SSD Nodes Learn Hosting plans →
คู่มือ Matt Connorโดย Matt Connor

วิธีรัน Headless Browser บน VPS สำหรับ AI Agent

การรัน Chromium บน VPS มักพบปัญหา /dev/shm เต็ม การตั้งค่า Sandbox ผิดพลาด และฟอนต์ไม่ครบ เรียนรู้วิธีตั้งค่าทรัพยากรให้เหมาะสมเพื่อป้องกัน Agent ค้างหรือทำงานผิดพลาด

สิ่งที่คุณกำลังใช้งาน

Headless browser บน VPS คือ Chromium ที่ไม่มีหน้าต่างแสดงผล ซึ่งถูกควบคุมด้วยโค้ดของคุณแทนการใช้งานโดยบุคคล บนเซิร์ฟเวอร์มันคือกระบวนการทำงานแบบ long-lived process tree ที่ agent ของคุณสื่อสารด้วยผ่าน local socket การติดตั้งทำได้ด้วยคำสั่งเดียว แต่ภาระงานที่แท้จริงจะเกิดขึ้นหลังจากนั้น คุณต้องจำกัดทรัพยากรที่เบราว์เซอร์จะดึงไปใช้จากเครื่อง และต้องเก็บ control endpoint ของมันไว้ไม่ให้เข้าถึงได้จากอินเทอร์เน็ตสาธารณะ

คู่มือนี้ตั้งสมมติฐานว่าคุณได้เลือกเครื่องมือที่ต้องการแล้วและกำลังอยู่ในขั้นตอนการดูแลระบบ หากคุณยังอยู่ในระหว่างการเปรียบเทียบเครื่องมือ crawler และ extractor ให้เริ่มต้นที่ ทางเลือกของ Firecrawl แบบ self-hosted แล้วค่อยกลับมา เนื้อหาทั้งหมดด้านล่างนี้ใช้ Chromium ของ Playwright เนื่องจาก Playwright มีการ build เบราว์เซอร์และตัวติดตั้ง dependency ของตนเอง ทำให้สามารถใช้คำสั่งเดียวกันได้ทั้งบน bare Ubuntu VPS และภายใน container คำสั่งเหล่านี้จะระบุเวอร์ชันของ Playwright ไว้ที่ 1.62

การติดตั้ง Chromium โดยไม่ต้องเดา dependency

npm i -D playwright@1.62.0
npx playwright install --with-deps chromium

--with-deps จะรัน apt เพื่อติดตั้ง shared library และฟอนต์ที่ Chromium จำเป็นต้องใช้ โดยจะขอสิทธิ์ root เมื่อถึงขั้นตอนดังกล่าว ตัว build ของเบราว์เซอร์จะถูกดาวน์โหลดลงใน ~/.cache/ms-playwright สำหรับผู้ใช้ที่รันคำสั่งนั้น ซึ่งเป็นจุดสำคัญบนเซิร์ฟเวอร์เนื่องจากผู้ใช้ที่รัน service มักไม่ใช่ผู้ใช้ที่คุณล็อกอินเข้าใช้งาน ให้ติดตั้ง system package ครั้งเดียวในฐานะผู้ดูแลระบบด้วย sudo npx playwright install-deps chromium จากนั้นกำหนด PLAYWRIGHT_BROWSERS_PATH=/opt/pw-browsers ทั้งในคำสั่งติดตั้งและใน service unit เพื่อให้ใช้ไฟล์ชุดเดียวกันร่วมกันได้ หาก service มองไม่เห็นเบราว์เซอร์ที่ติดตั้งไว้ จะเกิดข้อผิดพลาดขณะเริ่มทำงานพร้อมข้อความระบุ path ที่ระบบได้พยายามค้นหา

ให้ล็อกเวอร์ชันของ Playwright ไว้ (pin version) เนื่องจากแต่ละ release จะผูกกับ build ของเบราว์เซอร์เฉพาะรุ่น ดังนั้นการไม่ล็อกเวอร์ชันของ npm update อาจทำให้เบราว์เซอร์ถูกเปลี่ยนไปโดยไม่ตั้งใจในขณะที่ service กำลังทำงาน ณ วันที่ 16 พฤศจิกายน 2026 release ล่าสุดคือ 1.65.1 ดังนั้นโปรดอ่านบันทึกประจำรุ่น (release notes) ก่อนทำการเปลี่ยนเวอร์ชัน สำหรับเซิร์ฟเวอร์ ARM64 โปรดทราบว่าเวอร์ชัน 1.63 ได้เปลี่ยนชื่อโฟลเดอร์ของเบราว์เซอร์ ซึ่งจะมีผลต่อการตั้งค่า AppArmor profile ในส่วนถัดไป

