WebMCP

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

تاریخ انتشار: ۱۸ مه ۲۰۲۶، آخرین به‌روزرسانی: ۷ اکتبر ۲۰۲۶

WebMCP یک استاندارد وب پیشنهادی است که به شما کمک می‌کند ابزارهای ساختاریافته‌ای را برای عوامل هوش مصنوعی بسازید و ارائه دهید. ‫WebMCP جاوا اسکریپت را ارائه می‌دهد و عناصر فرم HTML را حاشیه‌نویسی می‌کند تا عامل‌ها دقیقاً بدانند چگونه با ویژگی‌های صفحه تعامل داشته باشند و از تجربه کاربر پشتیبانی کنند. این کار می‌تواند عملکرد و قابلیت اطمینان فعال‌سازی عامل را به‌طور قابل‌توجهی بهبود بخشد.

عوامل هوش مصنوعی فناوری جدیدتری هستند. این مدل‌ها می‌توانند به کاربران انسانی کمک کنند تا کارهای بسیار پیچیده و فنی را بهتر انجام دهند. WebMCP دقت بالاتری برای تکمیل تکلیف عامل‌محور ارائه می‌دهد و می‌توان آن را به‌عنوان ارتقای پیش‌رو اضافه کرد.

راهنمای توضیحی وب برنامه‌های افزودنی وضعیت Chrome قصد
GitHub آزمایش معرفی ویژگی جدید آزمایش معرفی ویژگی جدید مشاهده قصد آزمایش

چرا WebMCP؟

WebMCP قوانینی برای تعامل ارائه می‌دهد که فاصله بین برنامه‌های وب و عامل‌ها را پر می‌کند و کارایی، قابلیت اطمینان، و تکمیل تکلیف را بهبود می‌بخشد. به‌جای اینکه عاملی عنصر را (مثلاً دکمه یا فیلد) برای درک هدف آن بازبینی کند، وب‌سایت هدف عنصر را اعلام می‌کند تا به‌صورت موردنظر استفاده شود.

این روش از فعال‌سازی قابل‌اعتمادتر است، زیرا فعال‌سازی ممکن است مراحل متعددی داشته باشد و هر مرحله را برای تفسیر توسط عامل باز بگذارد.

در سمت راست، نماینده DOM را می‌تراشد. در سمت چپ، عامل ابزاری را فراخوانی می‌کند. خودتان آن را در نسخه نمایشی رزرو قرار ما امتحان کنید.

وب‌سایت‌ها می‌توانند با تعریف کردن tool، هدف صریح خود را (مثلاً جستجو یا خرید) هم‌رسانی کنند. ابزارها به‌طور نمایان در صفحه وب شما اجرا می‌شوند، بنابراین کاربران اطمینان حاصل می‌کنند که تکالیف طبق انتظار تکمیل می‌شوند. این کار همچنین نمانام و انتخاب‌های طراحی انسان‌محور شما را دست‌نخورده نگه می‌دارد.

WebMCP از این موارد پشتیبانی می‌کند:

  • کاوش: روشی استاندارد برای صفحه‌ها برای ثبت ابزارها با عامل‌ها، مانند checkout یا filter_results.
  • طرح‌های JSON: تعاریف صریح ورودی‌ها و خروجی‌های موردانتظار، برای کاهش کژپنداری یا سوءتفاهم.
  • وضعیت: درک مشترک از بافت صفحه فعلی، به‌طوری‌که عامل بداند چه منابعی برای اقدام در زمان واقعی دردسترس است.

هدف ما ساختن میاناهای برنامه‌سازی کاربردی است که هر مرورگری با قابلیت‌های عامل‌گرا بتواند آن‌ها را پیاده‌سازی کند و از آن‌ها بهره‌مند شود تا کاربران شما بتوانند تکالیف را راحت‌تر تکمیل کنند. می‌توانید این فرایند را در GitHub دنبال کنید.

