SSD Nodes Learn Hosting plans →
تعلیمی Matt Connorتحریر: Matt Connor

VPS پر AI agents کے لیے headless Chromium چلائیں

VPS پر headless Chromium میں /dev/shm کم، sandbox flags، missing fonts اور leaked processes عام خرابیاں ہیں۔ Agent چلانے سے پہلے limits اور private endpoint طے کریں۔

آپ کیا چلا رہے ہیں

VPS پر headless browser ایسا Chromium ہے جس کی کوئی window نہیں ہوتی اور اسے کسی شخص کے بجائے آپ کا code چلاتا ہے۔ سرور پر یہ ایک طویل مدت تک چلنے والا process tree ہوتا ہے، جس سے آپ کا agent مقامی socket کے ذریعے رابطہ کرتا ہے۔ اسے install کرنے کے لیے ایک command کافی ہے۔ اصل کام اس کے بعد شروع ہوتا ہے۔ آپ browser کے لیے machine سے استعمال کیے جانے والے وسائل کی حد مقرر کرتے ہیں اور اس کے control endpoint کو public internet سے دور رکھتے ہیں۔

یہ guide فرض کرتی ہے کہ tool کا انتخاب پہلے ہی ہو چکا ہے اور اب آپ کو اسے operate کرنا ہے۔ اگر آپ اب بھی crawlers اور extractors کا موازنہ کر رہے ہیں تو self-hosted Firecrawl کے متبادل سے شروع کریں اور پھر واپس آئیں۔ ذیل کی تمام ہدایات Playwright کے Chromium کو استعمال کرتی ہیں، کیونکہ Playwright اپنا browser build اور اپنا dependency installer فراہم کرتا ہے۔ اس لیے یہی commands ایک bare Ubuntu VPS اور container، دونوں میں کام کرتی ہیں۔ ان commands میں Playwright 1.62 مقرر کیا گیا ہے۔

انحصاراً قیاس پر انحصار کیے بغیر Chromium انسٹال کریں

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

--with-deps ان مشترکہ libraries اور fonts کے لیے apt چلاتا ہے جن کی Chromium کو ضرورت ہوتی ہے، اور وہاں پہنچنے پر root کی اجازت طلب کرتا ہے۔ Browser build خود اس صارف کے لیے ~/.cache/ms-playwright میں download ہوتا ہے جس نے command چلائی ہو۔ Server پر یہ بات اہم ہے، کیونکہ service user عموماً وہ صارف نہیں ہوتا جس سے آپ login کرتے ہیں۔ sudo npx playwright install-deps chromium کے ذریعے system packages ایک بار administrator کے طور پر install کریں، پھر install command اور service unit دونوں میں PLAYWRIGHT_BROWSERS_PATH=/opt/pw-browsers مقرر کریں تاکہ ایک ہی copy مشترکہ طور پر استعمال ہو۔ جو service اپنے browser تک رسائی نہ رکھتی ہو، وہ launch کے وقت اس path کا نام دینے والا error message دکھا کر fail ہو جاتی ہے۔

Playwright version کو pin کریں۔ ہر release ایک browser build سے منسلک ہوتی ہے، اس لیے بغیر pin کیا ہوا npm update چلتی ہوئی service کے لیے browser تبدیل کر سکتا ہے۔ 16 November 2026 تک تازہ ترین release 1.65.1 ہے، اس لیے pin تبدیل کرنے سے پہلے release notes پڑھیں۔ ARM64 servers پر یاد رکھیں کہ 1.63 میں browser folders کے نام تبدیل کیے گئے تھے۔ یہ تبدیلی آگے بیان کیے گئے AppArmor profile کے لیے اہم ہے۔

Chromium کے دو builds موجود ہیں، اور یہ ایک ہی program نہیں ہیں۔ Headless mode میں Playwright بطور default headless shell استعمال کرتا ہے۔ یہ ایک چھوٹا binary ہے جو صرف headless mode میں چلتا ہے۔ عام install اسے full browser کے ساتھ download کرتا ہے، جبکہ npx playwright install --with-deps --only-shell صرف shell install کرتا ہے۔ Full browser وہی ہے جو chromium channel کے ذریعے ملتا ہے۔ Playwright کی browser documentation اسے "حقیقی Chrome browser، اور اسی لیے زیادہ authentic، reliable اور زیادہ features فراہم کرنے والا" کہتی ہے۔ Bulk fetching کے لیے shell استعمال کریں۔ جب کسی site کا رویہ مختلف ہو اور آپ کو وجہ معلوم کرنی ہو تو full browser استعمال کریں۔

