WebMCP:开启 Agentic Web 新时代——Chrome 新 API 的特性与前瞻

WebMCP:开启 Agentic Web 新时代——Chrome 新 API 的特性与前瞻

2026 年 2 月,Google Chrome 团队正式发布了 WebMCP(Web Model Context Protocol)的早期预览版。这是一个旨在重塑网页与 AI 代理(Agent)交互方式的新标准。它让网站不再只是“给人看”的静态页面,而是可以直接向 AI 代理暴露结构化工具,让 Agent 以更高效、更可靠的方式完成复杂任务。

过去,AI 代理操作网页主要依赖模拟人类行为:截屏、解析 DOM、点击按钮、填写表单。这种方式不仅慢、容易出错,还会消耗大量 token。随着 Agentic AI 的快速发展,这种低效交互已成为瓶颈。WebMCP 的出现,正是为了解决这个问题。它让网站主动声明“我能做什么”,Agent 直接调用结构化工具,像调用 API 一样精准高效。

WebMCP 是什么?

WebMCP 是由 Google 和 Microsoft 联合推动、正在 W3C 社区孵化的网页标准。它在浏览器层面引入了 navigator.modelContext 接口,让网站可以向 AI 代理暴露可调用的工具(tools)。这些工具带有明确的名称、描述、输入输出 schema,Agent 可以直接发现并执行,而无需通过视觉或 DOM 模拟。

核心目标:

  • 提升速度、可靠性和精确性
  • 让网页成为 Agent 的“原生接口”
  • 推动“Agentic Web”——网页主动参与 AI 代理工作流

两大核心 API:声明式与命令式

WebMCP 提供了两种互补的实现方式,满足从简单到复杂的不同场景。

Imperative API(命令式 API)
通过 JavaScript 动态注册,更灵活,适合复杂交互(如多步骤配置、实时计算)。示例:电商网站添加购物车工具

navigator.modelContext.registerTool({name:"add_to_cart",description:"将商品加入购物车",inputSchema:{type:"object",properties:{productId:{type:"string"},quantity:{type:"integer"}},required:["productId"]},execute:async(params)=>{// 实际业务逻辑awaitaddToCart(params.productId, params.quantity);return{success:true,cartCount:getCartCount()};}});

Agent 可以直接调用 add_to_cart,无需模拟点击、滚动、等待加载。

Declarative API(声明式 API)
最轻量的方式,直接在 HTML 标记中添加属性即可。适合已有表单的场景,几乎零额外成本。示例:一个航班搜索表单

<formtoolname="search_flights"tooldescription="搜索可用航班,支持出发地、目的地和日期筛选"><inputname="origin"placeholder="出发地"/><inputname="destination"placeholder="目的地"/><inputname="date"type="date"/><buttontype="submit">搜索</button></form>

Agent 看到这个表单后,就能直接调用 search_flights 工具,传入结构化参数,返回 JSON 格式的航班列表。

WebMCP 的核心优势

相比传统的 UI 模拟方式,WebMCP 带来了质的飞跃:

  • 速度更快:一次工具调用取代数十次截屏+推理+操作,延迟大幅降低。
  • 可靠性更高:明确工具契约,避免因页面布局变动导致的失败。
  • 成本更低:大幅减少 token 消耗,不再需要传输大量截图或无关 DOM。
  • 开发者友好:复用现有前端代码,无需额外后端 API 或重构。
  • 用户体验更好:支持“human-in-the-loop”,Agent 在用户可见的页面上操作,保持上下文共享。

典型应用场景:

  • 旅行预订:Agent 直接搜索、筛选、预订航班
  • 电商:精准搜索商品、配置选项、完成下单
  • 客户支持:自动填写技术细节、提交工单

前瞻性功能与影响

WebMCP 不仅是技术升级,更是 Agentic Web 的基础设施。它预示着几个重要趋势:

  1. 开发者红利期来临
    谁先实现高质量的 WebMCP 工具层,谁就能在 Agent 流量中占据先机。早期采用者可以吸引更多 AI 代理访问,提升网站在 Agent 生态中的曝光和转化。
  2. 标准化与跨浏览器支持
    目前仅在 Chrome 146 Canary 中通过 flag 启用,但 Microsoft 已参与孵化,Edge 很可能跟进。未来有望成为 W3C 正式标准,像 HTTP 一样成为网页与 Agent 交互的通用接口。
  3. 与其它协议互补
    WebMCP 专注于浏览器内、用户可见的交互场景,与 Google A2A(headless 自动化)、Anthropic MCP(服务端)形成互补,共同构建完整的 Agent 生态。
  4. 潜在挑战与演进
    发现机制(如何让 Agent 知道网站支持 WebMCP)、安全性(权限控制)、以及网站货币化模式仍需探索。但正如帖子中讨论的,一些平台可能选择封闭,而开放者将赢得未来。

结语

WebMCP 的出现,标志着网页从“被动展示”向“主动协作”转变。它让 AI 代理真正“理解”网站意图,而不是盲目模拟人类行为。对于开发者来说,现在就是最佳窗口期:打开 Chrome Canary,启用 flag,尝试 travel-demo,亲手注册几个工具。

Agentic Web 时代已经拉开序幕。你的网站准备好迎接 Agent 了吗?

