WebMCP is een voorgestelde webstandaard waarmee websites hun functionaliteit kunnen aanbieden als gestructureerde tools die door AI-agenten worden aangeroepen. Chrome DevTools voor agents stelt je codeeragent in staat om rechtstreeks met deze tools te communiceren, waardoor je je website kunt analyseren en suggesties kunt doen om deze WebMCP-compatibel te maken.
Door DevTools voor agents te gebruiken, kunt u controleren of uw applicatie WebMCP-tools correct beschikbaar stelt, de uitvoering ervan testen en gebieden identificeren waar AI-agents baat hebben bij extra functionaliteit op uw site. WebMCP kan op uw website worden geïmplementeerd met behulp van de agentvaardigheden die zijn opgenomen in Modern Web Guidance .
Houd bij het werken met WebMCP rekening met het volgende:
- Experimentele vlag : De WebMCP-categorie is standaard niet actief. Gebruik de vlag
--categoryExperimentalWebmcp. Zie de WebMCP origin trial voor meer informatie over deelname. - Browservereisten : Deze functie vereist Chrome 149 of hoger met ingeschakelde WebMCP-functies. Dit betekent dat de website die u test, is aangemeld voor de WebMCP Origin Trial , of dat u de bijbehorende WebMCP-vlag handmatig hebt ingeschakeld in uw lokale Chrome-browser.
- Doelgroeponderscheid : De DevTools MCP-server is een debugfunctie gericht op ontwikkelaars, terwijl WebMCP-tools door iedereen kunnen worden aangeroepen die een browseragent gebruikt om met websites te communiceren. DevTools voor agents helpt u bij het bouwen en testen van deze gebruikersgerichte WebMCP-tools.
Gebruiksscenario's voor het testen en debuggen van WebMCP-tools
Er zijn verschillende manieren waarop je WebMCP kunt gebruiken . Elke website is anders, en dat geldt ook voor elke set WebMCP-tools. Volg ons raamwerk om tools te definiëren en te bouwen die nuttig zijn voor jouw website of webapplicatie.
Stel bijvoorbeeld dat u een website voor een reisbureau hebt met tools waarmee een agent relevante acties kan uitvoeren. Hier zijn enkele voorbeelden van prompts die u met DevTools kunt gebruiken om agenten te laten testen of uw tools naar behoren werken.
Geef uw agent de opdracht om WebMCP-tools te inventariseren en uit te voeren om het testen en de ontwikkeling te stroomlijnen.
Let op: De uitvoeringsstappen van de agent zijn voorbeelden van mogelijk gedrag. Omdat er veel verschillende soorten agenten zijn en agenten niet-deterministisch zijn, kunt u verschillende resultaten zien.
Controleer de blootstelling van de WebMCP-tool.
Wanneer u WebMCP-ondersteuning aan uw site toevoegt, kunt u uw codeeragent de opdracht geven om te controleren of uw tools correct aan de browser worden getoond en of hun invoerschema's goed gedefinieerd zijn.
Voorbeeld van een prompt:
Implement a 'book_flight' WebMCP tool to this page to help agents book flights. Verify that it's correctly registered and ready for AI agents to use.
Voorbeeld van agentuitvoering: Uw agent detecteert de noodzaak om blootgestelde tools te inspecteren en roept autonoom de tool list_webmcp_tools aan. De agent analyseert de uitvoer, bevestigt of uw tool succesvol is geregistreerd en valideert of het schema correct is opgebouwd.
Foutopsporing bij het uitvoeren van de WebMCP-tool
Controleer of de interne logica van uw WebMCP-tool naar behoren werkt wanneer deze door een AI met specifieke invoer wordt aangeroepen. U kunt uw agent opdracht geven de tool uit te voeren en de reactie van de applicatie te monitoren.
Voorbeeld van een prompt:
Try using the 'add_to_cart' tool on this page to add product 12345. Let me know if it succeeds or if the application throws any errors.
Voorbeeld van agentuitvoering: Uw agent herkent de intentie om een specifieke actie te testen. Hij bepaalt autonoom het juiste invoerschema, gebruikt execute_webmcp_tool om het uit te voeren en bewaakt de reactie van de applicatie (inclusief het controleren van consolelogboeken) om de successtatus terug te rapporteren of eventuele fouten op te sporen.
Problemen met de duidelijkheid van het schema oplossen
Als een AI-agent herhaaldelijk een WebMCP-tool niet correct aanroept, komt dat vaak door een onduidelijk JSON-schema. U kunt uw agent vragen het schema vanuit het perspectief van een LLM te bekijken en verbeteringen voor te stellen.
Voorbeeld van een prompt:
My 'schedule_meeting' tool is failing to parse the various date formats sent by different AI agents. Can you review the tool's schema and suggest how I can improve the descriptions or constraints so agents know exactly which format is required?
Voorbeeld van agentuitvoering: Uw agent haalt de beschikbare WebMCP-tools op en analyseert het inputSchema voor ' schedule_meeting '. De agent constateert dat de datumparameter geen duidelijke beschrijving of formaatbeperking heeft en stelt een gecorrigeerd JSON-schema voor (bijvoorbeeld door een beschrijving toe te voegen zoals " Date in YYYY-MM-DD format ") dat u in uw code kunt implementeren.