11 lutego 20269 min. czytania

WebMCP. Jak agenty AI korzystają z narzędzi na stronach

Propozycja WebMCP testowana w Google Chrome i Microsoft Edge

Strona może podpowiedzieć zgodnemu agentowi AI, jakie zadania można na niej wykonać. Na tym polega pomysł. Grupa robocza W3C ds. uczenia maszynowego w sieci rozwija propozycję WebMCP. Pierwsze wersje testowe pojawiły się w lutym 2026 r. Chrome i Edge prowadzą eksperymentalne testy na działających stronach.

Agenty często próbują ustalić znaczenie przycisków i pól na podstawie tego, jak zbudowano stronę. Zmiana projektu może unieważnić te założenia. WebMCP umożliwia stronie udostępnianie narzędzi o określonej strukturze, które opisują zadanie i przyjmowane dane.

Zobacz, jak to działa i od czego może zacząć mała firma.


Spis treści

  1. Dlaczego automatyzacja strony bywa zawodna

  2. Dwa sposoby udostępnienia narzędzia

  3. Jak działa interfejs imperatywny

  4. Interfejs deklaratywny dla formularzy HTML

  5. Zdarzenia i klasy CSS podczas pracy agenta

  6. Co obsługują wersje testowe przeglądarek

  7. Od czego mogą zacząć MŚP

  8. Podsumowanie. Przeglądarka jako interfejs dla AI


Dlaczego automatyzacja strony bywa zawodna

Gdy agent AI ma znaleźć lot, wypełnić formularz lub porównać ceny, często korzysta z odczytu struktury DOM. Czyta kod HTML, rozpoznaje przyciski i pola po klasach CSS lub identyfikatorach i symuluje kliknięcia. Zmiana projektu strony może przerwać taki proces.

Skutek to automatyzacje, które łatwo przestają działać. Firmy pobierające informacje ze stron dobrze znają ten problem. Jedna zmiana strony może zatrzymać cały proces. Niestabilne interfejsy są częstą przyczyną awarii automatyzacji procesów (RPA), a odczyt DOM należy do najbardziej podatnych na takie zmiany elementów.

WebMCP pozwala zmniejszyć tę zależność. Strona udostępnia swoje funkcje jako narzędzia o ustalonej strukturze. Agent może wywołać search_flights bez zgadywania, gdzie znajduje się przycisk wyszukiwania.

Dwa sposoby udostępnienia narzędzia

Projekt W3C opisuje imperatywny interfejs JavaScript. Przeglądarki oparte na Chromium testują również deklaratywny interfejs formularzy. Aktualny zakres testów opisuje dokumentacja WebMCP dla Chrome.

  1. Interfejs imperatywny daje programiście kontrolę nad logiką narzędzia. Programista rejestruje funkcję JavaScript i określa schemat danych wejściowych.

  2. Interfejs deklaratywny pozwala obsługującej go przeglądarce utworzyć schemat na podstawie odpowiednio oznaczonego formularza HTML.

W obu podejściach strona przekazuje przeglądarce, jakie działania są dostępne i jakich parametrów wymagają. Zgodny agent może użyć tych definicji bezpośrednio.

Jak działa interfejs imperatywny

Pola i sposób działania narzędzia określasz w JavaScript, a następnie rejestrujesz je przez document.modelContext. We wcześniejszych wersjach interfejsu występowało navigator.modelContext jako miejsce rejestracji narzędzi.

Przykład. Wyszukiwanie lotów jako narzędzie agenta

await document.modelContext.registerTool({
  name: "search_flights",
  description: "Wyszukaj dostępne loty",
  inputSchema: {
    type: "object",
    properties: {
      origin: { type: "string" },
      destination: { type: "string" },
      date: { type: "string" }
    },
    required: ["origin", "destination", "date"]
  },
  annotations: { readOnlyHint: true },
  execute: async (params) => {
    const results = await searchFlightsAPI(params);
    return { flights: results };
  }
});

Co zawiera definicja narzędzia

  • name i description informują agenta o przeznaczeniu narzędzia. Na podstawie opisu agent decyduje, czy je wywołać.

  • inputSchema określa parametry w formacie JSON Schema. W tym przykładzie agent musi podać miejsce wylotu, miejsce docelowe i datę.

  • execute to funkcja wywoływana przez agenta. W przykładzie korzysta z wewnętrznego API i zwraca dane w ustrukturyzowanej postaci.

Ceny, dostępność, walidację i sprawdzanie uprawnień obsługuj na serwerze. Udostępnij agentowi tylko wyniki potrzebne do wykonania zadania.

Interfejs pozwala także zarządzać dostępnością narzędzi.

  • registerTool(tool, { signal }) wiąże rejestrację z obiektem AbortSignal.

  • controller.abort() wyrejestrowuje narzędzia powiązane z kontrolerem, gdy strona nie powinna już ich udostępniać.

Interfejs deklaratywny dla formularzy HTML

W testowanym interfejsie deklaratywnym Chromium narzędzie opisują atrybuty formularza HTML. Przeglądarka tworzy schemat na podstawie nazw pól.

Przykład. Przygotowanie zapytania o konsultację do sprawdzenia przez użytkownika

<form toolname="prepare_consultation"
      tooldescription="Przygotuj zapytanie o konsultację do sprawdzenia">
  <label>Imię <input name="name" type="text" required /></label>
  <label>E-mail <input name="email" type="email" required /></label>
  <label>Usługa
    <select name="service">
      <option value="strategy">Strategia AI</option>
      <option value="chatbot">Chatbot</option>
    </select>
  </label>
  <button type="submit">Wyślij zapytanie</button>
</form>

Znaczenie atrybutów

  • toolname nadaje narzędziu unikalną nazwę, po której agent je rozpozna.

