WebMCP：WebサイトがAIエージェントに「話す」新しい標準
WebMCP: Teaching Your Website to Talk to AI Agents
AIエージェントがウェブサイトを操作する現在の方法は、HTMLをスクレイピングして推測する、壊れやすいアプローチです。WebMCPは、ウェブページ自体がAIエージェントに直接呼び出せる構造化ツールを宣言するという、より賢い方法を提案します。GoogleとMicrosoftがW3Cで共同開発しているこの標準は、Chrome 149でオリジナルトライアルが開始され、わずか10分でツールを追加できます。本記事では、WebMCPの基本概念、実際の呼び出しフロー、そして13のツールを備えた実用的なデモ「Career Copilot」を通じて、エージェントがツールを連鎖させてリアルなタスクを実行する方法を解説します。
これは、エージェントがあなたのサイトを操作することと、エージェントがあなたのサイトの写真を操作することの違いです。
HNでの議論
25- sandeepkd
これは、多くの点で逆転していて非現実的に感じます。一方では、AIはソフトウェアエンジニアを置き換えるほど賢いと主張されているのに、他方では、ウェブサイト運営者はエージェントが仕事をうまくできるように、特定の形式で情報を提供するよう求められています。これは、通常のユーザーなら誰でも使えるのと同じ情報だということを忘れてはいけません。
第二に、人間用とエージェント用の2つのバージョンの情報を維持するなら、それらが互いに乖離し始めるのは時間の問題です。どの会社のネイティブアプリとブラウザアプリを比べても、99%の確率で完全に同じではありません。
- mg
> ここにbook_tableツールがあります。日付、時刻、人数を取ります。呼び出してください。
人間とAIが同じように使えるシンプルなフォームを提供してみてはどうでしょうか？
<form action=book_table>
<input type=date name=date>
<input type=time name=time>
<input type=number name=party_size>
<input type=submit value="Book table">
</form>
- dzonga
WebMCPより優れたものはすでにあります。つまり、一般的なAPIです。
より影響力のある作業は、ネイティブのレガシーデスクトップアプリの分野で行われるべきです。大小を問わず、主要企業の仕事のほとんどはそこで行われています。
エージェントがウェブサイトを自動化するのは比較的簡単です。レガシーデスクトップアプリの自動化は別の問題ですが、RPAはあります。
- arjie
これは信じられないほど馬鹿げているように聞こえるかもしれませんが、私はすべてのHTMXコンポーネントに、可能なアクションを含むAIサマリーを公開させ、ページに小さな「AIにコピー」ボタンを置いています。このボタンは、新しい短命のアクセストークンを作成し、トークンとすべてのコンポーネントをテキストとしてプロンプトにコピーします。
これを比較的小さなモデルのエージェントに渡すだけでも、彼らはこの初期シードを使ってサイトを閲覧し、非常にうまくタスクを実行します。
初期プロンプトで十分です。その後、ほとんどのエージェントはHTMLを使って非常にうまくナビゲートします。ariaラベルにその説明を入れることもできたかもしれませんが、同じことです。
- stillpointlab
WebMCPがなぜ存在するのかを理解するのに少し時間がかかりました。通常のMCP + SSE/Websocketsがほとんどすべてのユースケースをカバーできると思っていました。
WebMCPの興味深いユースケースの1つは、ブラウザエージェントが実行する可能性のあるクロスサイトアクティビティです。問題のデータフローが異種のウェブサイトのセットを含む場合です。
これは、既存のWeb SaaSにとっての命綱のように感じられます。将来のアプリはWebMCPを必要としない方法でアーキテクチャを構築できますが、SalesforceやWorkdayのような大規模なアプリは、プロジェクトを構成するWeb UIフローに埋め込まれた数十年分の偶発的なビジネスロジックを放棄することはできません。これらのフローはデータ駆動型にすることもできますが、その上にWebMCPファサードをかぶせる方が実際的です。既存企業に、彼らが第一級市民であるAIネイティブなMCPを作成させる代わりに、人間中心のフロントエンド全体にブラウザのアフォーダンスを散りばめ、エージェントに作業を任せる方が簡単です。
しかし、私自身については、レガシーの必要性なしにゼロから開発しているので、WebMCPに依存することはアンチパターンかもしれないと実際に思っています。クロスサイトのユースケースには役立つかもしれませんし、純粋にUIアクティビティ（例えば、すべてのデータがすでにクライアントにある「このリストをフィルタリングする」など）のレイテンシを減らすのにも役立つかもしれませんが、一般的には、エージェントには堅牢なMCPインターフェースを持つ方が良いと感じています。