WebMCP：网页为什么要学会给 AI Agent 提供工具？

很多 AI Agent 现在还在用“看屏幕、猜按钮、再点击”的方式操作网页。它们能完成任务，但每一步都要重新解释页面：这个按钮是什么意思？这个表单字段接受什么格式？点击之后会不会真的提交订单？网页一旦改版，原本能工作的 Agent 就可能失灵。

WebMCP 想解决的，正是网页和 Agent 之间缺少“明确接口”这件事。它提出一种浏览器侧的 Web 标准：网页可以主动声明自己提供哪些结构化工具，Agent 不必只靠视觉和猜测来完成操作。

先给结论：WebMCP 是网页的“操作说明书”

传统网页主要服务人类。人类看到“搜索”“加入购物车”“提交表单”，会结合文字、布局和常识理解下一步做什么。Agent 如果只拿到截图或 DOM，就必须自己推断这些含义；这就是所谓的 actuation，近似于模拟人类点击和输入。

WebMCP 的思路是让网页把动作的意图说清楚：

• 工具叫什么；
• 工具解决什么问题；
• 需要哪些输入；
• 输入的类型和约束是什么；
• 执行后会产生什么结果或副作用。

Chrome 的官方说明将 WebMCP 描述为一个仍在提案和试验阶段的 Web 标准。它一方面提供 JavaScript 接口，另一方面允许 HTML 表单元素带上更明确的语义，让 Agent 知道页面功能应该如何被调用。Chrome WebMCP 文档

这和给网页加一层“可调用 API”很像，但它不要求网站先变成一套独立的后端服务。它更接近渐进增强：没有 Agent 时，网页仍然照常服务人类；有 Agent 时，网页额外提供一组机器可理解的操作入口。

它和服务器端 MCP 不是一回事

MCP 解决的是“模型客户端如何连接外部工具和数据源”。例如，一个 MCP Server 可以把数据库查询、文件检索或日历操作暴露给 AI 客户端。

WebMCP 解决的是另一层问题：网页本身如何向浏览器里的 Agent 暴露动作。

可以把两者放在同一条链路上理解：

服务器端 MCP 更像“把一个系统接进 Agent”；WebMCP 更像“让一个已经存在的网页变得 Agent-ready”。两者可以互补，也不应该混成同一个协议。

为什么结构化动作比截图点击可靠

假设用户说：“帮我找一双 42 码、黑色、预算 500 元以内的跑鞋。”

纯视觉 Agent 可能要经历：打开筛选器、找到尺码下拉框、滚动选项、点击颜色、拖动价格条、等待列表刷新。任何一个步骤都可能受到布局、弹窗、网络延迟或文案变化影响。

如果网页提供一个类似下面的工具，Agent 可以直接表达意图：

// 仅用于说明设计思路，不代表当前 WebMCP API 的最终写法
{
  name: "searchProducts",
  description: "按关键词、尺码、颜色和最高价格搜索商品",
  inputSchema: {
    type: "object",
    properties: {
      query: { type: "string" },
      size: { type: "string" },
      color: { type: "string" },
      maxPrice: { type: "number" }
    },
    required: ["query"]
  }
}

这份声明不会自动让网站变安全，也不会替 Agent 决定用户真正想买什么；它只是把“能做什么、需要什么输入”从页面视觉中提取出来，变成可以验证的接口。

可靠性主要来自三个地方：

1. 减少猜测：Agent 看到的是动作语义，而不是只看到一个按钮标签。
2. 提前校验：尺码、价格和日期可以在工具边界处检查，而不是等后端返回错误。
3. 缩短路径：一次结构化调用可以替代多次点击、等待和重新观察。

真正困难的是副作用，而不是调用

搜索、排序、展开详情通常是低风险动作；下单、转账、删除文件则会改变外部世界。网页一旦把这些能力暴露成工具，就必须明确区分“读取”和“执行”。

一个实用的设计是给工具标注副作用等级：

还要考虑工具参数的来源。Agent 生成的“收货地址”不能仅凭自然语言就直接提交；网页应当重新校验权限、金额、库存和用户身份。WebMCP 降低了交互歧义，却没有替代服务器端的认证与授权。

现在适合怎样看待 WebMCP

截至目前，WebMCP 仍处在浏览器实验和标准讨论阶段。Chrome 文档建议通过 origin trial 或本地测试方式体验，正式采用前还需要关注规范变化、浏览器兼容性和工具安全指南。

对网站开发者来说，最值得提前做的不是把所有按钮都包装成工具，而是先整理出三类信息：哪些动作是稳定的业务能力、哪些输入可以结构化校验、哪些操作必须获得用户确认。这样的梳理即使最终不使用 WebMCP，也会反过来改善网站自身的 API 和交互设计。

一句话总结：WebMCP 不是让 Agent 更会“点网页”，而是让网页更愿意告诉 Agent“我能做什么”。

来源

• Chrome for Developers：WebMCP
• WebMCP 提案仓库