Chromium มีอยู่ 2 build ซึ่งไม่ใช่โปรแกรมเดียวกัน ในโหมด headless นั้น Playwright จะใช้ headless shell เป็นค่าเริ่มต้น ซึ่งเป็น binary ขนาดเล็กที่ทำงานได้เฉพาะในโหมด headless เท่านั้น การติดตั้งแบบปกติจะดาวน์โหลดไฟล์นี้ไว้ข้างๆ กับเบราว์เซอร์ตัวเต็ม และ npx playwright install --with-deps --only-shell จะติดตั้งเฉพาะตัว shell เท่านั้น ส่วนเบราว์เซอร์ตัวเต็มคือสิ่งที่คุณจะได้รับจาก channel chromium ซึ่ง เอกสารเกี่ยวกับเบราว์เซอร์ของ Playwright ระบุว่าเป็น "เบราว์เซอร์ Chrome ตัวจริง จึงมีความสมจริงและน่าเชื่อถือมากกว่า รวมถึงมีฟีเจอร์ที่ครบถ้วนกว่า" ให้ใช้ shell สำหรับการดึงข้อมูลจำนวนมาก และใช้เบราว์เซอร์ตัวเต็มเมื่อเว็บไซต์แสดงผลผิดปกติและคุณจำเป็นต้องหาสาเหตุ

เหตุใด headless browser ถึงทำงานล้มเหลวในคอนเทนเนอร์

Docker กำหนดขนาด /dev/shm ไว้ที่ 64 MB ให้กับทุกคอนเทนเนอร์ เอกสารของ Docker ระบุไว้อย่างชัดเจนว่า "หากคุณไม่ระบุขนาด ระบบจะใช้ค่าเริ่มต้นที่ 64m" Chromium จะส่งผ่านเนื้อหาที่เรนเดอร์แล้วระหว่างโพรเซสต่างๆ ผ่านพื้นที่หน่วยความจำร่วมนี้ ดังนั้นหน้าเว็บที่มีเนื้อหาหนักเพียงหน้าเดียวก็อาจทำให้พื้นที่ดังกล่าวเต็มได้ ส่งผลให้ตัวเรนเดอร์หยุดทำงานและไคลเอนต์ของคุณรายงานว่าเป้าหมายล้มเหลว ทั้งที่หน้าเว็บนั้นทำงานได้ปกติบนแล็ปท็อปของคุณ ให้ตรวจสอบขนาดจากภายในคอนเทนเนอร์ก่อนที่จะทำการเปลี่ยนแปลงใดๆ

df -h /dev/shm

มีวิธีแก้ไขที่ใช้งานได้จริงสองวิธี ซึ่งเป็นทางเลือกที่ใช้แทนกันได้ ไม่ใช่สิ่งที่ต้องใช้คู่กัน --ipc=host จะนำคอนเทนเนอร์ไปอยู่ใน IPC namespace ของโฮสต์ ทำให้คอนเทนเนอร์ใช้ /dev/shm ของโฮสต์ ซึ่งโดยปกติจะมีขนาดเป็นครึ่งหนึ่งของ RAM ทั้งหมด คู่มือ Docker ของ Playwright แนะนำวิธีนี้เนื่องจากหากไม่ทำเช่นนั้น "Chromium อาจหน่วยความจำเต็มและล้มเหลวได้" ข้อเสียคือคุณจะสูญเสียการแยก IPC ระหว่างคอนเทนเนอร์และโฮสต์ ส่วน --shm-size=1g จะยังคงใช้ namespace ส่วนตัวไว้และใช้วิธีขยายขนาด mount ให้ใหญ่ขึ้นแทน

docker run --rm -it --init --ipc=host --user pwuser mcr.microsoft.com/playwright:v1.62.0-noble /bin/bash

แฟล็ก --disable-dev-shm-usage คือคำตอบที่คุณจะพบในผลการค้นหาส่วนใหญ่ ซึ่งทำหน้าที่แตกต่างออกไป คือการย้ายไฟล์เหล่านั้นออกจาก /dev/shm ไปยังไดเรกทอรีชั่วคราว หาก /tmp อยู่บนดิสก์ คุณกำลังแลกปัญหาการล้มเหลวกับการเรนเดอร์ที่ช้าลงและการเขียนข้อมูลลงดิสก์ แต่หาก /tmp เป็น tmpfs ข้อมูลจะกลับไปอยู่ใน RAM โดยถูกจำกัดด้วยขนาดของ tmpfs เท่านั้น ซึ่ง เอกสารของเคอร์เนล กำหนดค่าเริ่มต้นไว้ที่ครึ่งหนึ่งของ RAM จริง และหน้าข้อมูลใน tmpfs สามารถถูกย้ายไปที่ swap ได้ นี่เป็นวิธีหนึ่งที่เบราว์เซอร์จะกินทรัพยากรของ VPS ขนาดเล็ก Playwright 1.62 จะส่งผ่าน --disable-dev-shm-usage เป็นค่าเริ่มต้น หากต้องการใช้ /dev/shm ที่คุณกำหนดขนาดไว้ ให้ลบอาร์กิวเมนต์ดังกล่าวออกด้วย ignoreDefaultArgs: ['--disable-dev-shm-usage'] ในตัวเลือกการเปิดใช้งานของคุณ