موارد استفاده

روش‌های زیادی برای استفاده از WebMCP وجود دارد. برای مثال:

  • به مشتریانتان کمک کنید پشتیبانی دریافت کنند. اگر نرم‌افزاری را به مشتریان ارائه می‌دهید، ممکن است جریان پشتیبانی پیچیده‌ای برای پاسخ به سؤالات مختلف داشته باشید. می‌توانید از WebMCP استفاده کنید تا به نماینده کمک کنید سریع‌تر به فرم مناسب برود و فیلدها را با اطلاعات ارائه‌شده توسط کاربر تکمیل کند.
  • بهبود رزرو سفر. به نمایندگان کمک کنید سفرهای پیچیده، چندمقصدی، و چندمسافری را با مراحل کمتری رزرو کنند.

برخی‌از کنش‌ها ممکن است حساس باشند، مثل خرید کردن. می‌توانید فرمانی را برای درخواست تعامل کاربر با کادر گفتگوی تأیید اضافه کنید.

در عمل، ابزارهای شما می‌توانند کارهای زیر را انجام دهند:

  • پر کردن فرم‌های ساختاریافته: ابزار submit_application بسازید تا به نماینده‌ها کمک کند داده‌های جمع‌آوری‌شده از مکالمه با کاربر را به‌درستی در فیلدهای فرم نگاشت کنند. برای مثال، می‌توانید تشخیص دهید که آیا فیلدی به نام کامل نیاز دارد یا نام و نام خانوادگی جداگانه.
  • تعامل‌های نماینده پشتیبانی در میاناهای انسان‌محور: برخی فیلدها برای کاربران انسانی طراحی شده‌اند، اما ممکن است برای نمایندگان قابل‌درک نباشند. می‌توانید ابزار date_pick بسازید که امکان انتخاب پیچیده تاریخ و زمان را در رزرو یا رزرو رویداد فراهم می‌کند.
  • اشکال‌زدایی سریع‌تر برنامه: می‌توانید ابزار run_diagnostics را در صفحه تنظیمات توسعه‌دهنده بسازید تا نماینده بتواند اصلاحاتی را که در منوهای تودرتو پنهان شده‌اند راه‌اندازی کند.

مورد استفاده شما در فهرست نیست؟ یا ایده‌ای دارید که برای هم‌رسانی آن درباره WebMCP هیجان‌زده باشید؟ در GitHub سؤال بپرسید و در بحث‌ها شرکت کنید.

شروع کنید

از Chrome 149 به آزمایش معرفی ویژگی جدید WebMCP بپیوندید. درباره نحوه شروع به کار با آزمایش‌های معرفی ویژگی جدید بیشتر بدانید.

‫WebMCP محلی

WebMCP به‌عنوان پرچم Chrome برای توسعه محلی دردسترس است:

  1. Chrome را باز کنید و به chrome://flags/#enable-webmcp-testing بروید
  2. پرچم را روی فعال تنظیم کنید.
  3. برای اعمال تغییرات، Chrome را بازراه‌اندازی کنید.

استفاده از میاناهای برنامه‌سازی کاربردی WebMCP

دو میانای برنامه‌سازی کاربردی وجود دارد که می‌توانید برای راه‌اندازی ابزارهای وب‌سایتتان استفاده کنید:

با Chrome DevTools می‌توانید ابزارهای WebMCP را اشکال‌زدایی کنید و نحوه تجزیه JSON Schema توسط مرورگر را اعتبارسنجی کنید.

محدودیت‌ها

درحالی‌که هدف WebMCP ساده‌تر کردن کارهای پیچیده برای عامل‌ها و انسان‌ها است، محدودیت‌هایی وجود دارد:

  • مرور بدون واسط کاربری: اگرچه ممکن است اجرای ابزارهای WebMCP در محیط‌های بدون واسط کاربری امکان‌پذیر باشد، این میانای برنامه‌سازی کاربردی در درجه اول برای گردش‌های کاری مرورگر محلی با مشارکت انسانی در حلقه طراحی شده است.
  • سربار برای میاناهای پیچیده: اگر سایتتان بسیار پیچیده است، احتمالاً باید کد را بازسازی کنید یا جاوا اسکریپت اضافه کنید تا وضعیت برنامه و میانجی را مدیریت کنید.
  • قابلیت کشف ابزار: کارخواه‌ها و مرورگرها باید مستقیماً از سایت بازدید کنند تا بدانند آیا ابزارهای قابل‌فراخوانی دارد یا نه.