کنٹینر میں headless browser کیوں crash ہوتا ہے

Docker ہر container کو 64 MB /dev/shm دیتا ہے۔ Docker documentation واضح طور پر کہتی ہے: "اگر آپ size بالکل درج نہ کریں تو system 64m استعمال کرتا ہے۔" Chromium اپنے processes کے درمیان rendered content اسی shared memory area کے ذریعے منتقل کرتا ہے، اس لیے ایک heavy page اسے بھر سکتا ہے۔ اس کے بعد renderer بند ہو جاتا ہے اور آپ کا client crashed target کی اطلاع دیتا ہے، حالانکہ وہی page آپ کے laptop پر درست کام کرتا ہے۔ کچھ بھی تبدیل کرنے سے پہلے container کے اندر سے size کی تصدیق کریں۔

df -h /dev/shm

اس مسئلے کے 2 حقیقی حل ہیں، اور یہ باہم متبادل ہیں، ایک ساتھ استعمال کرنے کے لیے نہیں۔ --ipc=host container کو host کے IPC namespace میں شامل کرتا ہے، اس لیے وہ host کا /dev/shm استعمال کرتا ہے، جو عموماً RAM کا نصف ہوتا ہے۔ Playwright کی Docker guide اس طریقے کی سفارش کرتی ہے، کیونکہ اس کے بغیر "Chromium کی memory ختم ہو سکتی ہے اور وہ crash ہو سکتا ہے۔" اس کا نقصان یہ ہے کہ container اور host کے درمیان IPC isolation ختم ہو جاتی ہے۔ --shm-size=1g private namespace برقرار رکھتا ہے اور صرف mount کا size بڑھاتا ہے۔

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

--disable-dev-shm-usage وہ flag ہے جو زیادہ تر search results میں حل کے طور پر ملتا ہے، لیکن یہ مختلف کام کرتا ہے: یہ ان files کو /dev/shm سے نکال کر ایک temporary directory میں منتقل کرتا ہے۔ اگر /tmp disk پر موجود ہو تو آپ نے crash کے بدلے rendering سست اور disk writes زیادہ کر دیے۔ اگر /tmp tmpfs ہو تو data دوبارہ RAM میں رہتا ہے، مگر اس کی حد صرف tmpfs size limit ہوتی ہے؛ kernel documentation کے مطابق یہ limit default طور پر physical RAM کے نصف کے برابر ہوتی ہے، اور tmpfs pages کو swap میں منتقل کیا جا سکتا ہے۔ یہی ایک طریقہ ہے جس سے browser ایک چھوٹے VPS کی memory ختم کر سکتا ہے۔ Playwright 1.62 default طور پر --disable-dev-shm-usage پاس کرتا ہے؛ اپنے مقرر کردہ /dev/shm کو استعمال کرنے کے لیے launch options میں ignoreDefaultArgs: ['--disable-dev-shm-usage'] کے ذریعے یہ argument ہٹا دیں۔

--no-sandbox کی اصل قیمت

Chromium ہر renderer کو Linux user namespaces پر بنے ہوئے sandbox میں الگ کرتا ہے۔ یہ sandbox کسی hostile page اور آپ کے server کے درمیان حفاظتی حد ہے۔ Playwright، Chromium sandboxing کو default طور پر disable کرتا ہے، اس لیے اپنی launch options میں chromiumSandbox: true کے ذریعے اسے enable کریں۔ جب enabled sandbox شروع نہ ہو سکے تو Chromium چلنے سے انکار کر دیتا ہے، اور log میں اس طرح کی ایک لائن موجود ہوتی ہے:

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

عام مشورہ --no-sandbox ہے۔ Chromium کے اپنے security pages اس کی قیمت واضح طور پر بیان کرتے ہیں: "ہم اس کی حوصلہ افزائی نہیں کرتے، کیونکہ اس سے آپ کی security نمایاں طور پر کم ہو جائے گی اور Chromium درست طور پر کام نہ بھی کرے۔" Links follow کرنے والا agent لازماً open web browse کرتا ہے، اور reduced security کا امتحان عین اسی ماحول میں ہوتا ہے۔ اصل وجہ تلاش کریں۔