ต้นทุนที่แท้จริงของการใช้ --no-sandbox

Chromium แยกการทำงานของ renderer แต่ละตัวไว้ใน sandbox ที่สร้างขึ้นบน Linux user namespaces โดย sandbox นี้ทำหน้าที่เป็นแนวป้องกันระหว่างหน้าเว็บที่เป็นอันตรายกับเซิร์ฟเวอร์ของคุณ Playwright ปิดการใช้งาน Chromium sandbox เป็นค่าเริ่มต้น ดังนั้นควรเปิดใช้งานด้วย chromiumSandbox: true ในตัวเลือกการเปิดใช้งาน (launch options) เมื่อ sandbox ที่เปิดใช้งานไม่สามารถเริ่มทำงานได้ Chromium จะปฏิเสธการทำงานและบันทึกข้อความใน log ดังนี้:

Failed to move to new namespace: PID namespaces supported, Network namespace supported, but failed: errno = Operation not permitted

คำแนะนำทั่วไปคือการใช้ --no-sandbox แต่ หน้าเอกสารความปลอดภัยของ Chromium เอง ได้ระบุถึงผลกระทบไว้อย่างชัดเจนว่า: "เราไม่แนะนำให้ทำเช่นนี้ เนื่องจากจะลดระดับความปลอดภัยของคุณลงอย่างมาก และอาจทำให้ Chromium ทำงานไม่ถูกต้อง" โดยนิยามแล้ว Agent ที่ติดตามลิงก์คือการท่องเว็บแบบเปิด ซึ่งเป็นจุดที่ความปลอดภัยที่ลดลงนี้จะถูกทดสอบอย่างแน่นอน ดังนั้นควรหาสาเหตุที่แท้จริงแทน

การรันด้วยสิทธิ์ root และการถูกบล็อก user namespaces คือสองสาเหตุที่ควรตรวจสอบ Sandbox ของ Chromium จะไม่สามารถใช้งานได้เมื่อรันด้วยสิทธิ์ root ซึ่งเป็นเหตุผลว่าทำไมอิมเมจของ Playwright จึงมาพร้อมกับผู้ใช้ทั่วไปที่ชื่อ pwuser ใน Docker นั้น Playwright ยังแนะนำให้ใช้ seccomp profile ที่อนุญาต clone, setns และ unshare เพื่อการท่องเว็บแบบ sandbox บน Ubuntu 24.04 ขึ้นไป AppArmor จะจำกัด unprivileged user namespaces และไฟล์ binary ของ Chromium ที่อยู่ใน path ซึ่งไม่มี profile ใดครอบคลุมจะถูกปฏิเสธการทำงาน การดาวน์โหลดของ Playwright ภายใต้ ~/.cache/ms-playwright ก็เป็นหนึ่งใน path ดังกล่าว ให้ตรวจสอบทั้งสองส่วน:

id -u
sysctl kernel.apparmor_restrict_unprivileged_userns
sudo dmesg | grep -i userns_create

ค่า 1 จาก sysctl และบรรทัดใน kernel ที่มี apparmor="DENIED" operation="userns_create" จะเป็นการยืนยันสาเหตุที่สอง ให้คุณอนุญาตไฟล์ binary นั้นใน /etc/apparmor.d/pw-chromium ซึ่งจะช่วยคงข้อจำกัดไว้สำหรับส่วนอื่น ๆ ทั้งหมดบนเครื่อง:

abi <abi/4.0>,
include <tunables/global>

profile pw-chromium /{home/*/.cache/ms-playwright,opt/pw-browsers}/*/chrome-*/{chrome,headless_shell,chrome-headless-shell} flags=(unconfined) {
  userns,
}

โหลดการตั้งค่าด้วย sudo apparmor_parser -r /etc/apparmor.d/pw-chromium บนสถาปัตยกรรม x86-64 Playwright จะวางไฟล์เบราว์เซอร์ฉบับเต็มไว้ที่ chrome-linux64/chrome และ shell ไว้ที่ chrome-headless-shell-linux64/chrome-headless-shell สำหรับ ARM64 นั้น Playwright 1.62 ได้ติดตั้งไฟล์ไว้ในไดเรกทอรีแยกกันคือ chromium-<revision>/chrome-linux/chrome และ chromium_headless_shell-<revision>/chrome-linux/headless_shell ตั้งแต่เวอร์ชัน 1.63 เป็นต้นมา ARM64 ได้เปลี่ยนมาใช้รูปแบบเดียวกับ x86-64 โดยใช้ chrome-linux-arm64/chrome และ chrome-headless-shell-linux-arm64/chrome-headless-shell ค่า glob แบบ chrome-* จะครอบคลุมโครงสร้างเหล่านี้ทั้งหมด และสาขา /opt/pw-browsers จะครอบคลุมการติดตั้งแบบแชร์ที่ทำผ่าน PLAYWRIGHT_BROWSERS_PATH นอกจากนี้ path ยังเก็บหมายเลข revision ของเบราว์เซอร์ไว้ด้วย ดังนั้นมันจะเปลี่ยนไปทุกครั้งที่มีการอัปเกรด Playwright ค่า glob ด้านบนจะยังคงใช้งานได้หลังจากอัปเกรด แต่หากเขียน profile โดยระบุ path ที่แน่นอนเพียงค่าเดียว มันจะหยุดทำงานโดยไม่มีการแจ้งเตือน และเบราว์เซอร์จะเริ่มล้มเหลวอีกครั้งหลังจากการอัปเดตที่ดูเหมือนไม่เกี่ยวข้อง

