WebMCP重塑AI与网页交互时代

近日，谷歌Chrome团队带来了一记震撼弹：Web模型上下文协议（WebMCP）正式登场。

这一革命性技术让AI智能体得以跨越「人类用户界面」的界限，与现有网站和Web应用实现深度交互。

在Chrome 146的早期预览版中，只需开启特定标志，即可体验WebMCP。

这意味着，AI Agent从此无需再「伪装成人类」，而是可以直接通过API与Web应用的核心服务进行对话。

通过navigator.modelContext这一API，AI能够绕过传统的图形界面，实现更高效、更精准的交互。

例如，订机票时，Agent无需在屏幕上点击操作，而是直接通过底层协议发送指令，获取所需结果。

开发者Alex Volkov形象地比喻道：「WebMCP相当于UI中的API」。

WebMCP的诞生，无疑释放了一个明确的信号——AI Agent与网页交互的底层逻辑，正迎来一场前所未有的重塑。

这一技术实现了从「视觉模拟」到「逻辑直连」的飞跃，让传统的Web交互范式逐渐走向终结。

WebMCP震撼登场

掀起Agent交互革命

尽管很多人尚未意识到WebMCP的重要性，但其核心改变在于，它让Agent获取服务的方式发生了根本性变革。

如今，Agent不再需要模拟人类行为——截屏、识别按钮位置、模拟点击等——而是直接拿到了网页的「核心钥匙」。

过去几周，全球对OpenClaw的热度持续高涨，若未来交互技术再进一步，或许将催生新的变革。

目前，Agent操作网页的方式既笨拙又原始，且集成方式「太拉胯」。

它们本质上是在模拟人类行为，这种方式存在诸多痛点：

• 成本高昂：简单的搜索可能需要数千token来处理截图和解析页面；
• 稳定性低：网站一旦改版，Agent可能因找不到按钮而陷入「瘫痪」；
• 反馈低效：Agent必须反复「查看」屏幕以确认操作是否成功。

降维打击：无需再「装个人」

如今，有了WebMCP，网站可以直接向AI开放服务接口。Agent无需经过「前端视觉界面」，即可查询并执行服务。

WebMCP将取代传统的「屏幕抓取」（screen-scraping），实现更稳定、更高效的页面交互和信息检索。

正如网友所言，AI Agent正逐步成为网络的「一等公民」。

在谷歌Chrome 146的官方博客中，为开发者提供了两套灵活的API接入方式：

• 声明性API：执行可直接在HTML表单中定义的标准操作；
• 命令式API：执行需要JavaScript执行的复杂、更动态的互动。

这两种方式允许开发者为AI提供一套直接的工具集，让Agent跳过视觉识别，直接访问网站背后的结构化函数。

此前，谷歌软件工程师Khushal Sagar在演讲中表示，WebMCP的目标是成为AI应用领域的USB-C接口。

它不仅是让智能体替代用户，更是建立一种协作模式：

• 用户、网页、智能体三者共享界面，共同协作；
• 智能体专用路径：开发者在为人类设计UI的同时，为智能体提供结构化的API路径。

两大巨头联手

要彻底「干掉」前端？

值得一提的是，WebMCP并非谷歌的独角戏。早在去年8月，谷歌与微软开发者联手在GitHub上提交了这一项目。

"/>