  • tooldescription opisuje działanie formularza. Agent na tej podstawie dobiera narzędzie.

  • toolautosubmit to opcjonalny atrybut dla formularzy, które można wysyłać automatycznie. Pomiń go, gdy użytkownik ma sam sprawdzić i wysłać zapytanie.

  • Przeglądarka tworzy schemat danych wejściowych na podstawie pól formularza name (wymagany tekst), email (wymagany adres e-mail) oraz service (lista wyboru).

Formularz nadal potrzebuje zwykłej obsługi wysyłania, walidacji i dostępności. Sprawdź, czy działa też w przeglądarkach bez WebMCP.

Zdarzenia i klasy CSS podczas pracy agenta

Strona może ustalić, czy wysłanie formularza zainicjował użytkownik, czy agent AI. W zgodnej przeglądarce dostępne są następujące mechanizmy.

  • SubmitEvent.agentInvoked wskazuje, czy wysłanie zainicjował agent. W obu przypadkach sprawdzaj te same uprawnienia i poprawność danych.

  • SubmitEvent.respondWith(Promise) pozwala własnej obsłudze zwrócić agentowi ustrukturyzowany wynik po zatrzymaniu domyślnej operacji wysyłania.

WebMCP udostępnia też pseudoklasy CSS pozwalające pokazać stan pracy agenta.

  • :tool-form-active jest aktywna, gdy agent pracuje z formularzem.

  • :tool-submit-active jest aktywna podczas wysyłania zainicjowanego przez agenta.

Użytkownik może od razu zobaczyć, że agent wykonuje działanie, np. dzięki obramowaniu formularza lub komunikatowi o stanie.

Programiści mogą też korzystać ze zdarzeń toolactivated i toolcancel. W Chrome 156 są wysyłane na document.modelContext. Starsze wersje testowe używały window.

Co obsługują wersje testowe przeglądarek

Publiczne testy funkcji dla stron rozpoczęły się w Chrome 149 i Edge 150. Funkcja jest eksperymentalna. Dostępność zależy od platformy, wersji przeglądarki i konfiguracji testów.Specyfikacja jest na etapie prób i nie jest gotowa do pełnego wdrożenia produkcyjnego. Przy testach warto uwzględnić następujące ograniczenia.

  1. Kontekst przeglądarki. WebMCP jest projektowane głównie z myślą o otwartej stronie i osobie, która z niej korzysta. Sprawdź możliwości klienta, zanim oprzesz się na działaniu w tle.

  2. Wykrywanie narzędzi na stronie. Zgodny klient może wykryć narzędzia w aktywnym kontekście przeglądania. Specyfikacja nie tworzy ogólnodostępnego katalogu narzędzi.

  3. Zgodność z interfejsem. Strona musi odzwierciedlać aktualny stan działań narzędzia. Trzeba to uwzględnić przy implementacji i testach.

  4. Ograniczona dostępność. Chrome i Edge prowadzą testy. Przed oparciem się na innych przeglądarkach lub klientach agentowych sprawdź stan implementacji.

Śledź stan implementacji w projekcie W3C, aby wiedzieć, które przeglądarki i aplikacje obsługują testy.

Od czego mogą zacząć MŚP

Wybierz jedno małe zadanie, które klienci już wykonują na stronie.

  1. Przejrzyj formularze i interfejsy. Wypisz formularze kontaktowe, systemy rezerwacji, konfiguratory i kalkulatory używane przez klientów lub partnerów. Mogą stać się punktem wyjścia do testu narzędzia WebMCP.

  2. Przetestuj interfejs deklaratywny. Zacznij od wyszukiwania albo formularza, który użytkownik może sprawdzić przed wysłaniem. Przetestuj konfiguracje przeglądarek, które planujesz obsługiwać.

  3. Zaprojektuj interfejsy API. Jeśli modernizujesz stronę lub sklep, zadbaj o przejrzyste API. Narzędzia WebMCP mogą wywoływać te same funkcje przez integrację z przeglądarką.

  4. Włącz do testów zespół. Poproś programistów i osoby odpowiedzialne za produkt, by sprawdziły ten sam proces ze wsparciem agenta i samodzielnie.

  5. Zmierz wynik pilotażu. Sprawdź poprawność wypełniania pól, odsetek ukończonych zadań i miejsca, w których użytkownicy potrzebują pomocy. Zachowaj zwykły sposób korzystania ze strony.

Prosta zasada. Zacznij od jednego formularza lub wyszukiwania i zmierz, czy narzędzie oszczędza czas użytkowników.

Podsumowanie. Przeglądarka jako interfejs dla AI

Zdefiniowane narzędzie informuje agenta o zadaniu i potrzebnych danych. Strona nadal kontroluje zakres dostępnych operacji.

W małej firmie można zacząć od wyszukiwania, przygotowania rezerwacji lub zapytania o informacje. Przetestuj proces z klientami, zanim zaczniesz na nim polegać.

Dbaj o użyteczność procesu dla odwiedzających, także gdy specyfikacja i przeglądarki się zmieniają.


Pomagamy firmom wybrać zadanie i przetestować WebMCP. Ustalamy zakres uprawnień, zasady walidacji i krok, w którym użytkownik sprawdza przygotowane dane. Porozmawiajmy o zadaniu na Twojej stronie