เหตุใดภาพหน้าจอที่จับได้จึงว่างเปล่าหรือเต็มไปด้วยช่องสี่เหลี่ยม

ภาพหน้าจอที่ว่างเปล่า หรือภาพที่เต็มไปด้วยช่องสี่เหลี่ยมว่างๆ มักเกิดจากปัญหาเรื่องฟอนต์มากกว่าข้อผิดพลาดในการเรนเดอร์ install-deps จะดึงฐานข้อมูลที่ใช้งานได้มาให้: fonts-liberation, fonts-freefont-ttf, fonts-noto-color-emoji, fonts-unifont, fonts-ipafont-gothic สำหรับภาษาญี่ปุ่น, fonts-wqy-zenhei สำหรับภาษาจีน, fonts-tlwg-loma-otf สำหรับภาษาไทย ในชุดดังกล่าวไม่มี Noto CJK ดังนั้นภาษาเกาหลีและสคริปต์อื่นๆ จะเปลี่ยนไปใช้ฟอนต์ที่ fontconfig หาเจอแทน ให้สอบถามจาก fontconfig โดยตรงแทนการคาดเดา:

fc-match "sans-serif:lang=ko"
fc-match "sans-serif:lang=ar"
fc-list | wc -l

หากภาษาที่คุณต้องการใช้งานถูกแก้ไขไปเป็น unifont หรือเปลี่ยนไปใช้ฟอนต์สำรองที่ไม่มี glyph จริง ให้ติดตั้ง fonts-noto-core และ fonts-noto-cjk จากนั้นให้ตรวจสอบอีกครั้ง fontconfig จะแคชผลลัพธ์ไว้ ดังนั้นควรเริ่มการทำงานของเบราว์เซอร์ใหม่หลังจากติดตั้งฟอนต์ หากภาพที่ได้ไม่มีฟอนต์เลย ระบบจะบันทึก Fontconfig error: Cannot load default config file ไว้ใน log ตอนเริ่มต้นและเรนเดอร์ทุกหน้าให้ว่างเปล่า

Locale และ time zone เป็นคนละส่วนกับฟอนต์ และสิ่งเหล่านี้จะเปลี่ยนเนื้อหาที่แสดงบนหน้าเว็บ ไม่ใช่แค่ลักษณะที่ปรากฏเท่านั้น โดยปกติแล้ว locale และ time zone ของบริบทใน Playwright จะตั้งค่าตามระบบ ดังนั้นให้ตรวจสอบการตั้งค่าของอิมเมจแทนการสันนิษฐานว่า LANG ไม่ได้ถูกตั้งค่าไว้หรือ time zone เป็น UTC ให้กำหนดค่าเหล่านี้แยกตามบริบทของเบราว์เซอร์แทนการกำหนดที่ระดับเครื่อง เพื่อให้เบราว์เซอร์หนึ่งตัวสามารถรองรับงานสำหรับภูมิภาคที่แตกต่างกันได้

const context = await browser.newContext({
  locale: 'en-GB',
  timezoneId: 'Europe/Paris',
});

เหตุใดกระบวนการของเบราว์เซอร์ที่รั่วไหลจึงทำให้เครื่องต้องทำ swap

ปัญหาที่แตกต่างกันสองประการใช้ชื่อเรียกเดียวกันว่า "zombie" โดย zombie ที่แท้จริงคือกระบวนการที่ทำงานเสร็จสิ้นแล้วแต่กระบวนการแม่ไม่เคยเรียก wait() มันจะคงรายการ PID ไว้โดยไม่มีอย่างอื่นเหลืออยู่ จึงไม่กินหน่วยความจำ คุณจะพบปัญหาเหล่านี้เมื่อรันเบราว์เซอร์เป็น PID 1 ในคอนเทนเนอร์ เนื่องจาก PID 1 ไม่มีตัวเก็บกวาด (reaper) เริ่มต้น แฟล็ก --init ของ Docker แก้ไขปัญหานี้ได้โดยตรงด้วยการรัน init ขนาดเล็กที่ทำหน้าที่ "ส่งต่อสัญญาณและเก็บกวาดกระบวนการ" ใน Compose จะใช้การตั้งค่าเดียวกันผ่าน init: true