Running as root اور blocked user namespaces وہ دو وجوہات ہیں جنہیں پہلے چیک کرنا چاہیے۔ root کے طور پر چلنے پر Chromium sandbox دستیاب نہیں ہوتا۔ اسی لیے Playwright کی image میں pwuser نام کا ایک عام user شامل ہوتا ہے۔ Docker میں Playwright sandboxed browsing کے لیے clone، setns اور unshare کی اجازت دینے والا seccomp profile بھی تجویز کرتا ہے۔ Ubuntu 24.04 اور اس کے بعد کے versions میں AppArmor، unprivileged user namespaces کو restrict کرتا ہے، اور جس path پر Chromium binary موجود ہو اسے کوئی shipped profile cover نہ کرتا ہو تو اسے deny کر دیا جاتا ہے۔ ~/.cache/ms-playwright کے تحت Playwright کا download عین ایسا ہی path ہے۔ دونوں چیک کریں:

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

sysctl سے حاصل ہونے والی 1 اور apparmor="DENIED" operation="userns_create" پر مشتمل kernel line دوسری وجہ کی تصدیق کرتی ہیں۔ /etc/apparmor.d/pw-chromium میں اسی binary کی اجازت دیں۔ اس طرح باقی پورے box کے لیے restriction برقرار رہتی ہے:

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,
}

اسے sudo apparmor_parser -r /etc/apparmor.d/pw-chromium کے ذریعے load کریں۔ x86-64 پر Playwright مکمل browser کو chrome-linux64/chrome اور shell کو chrome-headless-shell-linux64/chrome-headless-shell میں رکھتا ہے۔ ARM64 پر Playwright 1.62 نے انہیں الگ directories میں install کیا: chromium-<revision>/chrome-linux/chrome اور chromium_headless_shell-<revision>/chrome-linux/headless_shell۔ 1.63 سے ARM64، chrome-linux-arm64/chrome اور chrome-headless-shell-linux-arm64/chrome-headless-shell کے ساتھ x86-64 pattern اختیار کرتا ہے۔ chrome-* glob ان تمام layouts کو cover کرتا ہے، جبکہ /opt/pw-browsers branch، PLAYWRIGHT_BROWSERS_PATH کے ذریعے کی گئی shared install کو cover کرتا ہے۔ اس path میں browser revision بھی شامل ہوتی ہے، اس لیے ہر Playwright upgrade کے بعد یہ تبدیل ہو جاتا ہے۔ اوپر دیے گئے globs اس تبدیلی کے بعد بھی کام کرتے رہتے ہیں۔ کسی ایک exact path کے مطابق لکھی گئی profile خاموشی سے matching بند کر دیتی ہے، اور بظاہر غیر متعلقہ update کے بعد browser دوبارہ fail ہونے لگتا ہے۔

اسکرین شاٹس خالی یا خانوں سے بھرے ہوئے کیوں آتے ہیں

خالی اسکرین شاٹ، یا خالی مستطیل خانوں سے بھرا ہوا اسکرین شاٹ، عموماً rendering bug کے بجائے fonts کا مسئلہ ہوتا ہے۔ install-deps ایک فعال base حاصل کرتا ہے: fonts-liberation، fonts-freefont-ttf، fonts-noto-color-emoji، fonts-unifont، جاپانی کے لیے fonts-ipafont-gothic، چینی کے لیے fonts-wqy-zenhei، اور تھائی کے لیے fonts-tlwg-loma-otf۔ اس مجموعے میں Noto CJK شامل نہیں ہے، اس لیے Korean اور کئی دیگر scripts کے لیے fontconfig کو جو font ملے گا، وہ fallback کے طور پر استعمال ہوگا۔ اندازہ لگانے کے بجائے fontconfig سے دریافت کریں:

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

اگر آپ کی مطلوبہ زبان unifont یا ایسے fallback font سے resolve ہوتی ہے جس میں حقیقی glyphs موجود نہیں، تو fonts-noto-core اور fonts-noto-cjk انسٹال کریں، پھر دوبارہ check چلائیں۔ Fontconfig اپنے نتائج cache کرتا ہے، اس لیے fonts انسٹال کرنے کے بعد browser restart کریں۔ ایسی stripped image جس میں کوئی fonts موجود نہ ہوں، startup کے وقت Fontconfig error: Cannot load default config file log کرتی ہے اور ہر page کو خالی render کرتی ہے۔

