WebMCP

Alexandra Klepper
Alexandra Klepper
François Beaufort
François Beaufort
Kasper Kulikowski
Kasper Kulikowski

发布时间:2026 年 5 月 18 日,上次更新时间:2026 年 10 月 7 日

WebMCP 是一项 Web 标准提案,旨在帮助您为 AI 智能体构建和提供结构化工具。WebMCP 提供 JavaScript 并为 HTML 表单元素添加注解,以便智能体确切知道如何与页面功能互动,从而为用户提供支持。这可以显著提高智能体执行操作的性能和可靠性。

AI 智能体是一项较新的技术。它们可以帮助人类用户更好地完成高度复杂和技术性的任务。WebMCP 可提高智能体任务完成的准确性,并可作为渐进增强功能添加。

说明类视频 Web 扩展程序 Chrome 状态 目的
GitHub 源试用 源试用 查看 实验意向

为何选择 WebMCP?

WebMCP 提供了互动规则,可弥合 Web 应用与智能体之间的差距,从而提高效率、可靠性和任务完成率。网站会声明元素(例如按钮或字段)的用途,以便按预期使用,而不是由代理审核元素来了解其用途。

这比执行更可靠,因为执行可能包含许多步骤,并且每个步骤都可能由智能体自行解读。

左侧:智能体抓取 DOM。在右侧,智能体调用工具。在我们的预约演示中亲自体验。

网站可以通过定义 tool 来分享明确的目的,例如搜索或购买。工具在网页上执行操作时,用户可以直观地看到,从而确信任务会按预期完成。这还能让您的品牌和以人为本的设计选择保持不变。

WebMCP 支持:

  • 发现:一种标准方式,供页面向代理注册工具,例如 checkout 或 filter_results。
  • JSON 架构:明确定义输入和预期输出,以减少幻觉或误解。
  • 状态:对当前页面上下文的共同理解,以便智能体实时了解有哪些资源可供操作。

我们的目标是构建可供任何具有智能体功能的浏览器实现并从中受益的 API,以便用户更轻松地完成任务。您可以在 GitHub 上关注此流程。

使用场景

使用 WebMCP 的方式有很多。 例如:

  • 帮助客户获得支持。如果您向客户提供软件,则可能需要一个复杂的支持流程来解决许多不同的问题。您可以使用 WebMCP 帮助客服人员更快地找到正确的表单,并使用用户提供的信息填写字段。
  • 改进旅行预订。帮助客服人员以更少的步骤预订复杂的多城市和多乘客行程。

某些操作可能属于敏感操作,例如进行购买。您可以添加一条命令,以请求用户通过确认对话框进行互动。

在实际应用中,您的工具可以完成以下任务:

  • 填写结构化表单:构建 submit_application 工具,帮助客服人员将从与用户的对话中收集的数据正确映射到表单字段。例如,您可以区分某个字段是需要全名,还是需要单独的姓氏和名字。
  • 支持在以人为本的界面中进行智能体互动:某些字段专为人类用户设计,但智能体可能无法理解。您可以构建一个 date_pick 工具,以便在预订或活动预订中选择复杂的日期和时间。
  • 更快速的应用调试:您可以在开发者设置页面上构建 run_diagnostics 工具,以便智能体可以触发原本隐藏在嵌套菜单后面的修复操作。

您的应用场景是否缺失?或者,您是否有关于 WebMCP 的想法,迫不及待想要分享?在 GitHub 上提出问题并参与讨论。

开始使用

从 Chrome 149 开始加入 WebMCP 源试用。详细了解如何开始使用源试用。

本地 WebMCP

WebMCP 可作为 Chrome flag 用于本地开发:

  1. 打开 Chrome 并前往 chrome://flags/#enable-webmcp-testing
  2. 将该标志设置为已启用。
  3. 重新启动 Chrome 以应用所做的更改。

使用 WebMCP API

您可以使用以下两个 API 来设置网站工具:

  • 命令式 API:使用标准 JavaScript 定义不同类型的工具,例如表单输入、导航工具、状态管理或其他函数。
  • 声明式 API:向标准 HTML 表单添加注解,以创建 WebMCP 工具。

您可以使用 Chrome 开发者工具调试 WebMCP 工具,并验证浏览器如何解析 JSON 架构。

限制

虽然 WebMCP 旨在简化智能体和人类的复杂任务,但仍存在一些限制:

  • 无头浏览:虽然可以在无头环境中运行 WebMCP 工具,但此 API 主要设计用于人机协同的本地浏览器工作流。
  • 复杂界面的开销:如果您的网站非常复杂,您可能需要重构或添加 JavaScript 来处理应用和界面状态。
  • 工具可发现性:客户端和浏览器必须直接访问网站,才能知道网站是否具有可调用的工具。

权限政策

这两个 API 均受 tools 权限政策控制。此政策默认设置为 self,这允许在顶级和同源上下文中注册工具,并禁止在跨域 iframe 中注册工具。

如需在跨域 iframe 中允许使用 WebMCP 工具,请向 iframe 添加 allow="tools" 属性。

演示

以下是涵盖命令式和声明式实现的演示示例:

您还可以在 GitHub 上查看和探索演示源代码。

模拟智能体以测试工具

我们构建了两个 Chrome 扩展程序,帮助您了解 WebMCP 工具在我们的演示和您的应用中的运作方式。

安装示例智能体 Chrome 扩展程序,以便使用自然语言提示检查、监控和执行 WebMCP 工具。具体而言,此扩展服务始终信任 WebMCP 注解,这些注解可以提醒智能体注意敏感操作。这演示了工具在有注释和无注释的情况下 性能会有何不同

默认情况下,此扩展程序使用一个带有 AI SDK 的小型 Node 服务器。API 密钥是必需的,并且会保留在本地服务器上。默认情况下,您的提示会发送到 gemini-3.6-flash 模型,但您可以在扩展程序的 .env 文件中修改模型选择和 API 提供方。其中包含 OpenAI、Google 和 Anthropic 的字段,您也可以自定义扩展程序,以使用其他提供商的模型。

或者,您也可以将客户端模型与 Prompt API 搭配使用。此方法不需要 API 密钥,数据会保留在您的设备上。为此,请启用 chrome://flags/#prompt-api-tool-use。

安装 Model Context Tool Inspector 扩展程序,即可在实时演示或您自己的应用中体验智能体并了解 WebMCP 工具的工作原理。使用自然语言提示来确定智能体是否按预期与 WebMCP 工具交互。

如需使用 Gemini 调用工具,您必须拥有 API 密钥,并在扩展程序的界面中提供该密钥。默认情况下,您的提示会发送到 gemini-3.6-flash 模型。您可以选择其他 Gemini 模型进行实验,也可以自定义扩展程序代码以使用其他提供商的模型。

参与互动并分享反馈

WebMCP 目前正处于积极讨论阶段,未来内容可能会有所调整。如果您在试用这些 API 后有任何反馈,欢迎与我们分享。