新智元報(bào)道

編輯：桃子 好困

【新智元導(dǎo)讀】終于，AI不用裝得像個(gè)人了。谷歌Chrome重磅上線WebMCP。從此，Agent不用瘋狂截屏，直連內(nèi)核完成任務(wù)，AI與網(wǎng)頁(yè)交互的底層邏輯正在重構(gòu)。

今天，谷歌Chrome團(tuán)隊(duì)投下了一枚深水炸彈：WebMCP（Web模型上下文協(xié)議）正式登場(chǎng)。

它可以讓AI智能體跳過(guò)「人類用戶界面」，直接與現(xiàn)有的網(wǎng)站和Web應(yīng)用深度交互。

在Chrome 146的早期預(yù)覽版中，開啟特定flag即可體驗(yàn)WebMCP

這相當(dāng)于給Agent加上了「超能力」，從此不用再「裝得像個(gè)人一樣」，去看網(wǎng)頁(yè)、找按鈕，或是點(diǎn)鏈接。

僅通過(guò)一個(gè)API：navigator.modelContext，AI便可繞過(guò)圖形界面，直接與Web應(yīng)用服務(wù)的內(nèi)核對(duì)話。

假設(shè)想要訂一張機(jī)票，Agent不用在屏幕上點(diǎn)擊，而會(huì)直接通過(guò)底層協(xié)議，向航空公司網(wǎng)站發(fā)送命令，直接獲取結(jié)果。

用開發(fā)者Alex Volkov的話來(lái)說(shuō)，「WebMCP就相當(dāng)于UI里的API」。

可以說(shuō)，WebMCP的誕生，釋放了一個(gè)極其明確的信號(hào)——

AI Agent與網(wǎng)頁(yè)交互的底層邏輯，正迎來(lái)一場(chǎng)徹底的重塑。

它實(shí)現(xiàn)了從「視覺(jué)模擬」到「邏輯直連」的躍遷，正讓傳統(tǒng)的Web交互范式徹底走向終結(jié)。

WebMCP震撼登場(chǎng)

掀起Agent交互革命

或許很多人，還沒(méi)有意識(shí)到WebMCP的重要性。

它的核心在于，改變了Agent獲取服務(wù)的方式，讓其直接拿到了網(wǎng)頁(yè)的「通天鑰匙」。

過(guò)去幾周，全世界都在為爆火的OpenClaw瘋狂，若是未來(lái)交互更進(jìn)一步，說(shuō)不定又將催生一次大變革。

要知道，如今Agent操作網(wǎng)頁(yè)的方式，既笨拙又原始，而現(xiàn)在的集成方式實(shí)在是「太拉胯」了。

它們本質(zhì)上，就是在模擬人類的行為——截屏、識(shí)別按鈕的位置、模擬點(diǎn)擊，DOM抓取......

這種方式，存在著明顯的痛點(diǎn)：

• 成本高昂：一次簡(jiǎn)單的搜索，可能需消耗數(shù)千token來(lái)處理截圖、解析頁(yè)面；

• 穩(wěn)定性低：網(wǎng)站一旦改版，Agent會(huì)因找不到按鈕陷入「癱瘓」；

• 反饋低效：Agent必須反復(fù)「看」屏幕，來(lái)確認(rèn)操作是否成功。

不再裝個(gè)人，降維打擊

如今，有了WebMCP，網(wǎng)站可以直接向AI開放其服務(wù)接口。Agent不用經(jīng)過(guò)「前端視覺(jué)界面」，直接可以查詢并執(zhí)行服務(wù)。

WebMCP將取代傳統(tǒng)的「屏幕抓取」（screen-scraping），從而實(shí)現(xiàn)更穩(wěn)定、更高效的頁(yè)面交互和信息檢索。