การรั่วไหลที่ทำให้เครื่องของคุณต้องทำ swap จริงๆ นั้นต่างออกไป คือกระบวนการ Chromium ที่ยังมีชีวิตอยู่แต่ไม่มีใครปิดมัน ปัญหานี้เกิดขึ้นเมื่อ task เกิดข้อผิดพลาดระหว่าง newContext() และ close() หรือเมื่อสคริปต์ควบคุมถูกสั่ง kill และทิ้งให้โครงสร้างเบราว์เซอร์กลายเป็นกระบวนการกำพร้า (orphaned) รูปแบบที่เลวร้ายที่สุดคือโค้ดที่เปิดเบราว์เซอร์ใหม่สำหรับทุกคำขอ ลองนับจำนวนดู:

pgrep -c -f 'headless_shell|chrome'
ps -eo pid,ppid,rss,etime,comm --sort=-rss | head -20

จำนวนนั้นควรกลับสู่ค่าปกติในช่วงที่ไม่ได้ใช้งานระหว่าง task หากจำนวนเพิ่มขึ้นเรื่อยๆ ตลอดทั้งวัน วิธีแก้ไขอยู่ที่โค้ดของคุณไม่ใช่ที่แฟล็กการเปิดใช้งาน: ให้ปิด context ในบล็อก finally, ปิดเบราว์เซอร์เมื่อเกิด SIGTERM และรีไซเคิลเบราว์เซอร์หลังจากทำงานครบจำนวน task ที่กำหนด แทนที่จะรันค้างไว้เป็นเดือน ภายใต้ systemd การสั่ง stop หรือ restart จะ kill ทุกอย่างใน cgroup ของ unit นั้น ดังนั้น sudo systemctl restart browser.service จึงเป็นการรีเซ็ตที่เชื่อถือได้ เบราว์เซอร์ที่เริ่มต้นด้วยมือภายใน terminal multiplexer จะไม่มีการรับประกันเช่นนั้น และกระบวนการกำพร้าของมันจะยังคงอยู่แม้เซสชันจะสิ้นสุดลงแล้วก็ตาม

หนึ่ง browser context ต้องการ RAM เท่าใด

ต้องตั้งคำถามให้ชัดเจน เพราะ "หนึ่ง browser" ไม่ได้หมายถึงหนึ่ง process เสมอไป Chromium จะรัน browser process, GPU process, utility processes และ renderer process แยกตามเว็บไซต์ โดยที่ site isolation จะทำให้ cross-site iframe มี renderer เป็นของตัวเองด้วย ส่วน BrowserContext คือ cookie jar และพื้นที่จัดเก็บข้อมูลที่แยกต่างหากภายในโครงสร้างเดียวกัน ดังนั้นการเปิด context ที่สองจึงใช้ทรัพยากรน้อย แต่การเปิดหน้าเว็บที่สองนั้นใช้ทรัพยากรมาก เพราะต้องเริ่ม renderer process ใหม่ และหน้าเว็บที่มีโฆษณาจำนวนมากจะเริ่ม process เพิ่มขึ้นอีกหลายรายการ

ดังนั้น ตัวเลขที่ต้องวัดคือหน่วยความจำสูงสุด (peak memory) ของทั้งโครงสร้างภายใต้ภาระงานของคุณ ตัวเลขจากบล็อกของผู้อื่นไม่มีประโยชน์ในกรณีนี้ เพราะหน้าเว็บที่ agent ของคุณเปิดจะเป็นตัวกำหนดคำตอบ ให้วัดผลบนเครื่องที่คุณจะใช้งานจริง และวัดกับเว็บไซต์ที่คุณจะเข้าชม:

sudo systemd-run --unit=browser-probe -p MemoryMax=2G -p MemorySwapMax=0 -p WorkingDirectory=/srv/agent /usr/bin/node worker.js
systemctl status browser-probe

บน Ubuntu 24.04 บรรทัด Memory: ในผลลัพธ์ดังกล่าวจะรายงานทั้งการใช้งานปัจจุบันและสูงสุดของ unit นั้น ให้รัน worker โดยเปิดทีละหนึ่งหน้า จดค่าสูงสุดไว้ จากนั้นทำซ้ำโดยเปิดสองหน้าเพื่อดูว่าหน้าเว็บที่สองมีต้นทุนจริงเท่าใด จากนั้นการคำนวณ concurrency ให้ใช้วิธีทางคณิตศาสตร์: นำ RAM ทั้งหมดที่มี ลบด้วยจำนวนที่ระบบส่วนอื่นต้องใช้ เผื่อพื้นที่ไว้สักสองสามร้อย MB แล้วหารด้วยค่า peak ต่อ worker ที่วัดได้ สำหรับการกำหนดขนาดเครื่อง VPS ที่รองรับงานนี้ โปรดดู how much RAM and CPU an agent VPS needs

ให้บังคับใช้ตัวเลขดังกล่าวในสองจุด ในโค้ดของคุณให้ใช้ worker pool แบบคงที่หรือ semaphore เพื่อให้คำขอของ agent ที่เข้ามาพร้อมกันเข้าคิวแทนที่จะเปิด browser ใหม่ทันที ส่วนในระดับ OS ให้ใช้ cgroup limit เพื่อป้องกันไม่ให้บั๊กในคิวทำให้เครื่องล่ม:

