WebMCP داره طراحی وب رو عوض میکنه
خلاصهٔ کاملتر
WebMCP یه API مرورگره که به صفحه اجازه میده کارهاش رو به شکل «ابزار» به ایجنت معرفی کنه. صفحه document.modelContext.registerTool() رو با یه اسم، یه توضیح انگلیسی، یه JSON schema برای ورودیها و یه تابع جاوااسکریپت صدا میزنه. ایجنت داخل مرورگر بهجای حدس زدن اینکه کدوم div دکمهی پرداخته، مستقیم ابزار رو صدا میزنه. یه نسخهی declarative هم داره که با اضافه کردن attributeهایی مثل toolname و tooldescription به یه فرم HTML معمولی، خود مرورگر ابزار رو میسازه.
تو تستی که Shopify انجام داد، ایجنتی که صفحه رو مثل آدم میخوند و کلیک میکرد ۵۶ تا از ۶۰ تسک رو با میانگین ۲۷.۴ ثانیه تموم کرد. وقتی همون ایجنت از ابزارهای WebMCP استفاده کرد، هر ۶۰ تا رو با ۱۰.۳ ثانیه و ۵۸ درصد هزینهی کمتر انجام داد. Shopify از ۲۱ آگوست روی همهی فروشگاههای Liquid ده تا ابزار فعال کرد، Cloudflare یه پل WebMCP ساخت که از لبهی شبکه به HTML تزریق میشه، و OpenAI هم پشتیبانیش رو به مرورگر داخلی ChatGPT دسکتاپ آورد.
این پیشنویس رو گوگل و مایکروسافت تو W3C نوشتن و هنوز استاندارد رسمی نیست. کروم ۱۴۹ و Edge ۱۵۰ origin trial دارن، ولی موزیلا موضع خنثی پیشنهاد داده و WebKit مخالفه. استدلال WebKit اینه که این کمبودها باید تو خود HTML و ARIA (یعنی لایهی دسترسپذیری وب) حل بشن. نویسنده پیشبینی میکنه آخرش WebMCP یه attribute ساده روی فیلدهای فرم میشه، شبیه autocomplete.
به گفتهی نویسنده، طراحی داره از «هدایت آدم تو قیف فروش» به «صفحهای برای تأیید کاری که مدل انجام داده» تغییر میکنه. dark patternها هم از پیکسلها به توضیح ابزارها و schemaها منتقل میشن. مثال خود پیشنویس یه ابزار جستوجوی لباسه که بیدلیل سن، بارداری و موقعیت کاربر رو میپرسه و ایجنت هم از روی اطلاعاتی که داره جواب میده.
بخش امنیتی پیشنویس خودش قبول داره که هیچ تضمینی نیست هدف اعلامشدهی یه ابزار با رفتار واقعیش یکی باشه. Prompt injection (یعنی جاسازی دستور مخفی برای مدل) هم میتونه از توضیح ابزار بیاد هم از خروجیش، مثل یه نظر کاربر. یه مقالهی دانشگاهی حملهای به اسم Mid-Session Tool Injection رو نشون داده که یه اسکریپت شخص ثالث وسط کار ابزارها رو عوض میکنه یا زودتر ثبتشون میکنه. این حمله روی polyfill در محیط headless صد درصد موفق بوده، هرچند رفتار پیادهسازی بومی کروم ممکنه فرق کنه.
نکتهی اصلی نویسنده اینه که ابزار WebMCP با کوکیهای خود کاربر اجرا میشه و سرور فرقی بین ایجنت و آدم نمیبینه. توصیهش اینه که هر ابزار رو مثل یه API عمومی ببینید: اول با ابزارهای فقطخواندنی شروع کنید، برای کارهای مهم مثل سفارش consequentialHint بذارید و تأیید رو سمت سرور (ترجیحاً با passkey) اجبار کنید، روی خروجیهایی که دیگران نوشتن untrustedContentHint بذارید، و با هدر Permissions-Policy: tools=() جلوی ثبت ابزار رو تو صفحههای حساس بگیرید.
نکات کلیدی:
- تو تست Shopify، WebMCP زمان تسویه رو از ۲۷.۴ به ۱۰.۳ ثانیه رسوند و هزینه رو ۵۸ درصد کم کرد
- پیشنویس فعلی تاریخ ۱۰ نوامبر داره و هنوز استاندارد رسمی W3C نیست
- کروم و Edge پشتیبانی آزمایشی دارن، WebKit مخالفه و موزیلا موضع خنثی پیشنهاد داده
- ابزارها با session و کوکی کاربر اجرا میشن و سرور ایجنت رو از آدم تشخیص نمیده
- فلگ readOnlyHint فقط توصیهست و اجبار نداره
- هدر Permissions-Policy: tools=() ثبت ابزار رو تو یه صفحه کامل میبنده




