Skyvern v praxi: Jak automatizovat webové úkoly, které nezvládne makro ani RPA

Znáš ten moment: konečně sis napsal makro v Seleniu nebo Playwrightu, naučil ho vyplňovat objednávky v e-shopu nebo stahovat reporty z dodavatelského portálu. Fungovalo to týden. Pak dodavatel přepracoval layout, tlačítko se přesunulo o 50 pixelů dolů, XPath přestal sedět a tvůj skript leží.

Tohle je největší bolest klasické browser automatizace i komerčních RPA nástrojů (UiPath, Blue Prism, Power Automate Desktop). Řešení stojí tisíce korun měsíčně, ale po každém redesignu webu musíš pohnout člověkem, který skript přepíše.

Skyvern jde na problém z opačné strany. Místo pevných selektorů kombinuje velké jazykové modely (LLM) s computer vision a Playwrightem. Výsledek: agent, který vidí stránku jako člověk, chápe, co na ní je, a dokáže na ní pracovat i tehdy, když ji nikdy předtím neviděl.

Pojďme si ukázat, kdy to dává smysl, kdy ne, a jak to reálně nasadit.

Kdy klasická automatizace selhává

Tři situace, ve kterých ti XPath a CSS selektory nepomohou:

Stránky, které se často mění. E-shopy, SaaS dashboardy, dodavatelské portály. Redesign jednou za pár měsíců je norma.
Stejný úkol na mnoha různých webech. Třeba vyplnit poptávku na 20 různých webech dodavatelů, každý má jiné formuláře a jinou strukturu.
Úkoly za loginem nebo za CAPTCHA. Mnoho firemních workflowů se točí kolem interních nástrojů, které nemají veřejné API a přístup je jen přes prohlížeč.

V každém z těchto případů musíš buď napsat křehký skript, který se bude neustále rozbíjet, nebo to dělat ručně. Skyvern nabízí třetí cestu.

Jak Skyvern funguje pod pokličkou

Technicky je Skyvern sada agentů postavená nad Playwrightem. Architektura je volně inspirovaná Task-Driven agenty z BabyAGI a AutoGPT, ale s jedním zásadním rozdílem: agent umí ovládat reálný prohlížeč.

Funguje to zhruba takto:

Pořídí snímek stránky (screenshot + DOM), ne jen HTML.
Vision LLM zmapuje vizuální prvky – tlačítka, formulářová pole, odkazy – a přiřadí jim význam.
Naplánuje další krok na základě cíle, který jsi zadal v přirozeném jazyce („vyplň fakturační údaje, klikni na Dokončit objednávku, ulož potvrzení").
Provede akci přes Playwright a znovu se podívá na výsledek.
Cyklus se opakuje, dokud není úkol hotový.

Klíčový rozdíl oproti klasické automatizaci: neexistují žádné pevné selektory. Když se tlačítko přesune, agent ho prostě znovu najde vizuálně. Když je stránka nová, agent si s ní poradí, protože rozumí tomu, co vidí.

Autoři uvádějí 85,8 % úspěšnost na standardizovaném WebVoyager benchmarku. V praxi to znamená: ne každý úkol vyjde napoprvé, ale pro opakující se workflowy, které nemají API, je to často jediné rozumné řešení.

Konkrétní firemní scénáře, kde to dává smysl

Nejčastější otázka, kterou dostávám: „A na co konkrétně?" Tady jsou reálné use-casy, na kterých Skyvern svítí:

1. Hromadné vyplňování formulářů na cizích webech

Poptáváš službu u 30 dodavatelů, každý má vlastní webový formulář. Místo toho, aby člověk vyplňoval každý zvlášť, dáš Skyvernu sadu dat (IČO, kontakt, popis projektu) a cíl. Agent projde seznam URL, na každé stránce rozpozná formulářová pole a vyplní je. I když každý web vypadá jinak.

2. Stahování reportů z portálů bez API

Mnoho firem používá legacy systémy, bankovní portály nebo B2B markety, které mají jen webové rozhraní. Skyvern se přihlásí, přejde na příslušnou sekci, stáhne report a uloží ho na definované místo. Ideální pro noční dávkové zpracování.

3. Zpracování objednávek a objednávkových potvrzení

E-shopy dostávají potvrzení objednávek od dodavatelů v různých portálech. Skyvern dokáže cyklickě procházet schránky, stahovat data a strukturovat je do tabulky nebo posílat do ERP.

4. Lead enrichment a ověřování údajů

Máš seznam firem a potřebuješ ověřit jejich aktuální údaje na registru, obchodním rejstříku nebo sociálních sítích. Agent projde seznam, na každé stránce najde správná pole a výsledky ti vrátí ve strukturované podobě.

5. Automatizace HR procesů

Vyplňování onboarding formulářů nových zaměstnanců na 5 různých portálech (zdravotní pojišťovna, daňový portál, interní HR systém). Jedna dávka dat, více cílů.

Jak začít: tři cesty nasazení

Máš tři možnosti, jak Skyvern rozjet, podle toho, jak moc chceš vědět, co se děje pod pokličkou.

Cesta A: Skyvern Cloud (nejrychlejší)

Pro týmy, co chtějí výsledek bez správy infrastruktury. Zaregistruješ se na app.skyvern.com, nahraješ workflow a spustíš ho. Cloud verze má vestavěné anti-bot detekce, proxy network a CAPTCHA solvery – to je věc, kterou doma těžko řešíš. Vhodné pro produkci, kde potřebuješ spolehlivost a paralelismus.