Locale اور time zone، fonts سے الگ ہوتے ہیں۔ یہ صرف page کی ظاہری شکل نہیں بلکہ اس کا متن بھی تبدیل کرتے ہیں۔ Playwright کے context locale اور time zone بطور default system settings استعمال کرتے ہیں، اس لیے image کی configuration check کریں اور یہ فرض نہ کریں کہ LANG unset ہے یا time zone UTC ہے۔ انہیں machine کے بجائے ہر browser context کے لیے الگ set کریں، تاکہ ایک browser مختلف regions کے tasks انجام دے سکے۔

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

لیک ہونے والے browser processes server کو swap پر کیوں لے جاتے ہیں

"zombie" نام سے دو مختلف مسائل مراد لیے جاتے ہیں۔ حقیقی zombie ایک مکمل ہو چکا process ہوتا ہے، جس کے parent نے کبھی wait() نہیں چلایا ہوتا۔ یہ صرف PID entry رکھتا ہے اور اس کے علاوہ کچھ نہیں، اس لیے memory استعمال نہیں کرتا۔ جب browser container میں PID 1 کے طور پر چلتا ہے تو ایسے processes جمع ہو سکتے ہیں، کیونکہ PID 1 میں default reaper نہیں ہوتا۔ Docker کا --init flag عین اسی مسئلے کو حل کرتا ہے۔ یہ ایک چھوٹا init چلاتا ہے جو "forwards signals and reaps processes"۔ Compose میں اسی کے لیے init: true استعمال ہوتا ہے۔

جو leak واقعی server کو swap پر لے جاتا ہے، وہ مختلف ہے: یہ ایسے live Chromium processes ہوتے ہیں جنہیں کسی نے بند نہیں کیا ہوتا۔ یہ اس وقت ہوتا ہے جب newContext() اور close() کے درمیان کوئی task exception دے، یا controlling script kill ہو جائے اور اس کا browser tree orphaned رہ جائے۔ اس کی بدترین صورت وہ code ہے جو ہر request کے لیے نیا browser شروع کرتا ہے۔ انہیں شمار کریں:

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

Tasks کے درمیان یہ count اپنی idle value پر واپس آنا چاہیے۔ اگر یہ ایک دن کے دوران بڑھتا رہے تو مسئلہ launch flags میں نہیں بلکہ آپ کے code میں ہے۔ finally block میں context بند کریں، SIGTERM پر browser بند کریں، اور browser کو ایک ماہ تک چلانے کے بجائے مقررہ تعداد میں tasks کے بعد اسے دوبارہ شروع کریں۔ systemd کے تحت stop یا restart unit کے cgroup میں موجود ہر چیز کو kill کر دیتا ہے، اس لیے sudo systemctl restart browser.service ایک قابل اعتماد reset ہے۔ terminal multiplexer کے اندر ہاتھ سے شروع کیے گئے browser کے لیے ایسی ضمانت نہیں ہوتی، اور اس کے orphaned processes session ختم ہونے کے بعد بھی چلتے رہتے ہیں۔

ایک browser context کو کتنی RAM درکار ہوتی ہے

یہ سوال درست طور پر پوچھیں، کیونکہ "ایک browser" سے مراد ایک process نہیں ہوتا۔ Chromium ایک browser process، ایک GPU process، utility processes، اور ہر site کے لیے ایک renderer process چلاتا ہے۔ site isolation کی وجہ سے cross-site iframes کے لیے بھی الگ renderer درکار ہوتا ہے۔ ایک BrowserContext اسی process tree کے اندر الگ cookie jar اور storage area ہوتا ہے، اس لیے دوسرا context کم وسائل لیتا ہے۔ دوسرا page ایسا نہیں ہوتا، کیونکہ اس سے renderer processes شروع ہوتے ہیں، اور اشتہارات سے بھرے page سے کئی processes شروع ہو سکتے ہیں۔

اس لیے جس عدد کی پیمائش کرنی ہے وہ آپ کے اپنے workload کے تحت پورے process tree کا peak memory استعمال ہے۔ کسی دوسرے شخص کے blog میں دیا گیا عدد یہاں بے فائدہ ہے، کیونکہ جواب کا انحصار ان pages پر ہے جنہیں آپ کا agent کھولتا ہے۔ اس machine پر پیمائش کریں جسے آپ استعمال کریں گے، اور انہی sites کے خلاف کریں جنہیں آپ visit کریں گے:

