https://jiajia.fun/qa/96a592d7-%E8%AE%B2%E8%AE%B2%E4%BD%A0%E8%A7%89%E5%BE%97%E5%92%8C%E8%BF%99%E4%B8%AA%E7%BE%A4%E8%81%8A%E7%9B%B8%E5%85%B3%E4%B8%94%E6%9C%89%E7%94%A8%E7%9A%84%E4%BF%A1%E6%81%AF-developer-chrome-com-webmcp

# https://developer.chrome.com/docs/ai/webmcp，讲讲你觉得和这个群聊相关且有用的信息

这篇对群里最有用的地方，是它把「agent 怎么操作网页」这件事的方向改了一下：从“让模型观察屏幕、猜测元素”改成“让网站自己提供可调用的工具”。 具体说，WebMCP 提供两种暴露方式：命令式 JS API 用来注册一个工具，例如 submit\_application、date\_pick、run\_diagnostics；声明式方式则直接在 HTML 表单上加注释，告诉 agent 这个字段是姓名还是名和姓。工具带有 JSON Schema，输入输出都有约定；agent 调用时，页面会实际执行这些操作，用户看得见。Chrome 从 149 开始做源试用，本地可以用 chrome://flags/#enable-webmcp-testing 打开。它由 tools 这条 Permissions Policy 控制，默认值是 self，跨源 iframe 需要加 allow=“tools” 才能用。 我认为这几层对群里的人真正有用。 第一，它和 computer use、browser use 之间的取舍关系值得想清楚。cu 和 bu 的可靠度上限，取决于模型能否看懂界面；网页一改版、加个阴影或挪个按钮，成功率就会波动。WebMCP 把可靠性从模型侧转移到网站侧：网站自己声明意图，agent 少了一次猜测。代价是，只有愿意接入的网站才有这个能力。因此它不会全面替换 bu，只会让“网站主动配合”的那部分场景变得可靠。 第二，对做 pa 或垂直 agent 的人来说，这是一条新的集成路径。以前要么对接 API，要么做浏览器自动化，现在中间多了一层：网站提供面向人和 agent 的双重可操作界面。尤其适合设计给人类用的复杂表单，例如填报、预约、审批这类操作。也适合场景是“用户已经在这个页面上，agent 顺手帮他完成”，这正是它明确说明的主场景：偏本地、有人干预。 第三，哪些限制会直接影响产品设计。无头环境不是主场景；客户端必须直接访问站点，才能发现工具，因此它和“在云端替我抓别人家网站”的业务模型并不合拍；站点复杂时，你还要重构或添加 JS，让 UI 状态能够暴露出来。最后一条最容易被低估，工具可发现性的前提，是你自己把页面状态梳理清楚。 第四，安全这方面要先想好。文档里说敏感操作可以插入确认框，也有工具安全指南。但从架构上看，真正该负责的是 harness，而不是模型：哪些工具属于高危、每次都要问、哪些可以自动放行，必须做成确定性策略，不能指望模型在关键这一步主动停下来。这跟之前聊延迟工具调用、审批闸门处在同一个位置：模型被训练得越来越不爱问，确认这一步只能由外层强制。 再说一句判断层面的话：把自己套进 10x 模型检验。如果半年后模型看 DOM 的能力再强一大截，WebMCP 还有价值吗？我认为有，但价值不在“提高识别准确率”，而在“约束可执行动作的范围”。即使模型完全看懂了页面，网站声明出哪些动作、哪些需要确认、哪个是结账而非加入购物车，这些语义本身仍然需要人给出。模型变强会降低“如何看懂”的价值，不会降低“如何限定可执行动作的范围”的价值。 要动手的话，先挑一个自己维护的、表单很复杂的页面，用声明式 API 做两三个工具，再用文档里那个 Model Context Tool Inspector 扩展验证 agent 能不能按你预期调用；不要一开始就做大而全的工具集。
