WebMCP：重塑AI与网页交互的底层协议

概念定义：什么是WebMCP？

WebMCP（Web Machine Context Protocol）是一种面向AI智能体的网页交互协议，旨在通过标准化接口让网站主动向AI暴露结构化工具，替代传统的“视觉模拟”（如截屏识图、模拟点击）和“DOM解析”（如直接读取网页结构）等低效方式。其核心思想是将网页功能抽象为可被AI直接调用的API，使交互从“感知层”跃迁至“逻辑层”。

该协议由某主流浏览器团队与另一行业巨头联合发起，于2025年初提出原型，2026年2月通过浏览器早期预览版发布体验版本，并成为W3C Web机器学习社区组（WebML CG）的标准化交付物。其设计目标包括：

1. 高效性：消除视觉模拟的计算资源消耗；
2. 稳定性：避免DOM解析因网页改版导致的失效；
3. 标准化：通过W3C社区推动跨浏览器兼容。

背景与价值：为何需要WebMCP？

传统AI与网页交互存在两大痛点：

1. 视觉模拟的局限性
   通过截图、OCR识别文本、模拟鼠标点击等方式操作网页，需消耗大量计算资源处理图像和布局，且易受分辨率、字体、动态元素等因素干扰。例如，某自动化测试工具在识别验证码时，准确率不足60%，且单次操作耗时超过2秒。

2. DOM解析的脆弱性
   直接解析网页HTML/CSS结构虽能定位元素，但网站改版（如类名修改、嵌套层级变化）会导致脚本失效。某电商平台的促销页面每季度改版一次，导致依赖DOM的爬虫脚本维护成本激增300%。

WebMCP通过以下方式解决上述问题：

• 逻辑直连：网站通过声明式API暴露可操作的功能（如“提交订单”“搜索商品”），AI无需理解页面布局即可调用；
• 结构化上下文：提供命令式API供开发者自定义交互逻辑，例如通过navigator.modelContext.execute('search', {query: 'AI'})直接触发搜索。

核心组成：WebMCP的两大API体系

WebMCP提供两类接口，分别满足不同场景需求：

1. 声明式API（Declarative API）
   基于JSON-LD格式定义网页可操作的功能，例如：

   {
   "@context": "https://webmcp.example/ns",
   "@type": "ECommercePage",
   "actions": [
    {
      "@type": "SearchAction",
      "name": "搜索商品",
      "input": {"@type": "TextInput", "name": "query"}
    }
   ]
   }

   AI可通过解析此元数据直接调用SearchAction，无需处理DOM或图像。

2. 命令式API（Imperative API）
   提供低级接口供开发者实现复杂逻辑，例如：

   // 启用实验性标志后调用
   if (navigator.modelContext) {
   const result = await navigator.modelContext.execute('submitOrder', {
    productId: '123',
    quantity: 2
   });
   console.log(result.status); // 返回操作状态
   }

   此类API需网站主动注册功能，开发者需通过<script type="application/webmcp+json">嵌入元数据。

工作原理：从协议到交互的完整流程

WebMCP的交互流程分为四步：

1. 网站暴露能力
   网站开发者在HTML中嵌入WebMCP元数据，声明可被AI调用的功能。例如：

   <script type="application/webmcp+json">
   {
   "@context": "https://webmcp.example/ns",
   "actions": [
    {"@type": "AddToCartAction", "name": "加入购物车"}
   ]
   }
   </script>

2. 浏览器解析元数据
   支持WebMCP的浏览器（如Chrome 146+）解析元数据，构建内部功能映射表。

3. AI发起调用
   AI通过协议规定的API（如modelContext.execute）触发操作，传递参数（如商品ID）。

4. 网站执行并返回结果
   网站处理请求后返回结构化数据（如{status: 'success', cartCount: 5}），避免AI解析页面更新。

典型场景：哪些业务需要WebMCP？

1. 电商自动化
   AI客服可直接调用“加入购物车”“提交订单”等接口，无需模拟点击，单次操作耗时从2秒降至200毫秒。

2. 数据采集
   爬虫通过声明式API提取结构化数据（如商品价格、库存），避免因网页改版导致的解析失败。

3. 无障碍访问
   屏幕阅读器可利用WebMCP元数据生成更精准的页面描述，例如识别“搜索框”而非仅读取<input>标签。

4. 跨平台适配
   同一套API可适配桌面和移动端网页，减少AI模型针对不同设备的训练成本。

相关概念区别：WebMCP vs 传统方案

特性	WebMCP	视觉模拟	DOM解析
交互层级	逻辑层（直接调用功能）	感知层（模拟人类操作）	代码层（解析HTML/CSS）
稳定性	高（功能由网站维护）	低（依赖页面布局）	中（依赖结构稳定性）
性能	优（无图像处理开销）	差（高CPU占用）	中（需解析DOM树）
开发成本	中（需网站配合暴露接口）	高（需处理多种异常情况）	中（需维护选择器）

使用注意事项：接入WebMCP的关键挑战

1. 网站改造成本
   需开发者手动嵌入元数据，某大型电商平台改造耗时超过200人天，主要工作包括：

   • 梳理可暴露的功能；
   • 设计符合协议的元数据结构；
   • 处理跨浏览器兼容性。

2. 浏览器支持
   截至2026年2月，仅Chrome 146+和Edge的Canary版本支持WebMCP，开发者需通过以下标志启用：

   chrome://flags/#enable-webmcp-testing

3. 安全限制
   浏览器默认禁止跨域调用WebMCP API，需网站配置CORS策略或使用postMessage通信。

4. 生态碎片化
   部分网站可能选择私有API而非WebMCP，导致AI需同时支持多种交互方式。某智能客服系统需维护三套代码以兼容不同网站。

总结：WebMCP的未来与适用边界

WebMCP通过标准化接口重构了AI与网页的交互范式，其价值在于：

• 对开发者：减少低效的视觉模拟和DOM解析代码；
• 对业务：提升自动化流程的稳定性和执行效率；
• 对行业：推动网页功能向“可编程化”演进。

然而，其推广依赖浏览器厂商和网站开发者的共同参与。未来，随着更多网站接入和浏览器原生支持，WebMCP有望成为AI与网页交互的基础设施，类似HTTP之于网页数据传输。对于需要高频、稳定交互的场景（如电商、数据采集），WebMCP是当前最优解；而对于动态内容丰富或改造成本高的网站，可暂采用混合方案逐步迁移。