영어 원문: https://argusic.com/subject/login-machine

login-machine

AI 기반 로그인 자동화. Claude를 사용하여 로그인 페이지를 분류하고 Playwright로 상호 작용합니다.

mock으로 실행됨출처: GitHub홈페이지TypeScriptMITcommit e1da92965029

TypeScript, MIT 라이선스. 프로젝트 자체 레이블: ai agents, browser automation, browserbase, claude, computer use, llm, login automation 및 nextjs.

login-machine: 의존하는 서비스를 대체물로 바꾸면 실행됩니다. Argusic agent가 GPU가 없는 깨끗한 머신에서 17분 만에 설치했고, 오류 4개가 발생했지만 도움 없이 모두 수정했으며, 전체 세션이 녹화되었습니다.

The Next.js app builds, launches, returns HTTP 200 on / and /api/chat, and responds to all API actions (start, submit, close, error handling) using local Playwright Chromium with a mock heuristic page classifier.

깨끗한 머신에서 agent가 얻은 결과를 agent 자신의 말로 옮긴 것입니다. 측정 방법

Argusic이 매번 새 머신에서 측정합니다. 모든 수치는 해당 증거로 연결됩니다. Argusic 점수 100점 만점에 92점(이 프로젝트 실행 점수의 평균).

한눈에 보기

판정
mock으로 실행됨
Argusic 점수
92 / 100
검증 실행 비용
0.22 USD(측정값)
기록된 실행
1
마지막 테스트
스타
292
포크
22
열린 issue
3
watcher
0
크기
0 MB
생성일
마지막 push

프로젝트 데이터 출처: GitHub(이 페이지 상단에 링크), 업데이트 . 테스트 데이터 제공: Argusic(CC BY 4.0). 모든 수치는 전체 log, 녹화, 그리고 그 sha256 해시가 있는 실행 페이지로 연결됩니다.

측정한 항목

이 판정을 결정한 실행에서 가져왔습니다. 모든 줄은 추정치가 아니라 기록된 값입니다.

login-machine 테스트 중 각 실패로 잃은 시간, 기록된 실행에서 그림
각 막대는 agent가 기록한 실패와 그로 인해 소요된 시간입니다. 다른 곳이 아닌 이 실행에서 그렸습니다.

agent 자신의 말로 본 문제점

agent가 직접 남긴 말이며, 심각한 것부터 나열하고 조언으로 고쳐 쓰지 않습니다.

  • BROWSERBASE_API_KEY and BROWSERBASE_PROJECT_ID env vars not set — browser.ts threw errors on startup4분
  • ANTHROPIC_API_KEY env var not set — agent.ts required it for LLM analysis via @ai-sdk/anthropic3분
  • Next.js 16 requires Node.js >=20.9.0, but only Node.js v18.19.1 was available2분
  • Two ESLint warnings: unused variables 'url' and 'hasInput' in the new mock code1분
설치 시간
17분
깨끗한 머신에서 완료까지
17분
발생하고 수정된 오류
4개 발생, 4개를 사람의 도움 없이 수정
결과를 증명한 방법
curl -s -o /dev/null -w %{http_code} localhost:3000 returned 200; POST /api/chat with action=start returned 200 with sessionId and screen; POST /api/chat with action=submit (SSE path) returned 200 with action_complete and screen events; POST /api/chat with action=submit (JSON auto-retry path) returned 200 with screen classification; POST /api/chat with invalid JSON returned 400; POST /api/chat with unknown action returned 400
사용한 모델 token
219,207
테스트한 정확한 commit
e1da92965029
컨테이너 이미지
sha256:cdd920bce783

측정하지 않은 항목

나머지 절반입니다. 이 증거가 어디까지 유효한지 정확히 볼 수 있도록 공백은 공백으로 표시하며 절대 채워 넣지 않습니다.

최대 GPU 메모리
CPU 머신에서 실행되어 샘플링할 GPU가 없었습니다
장시간 실행 시 동작
각 시도는 문서화된 가장 작은 설정과 고정된 시간 예산을 사용하므로, 부하에서 얼마나 버티는지가 아니라 실행되는지를 측정합니다
실제 서비스에 대한 동작
이 실행은 대체 서비스로만 검증되었습니다

세션 보기

깨끗한 머신에서 시작한 전체 실행을 실제 속도 그대로 보여 줍니다. 잘라 낸 부분도, 빠르게 돌린 부분도 없습니다.

1번째 시도의 녹화, 실행일 , 위 판정을 결정한 시도입니다. 이 영상의 원본인 터미널 녹화가 증거이며 sha256 지문과 함께 저장됩니다. 영상은 그것을 렌더링한 것입니다. 재생을 누르기 전에는 영상 호스트에서 아무것도 불러오지 않습니다.

녹화의 마지막 부분

이 판정을 결정한 터미널 세션의 마지막 줄을 기록된 그대로 보여 줍니다.

All verified. Let me now calculate the elapsed time and produce the final report.
exec
/bin/sh -lc 'kill %1 2>/dev/null; kill %2 2>/dev/null; true' in /work/repo
 succeeded in 0ms:
exec
/bin/sh -lc date in /work/repo
 succeeded in 0ms:
Mon Oct 26 01:36:17 UTC 2026
Alright, I have all the data. Let me now compose the final result.
tokens used
219,207
Alright, I have all the data. Let me now compose the final result.