Cesta B: pip install (vývoj a testování)

Nejjednodušší lokální cesta:

pip install "skyvern[all]"
skyvern quickstart
skyvern run server

Default databáze je SQLite v ~/.skyvern/data.db, takže to funguje bez Postgresu. Pro lokální Postgres přidej --postgres. Potřebuješ Python 3.11–3.13 a API klíč k LLM provideru (OpenAI, Anthropic – záleží, jaký model chceš pustit za vizuální analýzu).

Cesta C: Docker Compose (produkce on-prem)

Pokud potřebuješ všechno u sebe (compliance, citlivá data):

git clone https://github.com/skyvern-ai/skyvern.git && cd skyvern
cp .env.example .env  # doplň LLM API klíč
docker compose up -d

Webové UI poběží na http://localhost:8080. Vhodné pro firemní nasazení, kde data nesmí opustit infrastrukturu.

No-code workflow builder pro netechnické uživatele

Velká výhoda oproti čistému kódu: Skyvern má vizuální workflow builder. Netechnický člověk (HR, operace, finance) si může složit úkol z bloků – „jdi na URL, najdi pole X, vlož Y, klikni na tlačítko" – bez toho, aby psal Python. Pro ty, co chtějí jít hlouběji, existuje Playwright-compatible SDK, kde si definuješ vlastní kroky a parametry.

Tohle je důležité: automatizaci nemusí vlastnit jen vývojář. Většina firemních úkolů, které by Skyvern řešil, vychází z operativy. Pokud dokážeš automatizaci delegovat na lidi, kteří ten úkol denně dělají, získáš mnohonásobně větší dopad než z dalšího skriptu od vývojáře.

Na co si dát pozor

Skyvern není stříbrná kulka. Tady jsou reálná omezení, na která narazíš:

Cena LLM volání. Každý krok agenta znamená volání vision modelu. U složitých úkolů s desítkami kroků se to nasčítá. Pro hromadné dávkové joby si raději spočítaj unit economics předtím, než to pustíš na tisíce URL.
Rychlost. Oproti selektorovému skriptu je agent pomalejší – každá akce projde LLM. U úkolů, které běží jednorázově nebo v noci, to nevadí. U interaktivních workflowů ano.
Spolehlivost ~85 %. To znamená, že cca 15 % úkolů selže nebo bude vyžadovat retry. Pro kritické workflowy potřebuješ sledování, alerting a fallback.
Bezpečnost přihlašovacích údajů. Pokud automatizuješ za loginem, řeš pečlivě, kam se ukládají credentials. On-prem nasazení je v těchto případech bezpečnější volba.

Praktické pravidlo: použij Skyvern tehdy, když náklady na ruční práci nebo údržbu selektorového skriptu převyšují náklady na LLM volání. U jednorázových nebo občasných úkolů na nestabilních webech to vyjde drasticky lépe než udržovat vlastní RPA.

Srovnání: Skyvern vs. klasická RPA vs. API-first automatizace

Kritérium	Klasická RPA (UiPath apod.)	API-first (n8n, Make)	Skyvern
Potřebuje API cíle	Ne	Ano	Ne
Odolnost vůči změnám UI	Nízká	Vysoká (UI netečná)	Vysoká (vision-based)
Náklady na běh	Licence + lidská údržba	Nízké	LLM tokeny
Rychlost	Rychlá	Velmi rychlá	Pomalejší
Vhodné pro	Stabilní interní systémy	Cokoli s API	Weby bez API, často se měnící

Praktický závěr: pokud cíl má API, vždy preferuj API (n8n, Make, vlastní skript). Pokud API nemá a UI je stabilní, klasická RPA nebo selektorový skript je OK. Pokud API nemá a UI se mění nebo je hodně různorodé – tam nastupuje Skyvern.

Konkrétní nasazení krok za krokem

Pojďme si ukázat reálný příklad. Představ, že chceš každý týden stáhnout prodejní report z portálu dodavatele, který nemá API a občas mění vzhled.

Lokální instalace: pip install "skyvern[all]" a skyvern quickstart.
Konfigurace LLM: v .env doplň API klíč k OpenAI nebo Anthropic.
Vytvoření workflow ve webovém UI (skyvern run server → localhost:8000):
- Cíl: „Přihlas se do portálu XY uživatelem ABC, přejdi na sekci Reporty, vyber poslední týden, stáhni CSV a ulož ho do /data/reports/."
- Parametry: URL, přihlašovací údaje (uložené jako secret), cesta k uložišti.
Test: spusť workflow jednou ručně, zkontroluj výsledek.
Plánování: použij cron nebo orchestraci přes API – Skyvern má REST API, takže ho můžeš napojit do existujícího scheduleru (cron, n8n, Airflow).
Monitoring: přidej alerting na neúspěšné běhy. Pro 15 % chybovost potřebuješ vědět, kdy agent selhal.

Stejný postup platí pro jakýkoli jiný úkol – jen změníš cíl a parametry.

Závěr: kdy to zkusit

Skyvern není náhrada za API-first automatizaci ani za n8n. Je to nástroj pro mezeru mezi těmito světy – situace, kdy cíl nemá API, UI se mění a ruční práce stojí víc než LLM volání.

Pokud ve firmě řešíš opakující se webové úkoly, které ti nedají spát (vyplňování formulářů, stahování reportů, lead enrichment), vyzkoušej Skyvern na jednom konkrétním úkolu. Nejdřív lokálně přes pip, změř si cenu LLM volání na jeden běh, porovnej s hodinami ruční práce, a rozhodni se.

Open-source, žádná licence, žádný vendor lock-in. To je v dnešní době vzácné.

Odkazy: