WebMCP：让 Web 应用成为 AI Agent 的工具

本文翻译自 WebMCP，原载于 Hacker News。

什么是 WebMCP？

WebMCP API 是一个全新的 JavaScript 接口，它允许 Web 开发者将自己的 Web 应用功能暴露为「工具（tools）」。这些工具本质上是带有自然语言描述和结构化 schema 的 JavaScript 函数，可以被 Agent、浏览器内置 Agent 以及辅助技术调用。

简单来说，使用 WebMCP 的 Web 页面可以被看作是实现了 Model Context Protocol (MCP) 的服务器，只不过这些工具是在客户端脚本中实现，而非后端。

WebMCP 的核心理念是实现协作式工作流——用户和 Agent 在同一个 Web 界面中协同工作，既利用了现有的应用逻辑，又保持了共享上下文和用户控制权。

核心概念

Agent（智能体）

Agent 是一种自主助手，能够理解用户目标并代表用户采取行动来实现这些目标。目前，这些通常由基于大语言模型 (LLM) 的 AI 平台实现，通过基于文本的聊天界面与用户交互。

Browser's Agent（浏览器智能体）

浏览器智能体是由浏览器提供或通过浏览器访问的 Agent。它可以直接内置在浏览器中，也可以通过扩展或插件托管。

AI Platform（AI 平台）

AI 平台是提供智能体助手的服务提供商，例如 OpenAI 的 ChatGPT、Anthropic 的 Claude 或 Google 的 Gemini。

API 详解

Navigator 接口扩展

WebMCP 扩展了 Navigator 接口，提供对 ModelContext 的访问：

partial interface Navigator {
  [SecureContext, SameObject] readonly attribute ModelContext modelContext;
};

ModelContext 接口

ModelContext 接口提供了注册和管理工具的方法：

[Exposed=Window, SecureContext]
interface ModelContext {
  undefined provideContext(optional ModelContextOptions options = {});
  undefined clearContext();
  undefined registerTool(ModelContextTool tool);
  undefined unregisterTool(DOMString name);
};

主要方法说明：

• navigator.modelContext.provideContext(options) — 向浏览器注册提供的上下文（工具）。此方法会先清除所有已存在的工具和其他上下文，然后注册新的。
• navigator.modelContext.clearContext() — 注销所有已注册的上下文（工具）。
• navigator.modelContext.registerTool(tool) — 注册单个工具而不清除现有工具集。如果同名工具已存在，或 inputSchema 无效，则会抛出错误。
• navigator.modelContext.unregisterTool(name) — 从已注册集合中移除指定名称的工具。

ModelContextTool 字典

ModelContextTool 字典描述了可被 Agent 调用的工具：

dictionary ModelContextTool {
  required DOMString name;
  required DOMString description;
  object inputSchema;
  required ToolExecuteCallback execute;
  ToolAnnotations annotations;
};

callback ToolExecuteCallback = Promise<any> (object input, ModelContextClient client);

字段说明：

• name — 工具的唯一标识符，Agent 在调用工具时使用此名称进行引用。
• description — 工具功能的自然语言描述，帮助 Agent 理解何时以及如何使用该工具。
• inputSchema — 描述工具期望输入参数的 JSON Schema 对象。
• execute — 当 Agent 调用工具时执行的回调函数，接收输入参数和 ModelContextClient 对象。该函数可以是异步的并返回 Promise。
• annotations — 可选的注解，提供关于工具行为的额外元数据。

ToolAnnotations 字典

dictionary ToolAnnotations {
  boolean readOnlyHint;
};

• readOnlyHint — 如果为 true，表示工具不修改任何状态，只读取数据。此提示可以帮助 Agent 决定何时可以安全地调用该工具。

ModelContextClient 接口

ModelContextClient 接口表示通过 ModelContext API 执行工具的 Agent：

[Exposed=Window, SecureContext]
interface ModelContextClient {
  Promise<any> requestUserInteraction(UserInteractionCallback callback);
};

callback UserInteractionCallback = Promise<any> ();

client.requestUserInteraction(callback) 方法允许在工具执行期间异步请求用户输入。回调函数会被调用来执行用户交互（例如显示确认对话框），Promise 会以回调结果 resolve。

实际应用场景

WebMCP 的设计为 Web 开发带来了全新的可能性：

1. 增强现有应用 — 无需重构后端，只需在前端添加工具描述，就能让 AI Agent 理解并操作你的应用。

2. 协作式 AI — 用户和 AI 在同一界面中协作，用户保持完全控制权，AI 可以请求用户确认敏感操作。

3. 浏览器原生集成 — 未来浏览器可能内置 Agent，直接与支持 WebMCP 的网站交互。

4. 无障碍访问 — 辅助技术可以利用这些工具描述更好地理解页面功能。

安全与隐私考量

规范中安全与隐私部分仍在完善中（标记为 TODO），但设计上已经考虑了：

• SecureContext 要求 — API 只能在安全上下文（HTTPS）中使用。
• 用户交互确认 — 敏感操作可以通过 requestUserInteraction 请求用户确认。
• 只读提示 — 通过 readOnlyHint 注解，Agent 可以识别哪些操作是安全的。

与 MCP 的关系

Model Context Protocol (MCP) 是 Anthropic 提出的协议标准，用于 AI 模型与外部工具/数据源的交互。WebMCP 可以看作是 MCP 在浏览器端的实现：

• 传统 MCP 服务器运行在后端
• WebMCP 让前端页面本身成为 MCP 服务器
• 工具逻辑在客户端 JavaScript 中执行

这种设计使得无需后端改动就能让现有 Web 应用具备 AI 可调用能力。

小结

WebMCP 代表了 Web 与 AI 深度融合的一个重要方向。它让 Web 开发者能够：

• 用简单的 API 将应用功能暴露给 AI Agent
• 保持用户控制权和隐私
• 实现人机协作的工作流
• 无需复杂后端改造

随着浏览器厂商和 AI 平台的支持，我们可能会看到越来越多支持 WebMCP 的 Web 应用，让 AI 助手能够真正理解并操作我们日常使用的网站。

对于前端开发者来说，这是一个值得关注的新 API。建议持续关注 Web Machine Learning Community Group 的进展，以及各浏览器的实现状态。