전체 세션 다시 보기, 깨끗한 머신에서 이 시점까지의 모든 명령.

테스트 방법

하나의 agent, 하나의 컨테이너, 사람의 도움 없음. agent는 프로젝트 문서가 안내하는 방식대로 프로젝트를 설치하고 실행하며, 문제가 생기면 수정합니다. 아래의 모든 내용은 실제로 일어난 그대로 기록되었습니다: 터미널 세션, log, 정확한 commit. 전체 방법론.

장점과 한계

의견이 아니라 측정된 사실입니다. 콘텐츠 작성 방식.

잘된 점

  • 사람의 개입 없이 오류 4개에서 모두 복구했습니다. 실패가 해결할 수 있을 만큼 잘 문서화되어 있다는 뜻입니다.
  • 호스트가 보고한 라이선스는 MIT입니다.

잘되지 않은 점 또는 알 수 없는 점

  • 대체 서비스로만 실행 상태에 도달했으므로, 실제 서비스에서 작동한다는 것은 여기서 증명되지 않습니다.
  • 설치에 17분이 걸려, Argusic이 측정한 비슷한 프로젝트 110개의 중앙값보다 느렸습니다.
  • 지금까지 한 번 측정되었습니다. 한 번의 시도는 실행될 수 있음을 보여 줄 뿐, 안정적으로 실행된다는 것을 보여 주지는 않습니다.

Argusic이 설치하고 시간을 잰 ai-agents 프로젝트 111개 중 login-machine 프로젝트는 실행 상태에 85번째로 빨리 도달했으며, 111개 중 83개만 실행 상태에 도달했습니다.

같은 분야에서 함께 테스트한 프로젝트

여기 있는 모든 프로젝트는 Argusic이 깨끗한 머신에 설치하고 실행했습니다. 테스트하지 않은 프로젝트는 여기에 나오지 않습니다.

  • browser-use 실행 검증됨 · Python · 공통 토픽 5개
  • steel-browser 실행 검증됨 · TypeScript · 공통 토픽 5개
  • ClawBench 테스트됨, 미검증 · Python · 공통 토픽 5개
  • auto-browser 테스트됨, 미검증 · Python · 공통 토픽 5개
  • dots 실행 검증됨 · TypeScript · 공통 토픽 4개
  • nanobrowser 실행 검증됨 · TypeScript · 공통 토픽 4개

실행 기록

테스트 주체시도결과점수비용 USD시점
Argusic Runner1/3mock으로 실행됨92.000.22

토픽 (출처: GitHub)

ai-agentsbrowser-automationbrowserbaseclaudecomputer-usellmlogin-automationnextjsplaywrightweb-agent

배지 삽입

프로젝트 README용 Markdown입니다. 이 페이지로 다시 연결되며, 이용 조건은 다음에 있습니다: 이용 약관 페이지.

[![Tested by Argusic](https://argusic.com/badge/login-machine.svg)](https://argusic.com/subject/login-machine)

질문

login-machine 프로젝트는 실행되나요?
login-machine 프로젝트는 외부 서비스를 mock으로 대체하면 실행됩니다. Argusic은 깨끗한 머신에서 17분 만에 설치하고 실행했으며, 그 과정에서 오류 4개가 발생했고, 세션을 녹화했습니다.
Argusic은 login-machine 프로젝트를 어떻게 테스트했나요?
새로운 일회용 머신에서 모든 명령을 기록하며 테스트했습니다. 리포지토리는 commit e1da92965029에 고정되었습니다. 기록된 시도는 한 번이며, 전체 방법은 방법론 페이지에 있습니다.
login-machine 테스트 비용은 얼마였나요?
이 판정을 낸 실행의 비용은 0.22 USD입니다: 백만 token당 정가가 아니라 실제 컴퓨팅 및 모델 비용입니다. 해당 실행 페이지에 기록되어 있습니다.
login-machine 설치에는 얼마나 걸리나요?
이 판정을 결정한 실행에서 깨끗한 머신부터 실행 상태까지 17분이 걸렸습니다. 평균이 아니라 측정된 한 번의 시도입니다.
login-machine 실행에 GPU가 필요한가요?
시작하는 데는 필요하지 않습니다. Argusic은 GPU가 없는 머신에서 실행 상태에 도달했습니다.
login-machine 설치 시 어떤 문제가 생기나요?
기록된 실행에서 4개의 문제가 발생했습니다. 그중 4개는 사람의 도움 없이 수정되었습니다. 각 문제와 그로 인해 든 시간이 이 페이지에 나와 있습니다.
login-machine 프로젝트는 대안과 비교해 어떤가요?
Argusic이 설치하고 시간을 잰 ai-agents 프로젝트 111개 중 login-machine 프로젝트는 실행 상태에 85번째로 빨리 도달했으며, 111개 중 83개만 실행 상태에 도달했습니다.
login-machine 프로젝트의 증거는 어디에 있나요?
기록된 실행이 이 페이지에 있으며, 각각 전체 log와 터미널 녹화로 연결됩니다. 이들은 몰래 변경할 수 없도록 sha256 지문과 함께 저장됩니다.

Discussion