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

Ubuntu 24.04 پر اس output میں Memory: line unit کے لیے current اور peak دونوں استعمال دکھاتی ہے۔ worker کو ایک وقت میں ایک page کے ساتھ چلائیں، peak نوٹ کریں، پھر دو pages کھول کر دوبارہ پیمائش کریں تاکہ معلوم ہو سکے کہ دوسرا page حقیقت میں کتنی memory لیتا ہے۔ اس کے بعد concurrency کا حساب سادہ ہے: total RAM میں سے باقی machine کی ضرورت منہا کریں، چند سو MB headroom رکھیں، اور باقی مقدار کو فی worker ناپی گئی peak memory سے تقسیم کریں۔ اس machine کی sizing کے لیے agent VPS کو کتنی RAM اور CPU درکار ہوتی ہے دیکھیں۔

اس عدد کو دو مقامات پر نافذ کریں۔ اپنے code میں fixed worker pool یا semaphore استعمال کریں، تاکہ agent requests کا burst نئے browsers شروع کرنے کے بجائے queue میں چلا جائے۔ OS میں cgroup limit استعمال کریں، تاکہ queue میں موجود bug machine کو بھی down نہ کر دے:

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

MemorySwapMax=0 کی اہمیت بظاہر زیادہ محسوس نہیں ہوتی، لیکن یہ ضروری ہے۔ اس کے بغیر cgroup کو limit کے قریب پہنچنے پر pages کو swap میں منتقل کرنے کی اجازت ہوتی ہے۔ اس کے نتیجے میں machine اکثر چلتی رہتی ہے، لیکن ہر request سست ہو جاتی ہے۔ یہ صورت حال صاف failure کے مقابلے میں تشخیص کرنا زیادہ مشکل بناتی ہے۔ Swap صرف failure کو مؤخر کرتا ہے: systemd کی documentation کے مطابق، اگر usage "cannot be contained under the limit, out-of-memory killer is invoked inside the unit"۔ Swap کو zero پر محدود کرنے سے unit swap استعمال نہیں کر سکتی؛ MemoryMax تک پہنچنے پر، اگر reclaim usage کو محدود نہ کر سکے تو OOM kill سے پہلے reclaim شروع ہو جاتا ہے۔ Restart=always اس وقت service کو restart کرتا ہے جب اس کا main process exit ہو، لیکن صرف renderer کے OOM kill ہونے سے restart کی ضمانت نہیں ملتی۔ Compose میں یہی controls mem_limit، shm_size اور init ہیں، جن کی وضاحت Docker Compose میں memory limits مقرر کرنا میں کی گئی ہے۔

عوامی انٹرنیٹ سے browser endpoint کو الگ رکھیں

Playwright browser کو server کے طور پر چلا سکتا ہے اور آپ کے agent کو WebSocket URL فراہم کر سکتا ہے:

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

اس endpoint پر login موجود نہیں ہوتا۔ Playwright کی API documentation میں یہ بات براہِ راست لکھی ہے: "wsPath سے واقف کوئی بھی process یا web page، بشمول Playwright میں چلنے والے process یا web page، OS user کا کنٹرول حاصل کر سکتا ہے۔" Default host localhost ہے، جو "صرف loopback interface سے connections قبول کرتا ہے"، اور documentation خبردار کرتی ہے کہ 0.0.0.0 جیسا explicit address دینے سے "browser RPC ہر اس چیز کے لیے exposed ہو جاتا ہے جو listening port تک پہنچ سکتی ہے۔" Chrome کا اپنا --remote-debugging-port اس سے بھی زیادہ خطرناک ہے۔ DevTools protocol میں کسی بھی قسم کی authentication نہیں ہوتی اور یہ مکمل طور پر loopback سے bind ہونے پر منحصر ہے۔

دیکھیں کہ آپ نے حقیقت میں کیا publish کیا ہے۔ اسے دوسری machine سے بھی check کریں، صرف VPS سے نہیں:

ss -ltnp

0.0.0.0 سے bind browser port پر موجود ہر چیز ایک security finding ہے۔ یاد رکھیں کہ زیادہ تر providers اپنے control panel میں الگ network firewall چلاتے ہیں۔ آپ کے ufw rules اس firewall سے واقف نہیں ہوتے۔ endpoint تک کسی دوسری machine سے SSH tunnel یا private VPN کے ذریعے پہنچیں:

