WebMCP：教您的网站与 AI 代理对话

元素中的哪一个是日期选择器，猜测绿色按钮可能意味着“确认”，单击它，等待，然后重新读取整个屏幕以查看是否发生了任何情况。下周移动该按钮，代理就会崩溃。重命名 CSS 类，它就会崩溃。在顶部添加一个 cookie 横幅，它会完全点击错误的内容。这就是现在几乎所有“使用网站的代理”的工作方式：屏幕抓取和希望。这相当于通过电话描述屏幕截图来操作计算机的自动化。 WebMCP 提出了更明智的建议。代理不是通过盯着网站来猜测您的网站可以做什么，而是您的网站声明它可以做什么，作为代理可以直接调用的一组干净、结构化的工具。 “这是一个 book_table 工具。它需要日期、时间和聚会规模。调用它。”没有像素读取。无需猜测。最棒的是：它已经在 Chrome 中运行了试用版，添加第一个工具大约需要十分钟。让我向你展示整个事情。核心转变：从抓取到声明 整个想法可以通过一个比较来体现。同样的任务，两个世界。今天：代理抓取整个 DOM 2 猜测哪个元素是日期字段 3 模拟输入并单击 4 重新读取整个页面进行检查 5 布局更改时中断 WebMCP：站点声明 1 页面注册一个 book_table 工具 2 代理读取工具的架构 3 代理使用结构化参数调用它 4 工具运行真实的 JS，返回结果 5 重新设计后仍然存在：该工具是合同 左栏是很脆弱，因为代理每次都会对您的 UI 进行逆向工程。右栏是稳定的，因为你给了它一个真实的界面。名称和架构保持不变的工具下的布局可以自由更改。如果你读过我之前关于 MCP（让 AI 接触世界的端口）的文章，你会感觉很熟悉，而且应该如此。 MCP 为 AI 提供了一种调用服务器上工具的标准方法。 WebMCP 将同样的想法带入浏览器：网页本身成为一个提供工具的地方，在您已经打开的选项卡中运行，并包含您已经登录的会话。 WebMCP 实际上是一个拟议的 Web 标准，由 Google (Chrome) 和 Microsoft (Edge) 在 W3C Web 机器学习社区组中联合开发，它为网页提供了一个小型 JavaScript API 来注册 AI 代理可以发现和调用的工具。谷歌在 Chrome 文档中清楚地描述了它：一种“为人工智能代理构建和公开结构化工具”的方法，其中该网站注释了自己的功能，以便代理“确切地知道如何与它们交互”。准确地说，成熟度是社区组草案，而不是完成的 W3C 标准，也尚未进入标准轨道，这正是为什么现在是学习和塑造它的时刻。三件事让它顺利就位：发现。页面表示“我提供这些工具”的标准方式，例如 checkout 或 filter_results ，以便代理可以列出它们。模式。每个工具都将其输入和输出声明为 JSON 模式，因此代理确切地知道要传递什么，并且产生幻觉或误读的空间要小得多。状态。对当前页面上的内容有共同的理解，因此代理知道它实际上可以采取什么行动。目前的情况 WebMCP 是真实且可运行的，但还处于早期阶段。它可以从 Chrome 149 开始作为 Chrome 原始试用版使用，您可以使用标记 chrome://flags/#enable-webmcp-testing 在本地打开它。该提案位于 github.com/webmachinelearning/webmcp ，Angular 已经提供了实验性支持，并且 Chrome 提供了演示网站（披萨制造商、旅行搜索、餐厅预订）。用谷歌自己的话说：它“正在积极讨论中，可能会发生变化”。因此，这是一个“尝试并塑造它”的时刻，而不是“将其投入生产”的时刻，这正是它现在值得学习的原因。呼叫的实际流程 这是整个循环，从寻呼到座席再返回。没有什么奇怪的事情发生：页面注册工具，代理列出它们，选择一个，使用结构化参数调用它，然后您自己的 JavaScript 在页面中完成工作。页面 注册工具 您的 JS 声明 book_table、搜索等 → 代理发现 列出页面的工具及其模式 → 代理 使用参数进行调用 与模式匹配的结构化 JSON → 页面执行() 运行您真正的 JS，在登录页面中 → 代理 获取结果 选项卡中可见的结构化答案 工具的执行函数在您的实际页面中运行，使用现有的 JavaScript、状态和用户自己的登录会话。它在选项卡中可见地发生，而不是在某些看不见的无头浏览器中，因此用户可以观看它并信任它。 “在您已经登录的页面中运行”的细节很重要。该代理并不是使用窃取的凭据在某处登录的单独机器人。它使用您所使用的会话在您打开的经过身份验证的选项卡中调用一个函数