[Service]
MemoryMax=2G
MemorySwapMax=0
TasksMax=512
Restart=always

MemorySwapMax=0 มีความสำคัญมากกว่าที่เห็น หากไม่มีค่านี้ cgroup จะได้รับอนุญาตให้ผลักหน้าหน่วยความจำไปที่ swap เมื่อใกล้ถึงขีดจำกัด ทำให้เครื่องมักจะยังทำงานอยู่แต่ทุกคำขอจะช้าลง ซึ่งวินิจฉัยได้ยากกว่าความล้มเหลวที่ชัดเจน การใช้ swap เป็นเพียงการยื้อเวลาเท่านั้น: เอกสารของ systemd ระบุว่าหากการใช้งาน "ไม่สามารถควบคุมให้อยู่ภายใต้ขีดจำกัดได้ ระบบจะเรียกใช้ out-of-memory killer ภายใน unit นั้น" เมื่อกำหนด swap เป็นศูนย์ unit จะไม่สามารถใช้ swap ได้ การถึงขีดจำกัด MemoryMax จะกระตุ้นให้เกิดการเรียกคืนหน่วยความจำ (reclaim) ก่อนที่จะเกิด OOM kill หากการเรียกคืนไม่สามารถควบคุมการใช้งานได้ Restart=always จะรีสตาร์ท service เมื่อ process หลักหยุดทำงาน แต่การที่ renderer ถูก OOM kill เพียงอย่างเดียวไม่ได้รับประกันว่าจะมีการรีสตาร์ท สำหรับการควบคุมแบบเดียวกันใน Compose คือ mem_limit, shm_size และ init ซึ่งครอบคลุมอยู่ใน setting memory limits in Docker Compose

เก็บ endpoint ของเบราว์เซอร์ไว้ไม่ให้เข้าถึงได้จากอินเทอร์เน็ตสาธารณะ

Playwright สามารถรันเบราว์เซอร์ในรูปแบบเซิร์ฟเวอร์และส่ง WebSocket URL ให้กับเอเจนต์ของคุณได้:

const { chromium } = require('playwright');
const server = await chromium.launchServer({ port: 3000 });
console.log(server.wsEndpoint());

endpoint ดังกล่าวไม่มีระบบล็อกอิน เอกสาร API ของ Playwright ระบุไว้อย่างชัดเจนว่า: "กระบวนการหรือหน้าเว็บใดๆ (รวมถึงสิ่งที่รันอยู่ใน Playwright) ที่ทราบ wsPath สามารถเข้าควบคุมผู้ใช้ OS ได้" ค่าเริ่มต้นของ host คือ localhost ซึ่ง "ยอมรับการเชื่อมต่อจาก loopback interface เท่านั้น" และเอกสารยังเตือนว่าการระบุ address อย่างชัดเจน เช่น 0.0.0.0 จะเป็นการ "เปิดเผย RPC ของเบราว์เซอร์ให้กับทุกสิ่งที่สามารถเข้าถึงพอร์ตที่กำลังฟังอยู่ได้" ส่วน --remote-debugging-port ของ Chrome นั้นแย่กว่า โปรโตคอล DevTools ไม่มีการตรวจสอบสิทธิ์ใดๆ ทั้งสิ้น และขึ้นอยู่กับการผูกไว้กับ loopback เพียงอย่างเดียว

ตรวจสอบสิ่งที่คุณได้เปิดเผยไว้จริง และตรวจสอบจากเครื่องอื่นรวมถึงจาก VPS ของคุณด้วย:

ss -ltnp

หากพอร์ตของเบราว์เซอร์ถูกผูกไว้กับ 0.0.0.0 ถือเป็นช่องโหว่ โปรดจำไว้ว่าผู้ให้บริการส่วนใหญ่มี network firewall แยกต่างหากในแผงควบคุม ซึ่งกฎ ufw ของคุณไม่ทราบเรื่องนี้ ให้เข้าถึง endpoint จากเครื่องอื่นผ่าน SSH tunnel หรือ private VPN แทน:

ssh -N -L 3000:127.0.0.1:3000 you@your-vps

ความเสี่ยงในที่นี้มีมากกว่าแค่การถูกขโมยเวลาใช้งานเบราว์เซอร์ เบราว์เซอร์ที่คุณสามารถควบคุมได้เปรียบเสมือนเครื่องมือทำ request forgery ที่วางอยู่ภายในเครือข่ายของคุณ ใครก็ตามที่เข้าถึง socket นั้นได้สามารถสั่งให้มันดึงข้อมูล http://127.0.0.1:8080, หน้าผู้ดูแลระบบฐานข้อมูลของคุณ หรือ cloud metadata address ที่ 169.254.169.254 แล้วอ่านการตอบกลับจากหน้าเว็บนั้นได้ firewall ของคุณจะเห็นว่าคำขอนั้นมาจากตัว VPS เอง ซึ่งเป็นสิ่งที่ได้รับอนุญาต ให้ถือว่า control endpoint มีความสำคัญเท่ากับการเข้าถึง shell บนเครื่องนั้น