Read more

养龙虾-------【openclaw 对接Stable Diffusion 】---解锁免费图片生成神器

🚀 MiniMax Token Plan 惊喜上线!新增语音、音乐、视频和图片生成权益。邀请好友享双重好礼,助力开发体验! 好友立享 9折 专属优惠 + Builder 权益,你赢返利 + 社区特权! 👉 立即参与:https://platform.minimaxi.com/subscribe/token-plan?code=2NMAwoNLlZ&source=link 【开源神器】OpenClaw + Stable Diffusion:免费畅享AI绘画! 引言:AI绘画的门槛,你跨过了吗? 最近AI绘画的热度依旧不减,Stable Diffusion(简称SD)作为开源界的扛把子,出图效果和可控性确实没得说。但是,拦路虎也显而易见: 1. 学习门槛高:参数太多,没这个耐心的人学起来容易半途放弃。 2. 环境配置复杂:

AIGC时代Kubernetes企业级云原生运维实战:智能重构与深度实践指南

AIGC时代Kubernetes企业级云原生运维实战:智能重构与深度实践指南

文章目录 * 一、AIGC技术栈与Kubernetes的深度融合 * 1. 智能配置生成:从YAML到自然语言 * 2. 动态资源优化:AI驱动的弹性伸缩 * 二、智能运维体系架构深度解析 * 四维能力矩阵增强实现: * 关键组件升级代码示例: * 三、企业级实战策略深度实践 * 策略1:AI辅助的渐进式交付 * 策略2:自主优化闭环实现 * 四、典型场景实战深度解析 * 场景1:突发流量应对(完整代码示例) * 场景2:混合云灾备(多云适配代码) * 五、未来演进方向代码探索 * 数字孪生示例(简化版) * 边缘智能示例 * 《Kubernetes企业级云原生运维实战(云计算前沿实战丛书)》 * 编辑推荐 * 内容简介 * 作者简介 * 目录 * 前言/序言 * 本书内容 * 本书特点 在生成式AI(AIGC)与云原生技术深度融合的今天,Kubernetes正经历着从“容器编排工具”到“智能运维大脑”的蜕变。

Unitree RL GYM实战宝典:7天掌握机器人强化学习从仿真到部署

Unitree RL GYM实战宝典:7天掌握机器人强化学习从仿真到部署 【免费下载链接】unitree_rl_gym 项目地址: https://gitcode.com/GitHub_Trending/un/unitree_rl_gym Unitree机器人强化学习框架为开发者提供了从虚拟仿真到实物部署的完整解决方案。这个基于强化学习的控制框架专门为Unitree全系列机器人设计,支持Go2、G1、H1和H1_2等多种型号,让机器人强化学习变得简单易上手。 🚀 项目亮点速览 Unitree RL GYM的核心价值在于其端到端的机器人控制能力。通过这个框架,您可以轻松实现从仿真环境训练到真实机器人部署的无缝衔接,大大降低了机器人强化学习的入门门槛。 G1机器人23自由度配置 - 银灰色金属质感,仿人型设计 🛠️ 快速上手环境搭建 一键配置Unitree仿真环境: git clone https://gitcode.com/GitHub_Trending/un/unitree_rl_gym cd

OpenClaw之Memory配置成本地模式,Ubuntu+CUDA+cuDNN+llama.cpp

文章目录 * 背景:Memory不生效的问题 * OpenClaw的Memory配置 * Ubuntu24.04安装CUDA和cuDNN * 编译llama.cpp * 验证方案1: * 验证方案2:下载并运行Llama-2 7B模型 * 安装node-llama-cpp * 验证Memory * sqlite-vec unavailable * 踩过的坑 * 安装node-llama-cpp的一些提示 * 安装node-llama-cpp的前置条件 * Using `node-llama-cpp` With Vulkan 承接上文:Windows11基于WSL2首次运行Openclaw,并对接飞书应用,我已经在电脑上安装了OpenClaw,接下来解决Memory问题。走了很多弯路,下面主要讲我总结的正确的安装过程。 总结来说:针对Memory不生效的问题,又不想用OpenAI或Gemini,或者只想单纯的节省token,可以按照如下的方式,设置为local模式: * 修改openclaw.json配置 * 安装CUDA和cu