誠(chéng)如網(wǎng)友所言，AI Agent正成為網(wǎng)絡(luò)的「一等公民」。

在谷歌Chrome 146的官博中，為開發(fā)者提供了兩套靈活的API接入方式：

聲明性API：執(zhí)行可直接在HTML表單中定義的標(biāo)準(zhǔn)操作；

命令式API：執(zhí)行需要JavaScript執(zhí)行的復(fù)雜、更動(dòng)態(tài)的互動(dòng)。

這兩種方式，允許開發(fā)者為AI提供一套直接的工具集，讓Agent跳過(guò)視覺(jué)識(shí)別，直接訪問(wèn)網(wǎng)站背后的結(jié)構(gòu)化函數(shù)。

此前，谷歌軟件工程師Khushal Sagar在演講中表示，WebMCP目標(biāo)是成為AI應(yīng)用領(lǐng)域的USB-C接口。

它不僅是讓智能體替代用戶，更是建立一種協(xié)作模式：

• 用戶、網(wǎng)頁(yè)、智能體三者共享界面，共同協(xié)作。

• 智能體專用路徑：開發(fā)者在為人類設(shè)計(jì)UI的同時(shí)，為智能體提供結(jié)構(gòu)化的API路徑。

兩大巨頭聯(lián)手

要徹底「干掉」前端？

值得一提的是，WebMCP并不是谷歌的獨(dú)角戲。

早在25年8月13日，谷歌、微軟開發(fā)者聯(lián)手，在GitHub上提交了WebMCP這一項(xiàng)目。

開源項(xiàng)目：https://github.com/webmachinelearning/webmcp

目前，AI智能體通常通過(guò)MCP等協(xié)議進(jìn)行后端集成。

但對(duì)于Web開發(fā)者來(lái)說(shuō)，為了開放網(wǎng)站功能，他們往往得用Python或NodeJS寫一套后端服務(wù)器，而不是用他們更熟悉的瀏覽器端JS。

在項(xiàng)目介紹中，WebMCP讓網(wǎng)頁(yè)能在UI中提供「智能體專用通道」。

與后端集成不同，WebMCP工具在客戶端執(zhí)行，只有在智能體加載頁(yè)面后才可用。

智能體依然可以像人一樣觀察頁(yè)面和模擬操作，但有了工具，它能更直接、高效地達(dá)成目標(biāo)。

據(jù)官方的介紹，以下是WebMCP的三大主要優(yōu)勢(shì)：

• 代碼復(fù)用：直接利用現(xiàn)有的前端代碼；

• 統(tǒng)一界面：用戶和智能體共用一個(gè)界面，簡(jiǎn)化了交互時(shí)的身份驗(yàn)證和狀態(tài)同步；

• 無(wú)障礙利器：讓輔助技術(shù)能執(zhí)行更高層級(jí)的頁(yè)面操作，而不僅僅是簡(jiǎn)單的點(diǎn)擊。

更進(jìn)一步說(shuō)，WebMCP讓用戶和智能體可以在同一個(gè)網(wǎng)頁(yè)界面里并肩工作，既能利用現(xiàn)有的應(yīng)用邏輯，又能保持上下文共享和用戶的掌控感。

繞過(guò)所有UI，統(tǒng)治網(wǎng)絡(luò)

那么，在WebMCP加持下，Agent未來(lái)會(huì)演變成什么樣？

開發(fā)者們提前設(shè)想了三大場(chǎng)景，電子商務(wù)、旅游出行，以及客戶支持。

首先，未來(lái)，我們的購(gòu)物體驗(yàn)，或?qū)⒂瓉?lái)質(zhì)變。

一句指令，Agent不再在頁(yè)面上反復(fù)「翻找」優(yōu)惠券入口，僅通過(guò)WebMCP函數(shù)調(diào)用，實(shí)現(xiàn)秒級(jí)下單。

它可以輕松找到產(chǎn)品、配置特定的購(gòu)物選項(xiàng)，完成結(jié)賬全流程。

在旅游出行方面，Agent還可以成為更精準(zhǔn)的預(yù)訂專家，使用結(jié)構(gòu)化數(shù)據(jù)進(jìn)行搜索、過(guò)濾結(jié)果和處理預(yù)訂。

由于避開了混亂的UI干擾，它能確保每次搜索結(jié)果的準(zhǔn)確性，并直接在后臺(tái)完成復(fù)雜的行程組合。

此外，WebMCP還可以成為自動(dòng)化服務(wù)的橋梁，讓智能體自動(dòng)填寫必要的技術(shù)細(xì)節(jié)，以創(chuàng)建詳細(xì)的客戶支持服務(wù)工單。