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

یہ خطرہ صرف browser time چوری ہونے تک محدود نہیں۔ جس browser کو remotely drive کیا جا سکے، وہ آپ کے network کے اندر موجود request-forgery machine ہے۔ جو بھی اس socket تک پہنچ سکتا ہے، وہ اسے http://127.0.0.1:8080، آپ کے database admin page، یا 169.254.169.254 پر موجود cloud metadata address کو fetch کرنے کے لیے استعمال کر سکتا ہے، اور پھر page کے ذریعے response پڑھ سکتا ہے۔ آپ کا firewall اس request کو VPS سے آنے والی request سمجھتا ہے، اس لیے اسے اجازت مل جاتی ہے۔ اس control endpoint کو اس machine پر shell access کے برابر سمجھیں۔

MCP servers بھی اسی نوعیت کے ہوتے ہیں۔ npx @playwright/mcp@latest --headless --port 8931 localhost پر HTTP کے ذریعے service فراہم کرتا ہے، اور --host 0.0.0.0 وہ flag ہے جو local tool کو public بنا دیتا ہے۔ Project کی README میں واضح طور پر لکھا ہے کہ Playwright MCP "security boundary نہیں ہے"۔ Port کو loopback پر رکھیں اور agent کو اسی tunnel کے ذریعے اس تک پہنچنے دیں۔

آپ کے agent کے پڑھنے والے صفحات غیر معتبر input ہیں

جو agent open web کو browse کرتا ہے، وہ اجنبی افراد کا لکھا ہوا متن ایسے model کو فراہم کرتا ہے جس میں آپ کی instructions بھی موجود ہوتی ہیں۔ کوئی صفحہ اس model کے لیے براہ راست متن رکھ سکتا ہے جس میں اسے task ترک کرنے، کوئی tool چلانے، یا کسی URL پر data post کرنے کا کہا گیا ہو۔ Model دونوں چیزیں بطور متن وصول کرتا ہے، اس لیے اس کے پاس صفحے کے الفاظ اور آپ کی ہدایات میں فرق کرنے کا کوئی قابلِ اعتماد طریقہ نہیں ہوتا۔ Setup اس طرح بنائیں کہ کسی hostile صفحے کے لیے کارروائی کی گنجائش بہت کم رہے۔

  • Browser کو اپنے الگ OS user کے تحت چلائیں۔ اس user کے پاس SSH keys نہ ہوں اور اس کے environment میں cloud credentials بھی نہ ہوں۔
  • ہر task کے لیے نیا context استعمال کریں، اور Playwright MCP کے ساتھ --isolated چلائیں؛ tasks کے درمیان MCP browser بند کر دیں تاکہ اس session کا storage حذف ہو جائے۔
  • جہاں job اجازت دے، وہاں origin allowlist برقرار رکھیں۔ Playwright MCP --allowed-origins اور --blocked-origins کو semicolon-separated lists کے طور پر لیتا ہے۔ یہ filters redirects پر اثر انداز نہیں ہوتے اور security boundary نہیں ہیں۔
  • ایسی ہر کارروائی سے پہلے انسانی منظوری لازم کریں جو state تبدیل کرتی ہو، مثلاً mail بھیجنا یا رقم خرچ کرنا۔

اس سے بھی بہتر یہ ہے کہ پورا browser ایسی machine پر چلائیں جسے ضائع کر کے دوبارہ build کیا جا سکے۔ یہی دلیل disposable VM میں coding agents چلانے پر بھی لاگو ہوتی ہے۔ اگر agent کا اصل کام open-ended browsing کے بجائے search ہے تو full browser کے مقابلے میں زیادہ محدود tool محفوظ ہے: اپنے SearXNG سے تقویت یافتہ search skill نتائج واپس کرتا ہے اور hostile صفحہ کبھی load نہیں کرتا۔

FAQ

Chromium Docker میں crash کیوں ہوتا ہے، جبکہ اسی VPS پر براہِ راست ٹھیک کام کرتا ہے؟