เซิร์ฟเวอร์ MCP ก็มีลักษณะเดียวกัน npx @playwright/mcp@latest --headless --port 8931 ให้บริการผ่าน HTTP บน localhost และ --host 0.0.0.0 คือ flag ที่เปลี่ยนเครื่องมือภายในให้กลายเป็นเครื่องมือสาธารณะ README ของโปรเจกต์ระบุไว้อย่างชัดเจนว่า Playwright MCP "ไม่ใช่ขอบเขตความปลอดภัย" ให้คงพอร์ตไว้ที่ loopback และปล่อยให้เอเจนต์เข้าถึงผ่าน tunnel เดียวกันแทน

หน้าเว็บที่เอเจนต์ของคุณอ่านถือเป็นอินพุตที่ไม่น่าเชื่อถือ

เอเจนต์ที่ท่องเว็บแบบเปิดจะนำข้อความที่เขียนโดยบุคคลภายนอกป้อนเข้าสู่โมเดล ซึ่งเป็นโมเดลเดียวกับที่เก็บคำสั่งของคุณไว้ หน้าเว็บอาจมีข้อความที่มุ่งเป้าไปยังโมเดลนั้น เพื่อสั่งให้ละทิ้งงาน เรียกใช้เครื่องมือ หรือโพสต์ข้อมูลไปยัง URL ใดๆ เนื่องจากโมเดลได้รับทั้งสองส่วนเป็นข้อความ จึงไม่มีวิธีที่เชื่อถือได้ในการแยกแยะระหว่างคำพูดของหน้าเว็บกับคำสั่งของคุณ คุณควรออกแบบระบบให้หน้าเว็บที่เป็นอันตรายมีช่องทางในการทำงานน้อยที่สุด

  • รันเบราว์เซอร์ภายใต้ผู้ใช้ OS ของตนเอง โดยไม่มี SSH keys และไม่มี cloud credentials ในสภาพแวดล้อมนั้น
  • ใช้บริบทใหม่สำหรับแต่ละงาน และ --isolated ด้วย Playwright MCP; ปิดเบราว์เซอร์ของ MCP ระหว่างงานเพื่อล้างข้อมูล storage ของเซสชันนั้นทิ้ง
  • รักษารายการอนุญาต (allowlist) ของแหล่งที่มาหากงานนั้นอนุญาตให้ทำได้ Playwright MCP รับค่า --allowed-origins และ --blocked-origins เป็นรายการที่คั่นด้วยเครื่องหมายอัฒภาค ตัวกรองเหล่านี้ไม่มีผลต่อการเปลี่ยนเส้นทาง (redirects) และไม่ใช่ขอบเขตความปลอดภัย
  • กำหนดให้มีขั้นตอนการยืนยันจากมนุษย์ก่อนดำเนินการใดๆ ที่เปลี่ยนสถานะของระบบ เช่น การส่งอีเมลหรือการใช้จ่ายเงิน

วิธีที่ดีกว่าคือการเก็บเบราว์เซอร์ทั้งหมดไว้บนเครื่องที่คุณสามารถทิ้งและสร้างใหม่ได้ ซึ่งเป็นเหตุผลเดียวกับ การรันเอเจนต์เขียนโค้ดใน VM แบบใช้แล้วทิ้ง หากงานที่แท้จริงของเอเจนต์คือการค้นหาแทนที่จะเป็นการท่องเว็บแบบอิสระ การใช้เครื่องมือที่จำกัดขอบเขตจะปลอดภัยกว่าการใช้เบราว์เซอร์เต็มรูปแบบ: ทักษะการค้นหาที่สนับสนุนโดย SearXNG ของคุณเอง จะส่งคืนผลลัพธ์โดยไม่ต้องโหลดหน้าเว็บที่เป็นอันตรายนั้นเลย

FAQ

ทำไม Chromium ถึงค้างใน Docker แต่ทำงานได้ปกติบน VPS เครื่องเดียวกัน?

เพราะคอนเทนเนอร์ได้รับ /dev/shm ขนาด 64 MB เป็นค่าเริ่มต้น ในขณะที่โฮสต์มีขนาดใหญ่กว่ามาก Chromium ส่งเนื้อหาที่เรนเดอร์ผ่านพื้นที่หน่วยความจำร่วมนั้น ดังนั้นหน้าเว็บที่หนักจะทำให้หน่วยความจำเต็มและตัวเรนเดอร์จะหยุดทำงาน ให้รัน df -h /dev/shm ภายในคอนเทนเนอร์เพื่อตรวจสอบ จากนั้นเริ่มการทำงานด้วย --ipc=host ซึ่งใช้หน่วยความจำร่วมของโฮสต์ หรือใช้ --shm-size=1g ซึ่งเป็นการขยายขนาดหน่วยความจำของคอนเทนเนอร์เอง ส่วน --disable-dev-shm-usage เป็นเพียงการย้ายปัญหาไปที่ /tmp เท่านั้น Playwright 1.62 ใส่ flag นี้ให้โดยอัตโนมัติ ให้ใช้ ignoreDefaultArgs: ['--disable-dev-shm-usage'] เพื่อให้ Chromium ใช้หน่วยความจำร่วมที่คุณกำหนดขนาดไว้

การใช้ --no-sandbox ปลอดภัยหรือไม่หาก VPS ไม่ได้รันอย่างอื่นเลย?