上手試過(guò)的開發(fā)者驚嘆，立即發(fā)現(xiàn)了WebMCP兩大好處。

分層Web時(shí)代來(lái)臨

一半給AI用

開發(fā)者大佬Nikoloz Turazashvili最新一文，深度解釋了WebMCP的出現(xiàn)對(duì)于開發(fā)意味著什么。

如果你看過(guò)AI Agent像無(wú)頭蒼蠅一樣使用網(wǎng)站——瞎猜哪個(gè)按鈕是結(jié)賬，或者糾結(jié)乘客姓名該填在哪個(gè)框里……

實(shí)際上，你已經(jīng)抓住核心痛點(diǎn)了：

現(xiàn)在的Web UI是給人看的，但智能體需要的是「結(jié)構(gòu)」。

這恰恰是WebMCP想要解決的問(wèn)題。如前所述，它是一個(gè)擬議中的Web標(biāo)準(zhǔn)，允許網(wǎng)站直接向?yàn)g覽器內(nèi)的Agent暴露結(jié)構(gòu)化的工具。

這樣一來(lái)，智能體就能調(diào)用真正的函數(shù)（帶有Schema），而不是去暴力爬取頁(yè)面，然后祈禱DOM結(jié)構(gòu)沒(méi)有改變。

因此，可以把它想象成「內(nèi)置在瀏覽器標(biāo)簽頁(yè)里的MCP」。

WebMCP的核心思路，便是發(fā)布工具，別光給像素。

與其讓Agent去瞎猜一個(gè)按鈕是干嘛的，不如在搭建的網(wǎng)站明確發(fā)布一份契約：

• Discovery（發(fā)現(xiàn)）：這個(gè)頁(yè)面上有哪些工具（checkout,filter_results等）

• JSONSchemas：輸入/輸出具體長(zhǎng)什么樣（以此減少幻覺(jué)）

• State（狀態(tài)）：對(duì)頁(yè)面上當(dāng)前可用內(nèi)容的共識(shí)

這就把「到處亂點(diǎn)直到碰巧蒙對(duì)」變成了：直接調(diào)用book_flight({ origin, destination, outboundDate… })。

WebMCP基本上是在說(shuō)——如果智能體要在瀏覽器肚子里運(yùn)行，瀏覽器就得提供這種握手機(jī)制。

而且從產(chǎn)品角度看，這也是控制權(quán)的轉(zhuǎn)移：網(wǎng)站自己定義了允許哪些操作，以及數(shù)據(jù)該怎么傳。

如果WebMCP真的成為標(biāo)準(zhǔn)落地，主流瀏覽器開始原生支持這種結(jié)構(gòu)化交互，未來(lái)的互聯(lián)網(wǎng)或許分化為兩層：

• 給人類用的UI：視覺(jué)美感、品牌敘事

• 給Agent用的工具界面：結(jié)構(gòu)化數(shù)據(jù)、極速響應(yīng)

而最終贏家不會(huì)是那些界面最花哨的——而是那些擁有最清晰工具契約的App。

這一切，預(yù)示著「Agentic UI」時(shí)代的到來(lái)。

未來(lái)的網(wǎng)頁(yè)將不再僅僅是給「人」看的展示窗，還是能與AI無(wú)縫銜接的自動(dòng)化服務(wù)節(jié)點(diǎn)。

WebMCP的出現(xiàn)，無(wú)疑加速了從「手動(dòng)搜索」到「智能體自動(dòng)執(zhí)行」的互聯(lián)網(wǎng)范式轉(zhuǎn)移。

參考資料：

https://developer.chrome.com/blog/webmcp-epp?hl=zh-cn

https://x.com/nomad_remy/status/2021307801990201412?s=20

https://dev.to/axrisi/chromes-webmcp-early-preview-the-end-of-ai-agents-clicking-buttons-b6e

https://www.youtube.com/watch?v=p1l8nkQAoUw