkben bemutatott útvonal a PandaNpc-ben lévő Codex-munkamenet és a böngésző MCP összekapcsolása. Ha csupán egy másik lapon megnyitod a ChatGPT-t, az nem hozza létre automatikusan ezt a kapcsolatot.

Az MCP maga felismeri a CAPTCHA-kat?

Az MCP a modellt és az eszközöket összekötő protokoll. Ebben a megoldásban a modell felel a megértésért és a döntésekért, a böngészőeszközök és a bővítmény pedig az oldal lekéréséért és a műveletek végrehajtásáért.

Hány pályát teljesítettetek valójában? Hibátlan volt?

Az első 4 pályát teljesítettük, majd az 5. pályára lépve befejeztük az élményt. A 3. pályán karaktertévesztés és bevitel-hozzáfűzés történt, javítás után sikerült; ez nem hibátlan teljesítmény, és nem is mind a 48 pálya teljesítése.

Ha az eszköz sikert jelez vissza, miért nem sikerült mégis a játék?

Az eszköz végrehajtása és a játék ítélete két különböző eredmény. A 3. pályánkon előfordult, hogy a szövegbevitel sikeres volt, de a tartalom hibásan fűződött hozzá. Ellenőrizd a bevitt tartalmat és a beküldés utáni oldalvisszajelzést.

Ha a játék sikerül, akkor a valódi weboldalak CAPTCHA-ja is sikerülni fog?

Nem lehet közvetlenül erre következtetni. A játékeredmény csak az adott körülmények közötti teljesítményt igazolja, és nem jelenti azt, hogy más ellenőrzőrendszerek is elfogadnák ugyanezeket a műveleteket.

Miért kell egyszerre használni a bővítményt és az MCP-t?

Az MCP megmutatja a modellnek, hogy milyen eszközök léteznek, és hogyan kell hívni őket; a bővítmény pedig végrehajtja ezeket a hívásokat a böngészőben. A kettő összekapcsolása után a modell meg tudja figyelni az oldalt, ténylegesen tud műveleteket végrehajtani, majd be tudja olvasni az eredményt.