研究 WebMCP:是網頁自己替 Agent 留了通道
WebMCP 魔術方塊 demo 畫面圖|果核概念 出處|果核概念・自有作品

AI METHOD ・ AI 心法

研究 WebMCP:是網頁自己替 Agent 留了通道

你的 Agent 其實不會解魔術方塊,是網頁自己留了通道。研究 WebMCP,第一次實作踩了三個坑。

文 KIDULT 2 MIN READ

留言

你的 Agent 其實不會解魔術方塊。

Agent 就是會自己動手做事的 AI 助理。最近在研究 WebMCP,所以做了一個 demo,讓人真的體驗看看它到底是什麼。

最有趣的地方在這裡。Agent 連瀏覽器的畫面都沒有看到,解魔術方塊的通道,是這張網頁自己留的。Agent 只是收到指令以後去啟動它,把方塊打亂、求解又還原的,一直都是網頁自己。

WebMCP 一句話講完,就是網頁自己把功能註冊成工具,瀏覽器裡的 AI 直接按,不用猜畫面上哪個按鈕。

我們做網站這麼多年,按鈕要放哪裡、長什麼樣子,想的都是人的眼睛和手指。註冊工具的時候要想的是另一件事,這個功能叫什麼名字、要收什麼、會改到什麼。這些畫面上都看不到,但一樣要有人設計。

我也在準備 OpenAI 辦的 WebMCP Challenge。比賽 9 月 3 日截止,10 名各 3,000 美元,台灣可以參加。

第一次實作踩了三個坑。

第一個,文件跟現實對不起來。網頁要找到這個功能,我看到的文件寫的入口是 navigator,Chrome 已經搬到 document 底下了。

第二個,requestUserInteraction 這個確認框,6 月就從規格移除了,當時也還沒有實作。把關只好搬到伺服器端。

第三個,我試到真的會自己去按的,是 ChatGPT 桌面版的內建瀏覽器,設定裡的 site tools 記得開。

至少 ping 回 pong 那一下,還蠻爽的。

其實就只是很單純想讓大家知道、試試看 WebMCP 的體驗究竟是什麼樣。我覺得這個在未來真的滿多東西可以運用的。

我現在比較納悶的是不知道手機上的體驗會怎麼樣、會怎麼做。不過只要應用一多,我想各大平臺很快就會出來幫忙解決這個問題。

留言

用一段話,接著聊。留言送出後,所有讀者都看得見。

暱稱不代表已驗證身分。請勿留下電話、地址或其他私人資料。

正在載入留言⋯