WebMCP：网页变 MCP 服务器，AI 智能体直接交互

两周前我提到过让网站返回 Markdown 来方便 AI 智能体工作。虽然智能体现在已经挺会用浏览器了，但操作起来还是有点麻烦、耗时。我当时建议在 HTML 里加微数据作为导航提示，那能不能让智能体直接在页面上用 MCP 呢？

所以你看，WebMCP 几乎是顺理成章的想法。当智能体访问 DOM 时，它们能很好地利用 HTML 声明中可识别的组件来执行操作。老牌网页测试工具 Selenium 就是这么干的。如果页面结构比较规整（现在的网页大多如此，毕竟都成了消费门户），导航起来并不难。但随着人类逐渐让位给 AI 智能体，智能体与人类协同工作，给它们铺平道路就很有必要了。

通过 Chrome 扩展，网页现在可以充当 MCP 服务器。这个思路是微软和谷歌去年推动的。这和 OpenAI 的 Apps SDK 与 ChatGPT Atlas 也有点关系。但 WebMCP 是客户端方案。

人类用户仍在场景中

我最初以为这纯粹是为了让 AI 智能体能“绕过”网页，用结构化方式直接与页面对话。但可能因为谷歌还需要人类来贡献广告收入，所以人机协同（Human-in-the-Loop）依然很重要。

因为你可能正在浏览网站，想就页面内容问智能体一个问题，智能体需要了解你提问前后的上下文。你可以想象用户在页面旁边打开 AI 聊天框，询问屏幕上的内容。所以别只想着智能体用无头浏览器执行任务，用户也可能在浏览时中断会话去查询网站。

而且，就像 MCP 和安全护栏（Guardrails）一样，智能体必须能返回用户那里询问澄清问题。

完整的提案提到了两个 API：用于页面内标准 HTML 式操作的声明式 API（Declarative API），以及需要 JavaScript 的复杂操作所需的命令式 API（Imperative API）。

在 Chrome 中使用 WebMCP

虽然 Chrome 的例子很新，但一些好奇的用户已经开始实验了。

我来看一个基于谷歌当前文档的例子。你显然得跟着谷歌的前沿步伐走，所以先注册他们的项目获取更新。第一步是通过邀请页面加入 Google Chrome 早期预览计划（EPP）。

你需要 Chrome 版本 146.0.7672.0 或更高。我在“关于”里看了版本号，结果它开始自动更新，像薛定谔的猫一样，不过确认没问题：

然后需要启用一个标志：“WebMCP for testing”（默认是关闭的），在地址栏输入 chrome://flags/#enable-webmcp-testing：

重启浏览器让设置生效，再检查一下是否保存成功。提醒一下，这全是实验性的：

接着安装调试工具，它可以让你查看 WebMCP 工具（即注册的函数）。

安装后，访问实时演示页面。

你会看到模拟的航班搜索页面（我猜是模拟的），右边面板的调试工具会列出可用的 MCP 工具，比如“searchFlights”：

比如，我们可以在左边“手动”浏览，用表单获取以下航班信息（我绝对不推荐现在订这个航班）：

可惜这个查询不支持：

我礼貌地按模拟应用的要求输入示例数据（这不是真实的航班搜索），得到了预期的模拟结果页面：

现在我们可以在调试工具里用这些细节：

返回了同样的模拟 HTML 页面。

如果有真正的智能体，我们就能看到结构化回复。我从 Google AI Studio 生成了 Gemini API 密钥，在调试工具里设置好，然后问智能体关于航班页面的问题：

“与页面交互”这个说法挺有意思，对用户来说，这是种新场景——问智能体关于正在看的页面内容。顺便提一下，介绍网站 webmcp.dev 提到（并显示）页面右下角有个蓝色小方块，表示 WebMCP 可用。Google Chrome 的例子没有这个，但还处于早期阶段，实现可能不同。

发送英文查询后，我得到了结构化结果：

User prompt: "What flights are available?"

AI calling tool "listFlights" with {}

Tool "listFlights" result:
[
  {
    "id":7,
    "airline":"Spirit Airlines",
    "airlineCode":"NK",
    "origin":"LHR",
    "destination":"JFK",
    "departureTime":"08:49",
    "arrivalTime":"07:05",
    "duration":"22h 16m",
    "stops":0,"price":932
  },
  {
    "id":8,
    "airline":"Southwest Airlines",
    etc

这看起来是上面模拟 HTML 航班结果页面的 JSON 等效数据。所以我们可以看到，既能得到适合 AI 智能体工作流的结果，也能让智能体陪在人类旁边返回网站。在这个例子里，查询前端会整洁地展示数据，可能还会要求筛选来细化结果。

快速检查一下，工具在普通页面（比如 The New Stack）后面看不到 WebMCP：

看来至少目前，人类网络还有喘息空间。人类可以用 WebMCP 来增强网页体验，不只是靠 AI 智能体。