ไม่ปลอดภัย Sandbox คือสิ่งที่ป้องกันไม่ให้หน้าเว็บที่เป็นอันตรายเข้าถึงส่วนอื่นของเครื่องได้ และหน้าความปลอดภัยของ Chromium ระบุเกี่ยวกับ flag นี้ว่า: "เราไม่แนะนำให้ทำเช่นนี้เนื่องจากจะลดความปลอดภัยของคุณลงอย่างมาก และอาจทำให้ Chromium ทำงานไม่ถูกต้อง" เอเจนต์ที่ติดตามลิงก์คือการท่องเว็บแบบเปิด ให้แก้ไขที่ต้นเหตุแทน: อย่ารันเบราว์เซอร์ในฐานะ root และบน Ubuntu 24.04 ให้เพิ่ม AppArmor profile ที่มี userns, สำหรับ path ของไฟล์ binary ของเบราว์เซอร์ เพื่ออนุญาตให้ใช้ unprivileged user namespaces สำหรับโปรแกรมนั้นเพียงโปรแกรมเดียว เปิดใช้งาน sandboxing อย่างชัดเจนด้วย chromiumSandbox: true และใน Docker ให้ใช้ seccomp profile ที่ Playwright แนะนำด้วย

ฉันสามารถรันเบราว์เซอร์ได้กี่ตัวบน VPS ขนาดเล็ก?

ให้วัดผลเอา อย่าใช้วิธีคัดลอกตัวเลข Chromium เริ่มกระบวนการเรนเดอร์หนึ่งตัวต่อหนึ่งเว็บไซต์ ดังนั้นคำตอบจึงขึ้นอยู่กับหน้าเว็บที่คุณเปิด ให้รัน worker หนึ่งตัวภายใต้ systemd-run โดยตั้งค่า MemoryMax ไว้ อ่านค่าสูงสุดจากบรรทัด Memory: ใน systemctl status จากนั้นนำ RAM ที่ว่างอยู่หารด้วยค่าสูงสุดนั้นและเผื่อพื้นที่ไว้ด้วย บังคับใช้ผลลัพธ์สองชั้นด้วยการทำคิวในโค้ดของคุณและใช้ MemoryMax ใน unit file เพื่อให้คำขอที่เข้ามาพร้อมกันจำนวนมากรอคิวแทนที่จะทำให้เครื่องต้องทำ swapping

เอเจนต์ของฉันสามารถเชื่อมต่อกับเบราว์เซอร์จากเครื่องอื่นได้หรือไม่?

ได้ แต่ห้ามผูกพอร์ตไว้ที่ 0.0.0.0 โดยเด็ดขาด ทั้ง endpoint ของ Playwright server และพอร์ต Chrome DevTools ยอมรับไคลเอนต์ใดก็ตามที่เข้าถึงได้โดยไม่มีรหัสผ่าน ให้คงการฟังพอร์ตไว้ที่ 127.0.0.1 และส่งการเชื่อมต่อผ่าน SSH tunnel หรือ private VPN ตรวจสอบด้วย ss -ltnp บนเซิร์ฟเวอร์และตรวจสอบพอร์ตจากภายนอก รวมถึงตรวจสอบ network firewall แยกต่างหากของผู้ให้บริการของคุณด้วย

ทำไมภาพหน้าจอของฉันถึงว่างเปล่าทั้งที่หน้าเว็บโหลดเสร็จแล้ว?

เกิดจากฟอนต์ไม่ครบ หากไม่มีฟอนต์ที่รองรับสคริปต์ของหน้าเว็บ ข้อความจะแสดงเป็นกล่องว่างหรือมองไม่เห็นเลย ทำให้หน้าเว็บที่มีรูปภาพน้อยดูเหมือนว่างเปล่า ให้รัน fc-match "sans-serif:lang=ko" สำหรับแต่ละภาษาที่คุณดึงข้อมูล ติดตั้ง fonts-noto-core และ fonts-noto-cjk เมื่อคำตอบเป็นฟอนต์สำรองทั่วไป และรีสตาร์ทเบราว์เซอร์เพื่อให้ fontconfig โหลดแคชใหม่ คอนเทนเนอร์ที่ไม่มีฟอนต์เลยจะบันทึก Fontconfig error: Cannot load default config file ใน log ตอนเริ่มต้นระบบ

บทความนี้มีประโยชน์หรือไม่

#headless-browser#playwright#chromium#ai-agents#automation