WebMCP 深度解析：从概念、浏览器原理到 Agent 原生 Web 实战
· 阅读需 30 分钟
过去的浏览器 Agent 想在网站上完成任务，通常需要截图、识别按钮、滚动页面、填写输入框，再猜测下一步该点哪里。它能工作，却像让一个只拿到监控画面的机器人操作控制台：页面布局一改、按钮被遮挡、文案稍有歧义，整条任务链就可能失败。
WebMCP 提出了另一种思路：网站主动把自身能力声明为结构化工具，由浏览器在页面和 Agent 之间完成发现、权限检查、调用与结果传递。
Agent 不再只看到“一个蓝色按钮”，而是能看到一份接近函数契约的描述：
{
"name": "book_appointment",
"description": "预约一个仍有空位的咨询时段。",
"inputSchema": {
"type": "object",
"properties": {
"date": { "type": "string", "format": "date" },
"slot": { "type": "string" }
},
"required": ["date", "slot"]
}
}
这不是要消灭图形界面，而是让同一个 Web 应用同时拥有两种可用界面：
- 人类使用视觉 UI；
- Agent 使用工具名、自然语言描述和 JSON Schema；
- 两者共享同一标签页、登录状态、应用状态和可见结果。
这也是 OpenAI 发起 WebMCP Challenge 的核心命题：构建一个在人与 Agent 共同使用时会变得明显更好的 Web 应用。
先明确 WebMCP 当前的状态
截至 2026-08-27，WebMCP 是实验性、仍在演进的开放 Web 提案。当前文档是 Web Machine Learning Community Group 发布的 Draft Community Group Report，明确说明它还不是 W3C Standard，也不在 W3C Standards Track 上。
Chrome 从 149 提供 Origin Trial，本地开发也可通过 chrome://flags/#enable-webmcp-testing 启用。API、事件、权限和用户确认机制仍可能改变，生产项目应做能力检测、渐进增强并锁定测试环境。
