steel-dev/leaderboard

leaderboard とは？

steel-dev/leaderboardは、ブラウザエージェントの性能を評価・比較するためのオープンソースのリーダーボードスキルです。このスキルを使用すると、さまざまなブラウザ自動化エージェント（例: Claude Code、Cursor、CodexなどのAIエージェント）がウェブタスクをどれだけ効率的かつ正確に完了できるかを測定し、ランキング形式で表示できます。リーダーボードはGitHub上でホストされており、コミュニティからの貢献を受け付けているため、開発者は自分のエージェントを提出して他のエージェントと比較することが可能です。このスキルは特に、ブラウザ操作を伴うAIエージェントの開発や評価に携わるエンジニアにとって有用であり、エージェントの改善点を特定したり、ベンチマークの標準化に役立ちます。