کیونکہ container کو default طور پر 64 MB کا /dev/shm ملتا ہے، جبکہ host کے پاس اس سے کہیں زیادہ ہوتا ہے۔ Chromium rendered content کو اس shared memory area کے ذریعے منتقل کرتا ہے، اس لیے بھاری page اسے بھر دیتا ہے اور renderer ختم ہو جاتا ہے۔ تصدیق کے لیے container کے اندر df -h /dev/shm چلائیں۔ پھر اسے یا تو --ipc=host کے ساتھ شروع کریں، جو host کی shared memory استعمال کرتا ہے، یا --shm-size=1g کے ساتھ، جو container کی اپنی shared memory بڑھاتا ہے۔ --disable-dev-shm-usage صرف مسئلے کو /tmp منتقل کرتا ہے۔ Playwright 1.62 یہ flag default طور پر پاس کرتا ہے؛ Chromium کو اپنی مقرر کردہ shared memory استعمال کرانے کے لیے ignoreDefaultArgs: ['--disable-dev-shm-usage'] استعمال کریں۔

اگر VPS پر کوئی دوسری چیز نہیں چل رہی تو کیا --no-sandbox محفوظ ہے؟

نہیں۔ Sandbox کسی malicious page کو machine کے باقی حصوں تک پہنچنے سے روکتا ہے۔ Chromium کے security pages اس flag کے بارے میں کہتے ہیں: "ہم اس کی حوصلہ افزائی نہیں کرتے، کیونکہ اس سے آپ کی security نمایاں طور پر کم ہو جائے گی اور Chromium درست طور پر کام نہیں کرے گا۔" Links follow کرنے والا agent open web browse کر رہا ہوتا ہے۔ اس کے بجائے اصل وجہ درست کریں: browser کو root کے طور پر نہ چلائیں، اور Ubuntu 24.04 پر browser binary path کے لیے ایسا AppArmor profile شامل کریں جس میں userns, ہو، تاکہ unprivileged user namespaces صرف اسی program کے لیے اجازت یافتہ ہوں۔ chromiumSandbox: true کے ذریعے sandboxing واضح طور پر enable کریں؛ Docker میں Playwright کی تجویز کردہ seccomp profile بھی استعمال کریں۔

چھوٹے VPS پر میں کتنے browsers چلا سکتا ہوں؟

کوئی عدد نقل نہ کریں؛ خود پیمائش کریں۔ Chromium ہر site کے لیے ایک renderer process شروع کرتا ہے، اس لیے جواب ان pages پر منحصر ہے جنہیں آپ کھولتے ہیں۔ MemoryMax مقرر کر کے systemd-run کے تحت ایک worker چلائیں، systemctl status میں Memory: line سے peak پڑھیں، پھر اپنی free RAM کو اس peak پر تقسیم کریں اور کچھ headroom برقرار رکھیں۔ اس حد کو دو مرتبہ نافذ کریں: اپنے code میں queue کے ذریعے اور unit file میں MemoryMax کے ذریعے، تاکہ requests کا اچانک اضافہ machine کو swapping پر مجبور کرنے کے بجائے انتظار کرے۔

کیا میرا agent کسی دوسری machine سے browser سے connect ہو سکتا ہے؟

ہاں، لیکن port کو کبھی 0.0.0.0 پر bind نہ کریں۔ Playwright server endpoint اور Chrome DevTools port دونوں ہر ایسے client کو قبول کرتے ہیں جو ان تک پہنچ سکتا ہو، اور ان میں password نہیں ہوتا۔ Listener کو 127.0.0.1 پر رکھیں اور connection کو SSH tunnel یا private VPN کے ذریعے منتقل کریں۔ Server پر ss -ltnp سے تصدیق کریں، باہر سے port check کریں، اور اپنے provider کے الگ network firewall کو بھی دیکھیں۔

Page واضح طور پر load ہونے کے باوجود میرے screenshots خالی کیوں ہوتے ہیں؟

Fonts موجود نہیں ہیں۔ اگر page کے script کو cover کرنے والا font نہ ہو تو text خالی boxes کی صورت میں render ہوتا ہے یا بالکل render نہیں ہوتا۔ اس لیے image-light page کا screenshot خالی دکھائی دیتا ہے۔ ہر scraped language کے لیے fc-match "sans-serif:lang=ko" چلائیں۔ جب جواب generic fallback ہو تو fonts-noto-core اور fonts-noto-cjk install کریں، پھر browser restart کریں تاکہ fontconfig اپنا cache دوبارہ load کرے۔ ایسے container میں جہاں کوئی fonts موجود نہ ہوں، startup پر Fontconfig error: Cannot load default config file log ہوتا ہے۔

کیا یہ مضمون مفید تھا؟

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