実戦デモ：要望を伝えるだけでスクリプトを一撃生成
この章では、「日本語で要望を伝える」だけで「そのまま動くスクリプト」を手に入れるまでの実際の流れを、具体的なケーススタディを通して紹介します。
演示（デモ）シナリオ
ビジネス背景：あなたは 20 個の Amazon セラーアカウントを持っており、毎日各アカウントの「出荷待ち」注文数をチェックし、Excel レポートにまとめてチームに共有する必要があります。
これまでの方法：各アカウントに手動でログインし、注文数を確認して Excel に記入。約 2 時間かかっていました。
AI + Mbbrowser の方法：要望を AI に伝え、生成されたスクリプトを走らせるだけ。全工程 15 分（設定時間含む）で完了します。
ステップ 1：準備（5 分）
NOTE
以下の設定が完了していることを前提とします：
- ✅ Cursor または Antigravity がインストール済み
- ✅ 候鳥 Rules ナレッジパック を追加済み
- ✅ Mbbrowser ApiServer が起動中（
http://127.0.0.1:8186） - ✅ 各 Amazon アカウントに一度ログイン済み（Cookie が保存されている状態）
sessions.txt の準備
プロジェクトフォルダに sessions.txt を作成し、操作したい環境 ID を 1 行ずつ記入します。
ステップ 2：Cursor に指示を出す（30 秒）
Ctrl + L でチャットを開き、以下の指示（プロンプト）を入力します：
「Mbbrowser の
sessions.txtファイルがあります。これら 20 個のアカウントで Amazon の出荷待ち注文数をチェックする Python スクリプトを書いて。
sessions.txtから ID を読み込む。- 最大 10 環境まで同時並列で起動する。
- 各環境を Playwright で制御し、
https://www.amazon.com/gp/orders-v2/listにアクセスする。- 出荷待ち注文の要素（
.shipment-status-buyerPending）の数をカウントする。- 全処理が終わったら環境を閉じる。
- 結果を
amazon_orders_[日付].xlsxに保存。列は『環境ID』『注文数』『チェック時間』『ステータス』にする。 エラー時はerrors/フォルダにスクリーンショットを保存して。」
ステップ 3：AI によるコード生成（約 30 秒）
AI は指示を理解し、ApiServer の仕様に基づいた正確なコードを出力します。生成されるコードのイメージは以下の通りです：
python
# Mbbrowser + Amazon 注文チェック自動化スクリプト
import threading
from playwright.sync_api import sync_playwright
# (中略: ApiServer 連携部分と並列処理ロジック)
def check_orders(session_id):
# ApiServer 経由でブラウザ起動
# CDP ポートを取得して Playwright で接続
# Amazon 注文ページへ遷移し、件数をカウント
# 完了後にブラウザを閉じるステップ 4：実行と結果確認（2 分）
生成されたコードを保存し、必要なライブラリをインストールして実行します。
bash
pip install playwright requests openpyxl
python check_amazon_orders.py実行結果の例
📋 全 20 アカウント、最大並列数 10 で開始
[a1b2c3d4] ✅ 出荷待ち件数: 3
[b2c3d4e5] ✅ 出荷待ち件数: 0
...
========================================
✅ 成功: 18 / 20
📄 レポート保存先: amazon_orders_20260226.xlsx
❌ 失敗時のスクショ: errors/ フォルダ内まとめ：AI にスクリプトを書かせるコツ
- 候鳥 Rules を必ず読み込ませる：AI に「辞書」を与えることで、エンドポイントの間違いがなくなります。
- 指示は具体的に：「良い感じにやって」ではなく、「どのボタンをクリックし、どの要素を待つか」を伝えると精度が上がります。
- 小規模テストから：いきなり 100 アカウントで回すのではなく、まずは 1〜2 個のアカウントで動作を確認しましょう。