خط‌مشی اجازه‌ها

هر دو میانای برنامه‌سازی کاربردی توسط tools خط‌مشی اجازه‌ها کنترل می‌شوند. این خط‌مشی به‌طور پیش‌فرض روی self تنظیم شده است که ثبت ابزار را در بافت‌های سطح بالا و same-origin مجاز می‌کند و آن را برای iframe میان‌مبدئی غیرفعال می‌کند.

برای مجاز کردن ابزارهای WebMCP در iframe میان‌مبدئی، مشخصه allow="tools" را به iframe اضافه کنید.

پخش نمایشی

نمونه‌هایی از نسخه‌های نمایشی که هم پیاده‌سازی‌های امری و هم پیاده‌سازی‌های اعلانی را پوشش می‌دهند دردسترس است:

همچنین می‌توانید کد منبع نسخه نمایشی را در GitHub مرور و کاوش کنید.

برای آزمایش ابزارهایتان، از یک نماینده تقلید کنید

دو افزونه Chrome ساخته‌ایم تا به شما کمک کنیم ببینید ابزارهای WebMCP چگونه در نسخه‌های نمایشی ما و برنامه‌های شما کار می‌کنند.

افزونه Chrome عامل‌گرای نمونه را نصب کنید تا ابزارهای WebMCP را با پیام‌واره‌های زبان طبیعی بازرسی، نظارت، و اجرا کنید. به‌ویژه، این افزونه همیشه به حاشیه‌نویسی‌های WebMCP اعتماد می‌کند که می‌تواند به نماینده درباره کنش‌های حساس هشدار دهد. این نشان می‌دهد که چگونه یک ابزار ممکن است با حاشیه‌نویسی‌ها عملکرد متفاوتی داشته باشد.

به‌طور پیش‌فرض، این افزونه از یک سرور Node کوچک با کیت توسعه نرم‌افزار هوش مصنوعی استفاده می‌کند. کلیدهای میانای API لازم است و در سرور محلی باقی می‌ماند. پیام‌واره‌های شما به‌طور پیش‌فرض به مدل gemini-3.6-flash ارسال می‌شود، اما می‌توانید انتخاب مدل و ارائه‌دهنده میانای برنامه‌سازی کاربردی را در فایل .env افزونه تغییر دهید. فیلدهایی برای OpenAI،‏ Google، و Anthropic وجود دارد یا، به‌عنوان جایگزین، می‌توانید افزونه را برای استفاده از مدل ارائه‌دهنده دیگری سفارشی‌سازی کنید.

یا می‌توانید از مدل سمت کارخواه با Prompt API استفاده کنید. این مدل به کلید میانای برنامه‌سازی کاربردی نیاز ندارد و داده‌ها در دستگاهتان باقی می‌ماند. برای انجام این کار، chrome://flags/#prompt-api-tool-use را فعال کنید.

افزونه Model Context Tool Inspector را نصب کنید تا با یک عامل آزمایش کنید و ببینید ابزارهای WebMCP چگونه در نسخه‌های نمایشی زنده یا برنامه‌های خودتان کار می‌کنند. از پیام‌واره‌های زبان طبیعی استفاده کنید تا تعیین کنید که آیا عامل با ابزارهای WebMCP طبق انتظار تعامل دارد یا نه.

برای استفاده از Gemini برای فراخوانی ابزارهایتان، باید کلید میانای برنامه‌سازی کاربردی داشته باشید که آن را در میانای افزونه ارائه می‌دهید. پیام‌واره‌هایتان به‌طور پیش‌فرض به مدل gemini-3.6-flash ارسال می‌شود. می‌توانید مدل Gemini دیگری را برای آزمایش انتخاب کنید یا کد افزونه را برای استفاده از مدل ارائه‌دهنده دیگری سفارشی‌سازی کنید.

تعامل و هم‌رسانی بازخورد

WebMCP درحال‌حاضر درحال بحث و بررسی است و ممکن است در آینده تغییر کند. اگر این میاناهای برنامه‌سازی کاربردی را امتحان کردید و بازخوردی دارید، خوشحال می‌شویم آن را بشنویم.