我最近沒有寫任何東西，老實說，因為我實在沒有心力去做這件事。原因有幾個，但最大的原因是我在 AGNTCon + MCPCon Europe 的演講，內容是關於 WebMCP。
結果如何？超棒！來了很多人，大家也踴躍發問——我還能要求什麼呢？😅 這場研討會本身也很精彩，我確實帶回了足夠多的靈感，可以再寫好幾篇文章。我現在還沒有好看的照片，不過也許下週會有！
一場有超過 2,000 名與會者的活動，觀眾當然非常多元，興趣也各不相同。除了那些迫不及待想探索複雜多代理架構的人之外，也有很多人只是想知道，如何在自己原本已經不錯的產品上，加上一些 AI 能力，讓它變得更好。
第二類裡有不少人最後都來聽了我的 WebMCP 演講。
那麼，WebMCP 到底是什麼？
簡單來說，WebMCP 是一個實驗性的瀏覽器 API，允許網站明確地暴露工具，讓 AI 代理可以呼叫。因為我已經在這篇文章寫過了，所以我不想重複太多：
那篇文章已經是三個多月前的了，而在 Agentic AI 的世界裡，這代表語法早就過時了。xD 幸好，現在要快速確認最新版本並不特別困難，尤其它之後可能還會再改好幾次。😅
不過，核心概念還是一樣的。
沒錯，這仍然是一項很年輕的技術。但剛好我在研討會上遇到了一位正在開發 WebMCP 的人（嗨，Dominic！），他告訴我，大約到 1 月或 2 月，這項技術應該就會相當穩定了，至少在 Chromium 上是如此。所以倒數計時已經開始了！
WebMCP 跟 MCP 不太一樣
不同於「傳統」MCP（這裡我把 classic 放上引號，因為我不確定這麼年輕的東西，是否已經配得上被稱為「經典」或「傳統」🤣），WebMCP 是在瀏覽器的脈絡中運作。
網站必須先開著，如果需要驗證，使用者也必須先登入，之後我們的代理才能呼叫該頁面暴露出來的工具。這代表我們可以透過具備代理能力的瀏覽器，或例如 Chrome 擴充功能來使用 WebMCP。有趣的是，ChatGPT 最近也在它的內建瀏覽器中加入了對基於 WebMCP 的網站工具的支援，所以這項技術確實已經有些動能了！
這也是為什麼，在我看來，WebMCP 最有趣的應用場景，不一定是多代理系統去抓取網站。我更認為它是幫助一般日常使用者，與他們已經在用的產品互動的一種方式。當然，給十個開發者一個新 API，你大概會得到十一種不同的點子。😉
來認識我的願景領袖：AI CEO 模擬器
有些人可能還記得，我的 WebMCP demo 並不是另一個無聊的 addToCart() 範例。它是我心愛的願景領袖：AI CEO 模擬器。它展示的是，如果我們讓 AI 來經營公司，可能會發生什麼事。
如你在截圖中所見，我們有所有典型的新創指標：現金、每月營收、員工人數、生產事故、員工幸福感，以及，當然，炒作程度。
我們也有董事會決策，例如 採用 AI、轉向 Agent、用 Rust 重寫、裁員、徵才，等等。
換句話說：典型的新創管理。
當然，也少不了活動紀錄。
重點是，這仍然是一個完全正常的網站。你可以自己點來點去，手動使用一切功能。這正是我喜歡 WebMCP 的原因之一：它是你網站的一個額外能力。你不需要把整個產品徹底重構成 AI 導向。
GitHub: https://github.com/sylwia-lask/ai-ceo-webMCP
Demo: https://sylwia-lask.github.io/ai-ceo-webMCP/
好吧，那我們到底要怎麼呼叫那些工具？
一切聽起來都很棒，但有一個實際問題：我們到底要怎麼呼叫這些工具？當你想在研討會演講現場即時呼叫它們時，這就變成一個特別有趣的問題。
當然，你可以透過 ChatGPT 或某個公開的擴充功能來做，但雲端方案需要網路連線。而且它們的介面也不一定適合簡報——當台下觀眾在大螢幕上看你的 demo 時，一切都應該要夠大、夠清楚、夠容易跟得上。
而且，顯然我也想要一個本地模型的備援方案！
所以我做了一個 Chrome 擴充功能，叫做 WebMCP Local Agent。
GitHub: https://github.com/sylwia-lask/webmcp-local-agent
它目前還沒上架 Chrome 線上應用程式商店，不過也許有一天我終於會花那 5 美元去付開發者註冊費。😅💸 目前如果你有興趣，可以直接下載原始碼並在本機執行。
它真的算是一個 Agent 嗎？
那這個外掛——或者說代理——實際上做了什麼？
很簡單。它會接收使用者的意圖，檢查目前頁面可用的 WebMCP 工具，然後呼叫它認為適合的工具。
大家都知道，agent 本質上就是一個迴圈。我之前在這裡寫過更多： AI 代理背後的骯髒秘密（示範 🚀）
而這個也是完全同樣的運作方式。模型接收使用者意圖與可用工具，決定要呼叫什麼，取得結果，然後再決定下一步要做什麼。預設情況下，代理最多可以跑 10 次迭代循環，不過你可以在設定中調整。
所以，如你所見，這不只是一個換了個華麗名字的聊天機器人。它真的是一個小型、正經的代理。
帶點私心的動機，也可能帶來有用的成果
沒錯，我一開始的動機其實很單純，甚至可能有點私心。😉 但就算動機值得懷疑，也還是可能產生好東西。就連咕嚕（Gollum）都為《魔戒》的美好結局做出了貢獻。xDDD
因為我的擴充功能可以搭配本地模型運作，在使用本地供應商時，提示詞與模型推論都能留在使用者的裝置上。相較於把每次互動都送到雲端模型，這帶來了很有意思的隱私優勢。
它也有助於解決另一個問題：並不是每個地方都能同樣穩定地取得 AI 模型。我的 DEV 好友 @dannwaneri 前陣子提過這個問題。光是因為我們在歐洲有不錯的基礎設施與雲端 AI 服務可用，不代表世界上其他地方的情況也一樣好。
本地模型讓我們多了一個選項。
三種供應商，一個代理
如你所見，我的 WebMCP 外掛目前支援三種模式。
第一種是 Google 的 Prompt API，它使用由 Chromium 管理的 Gemini Nano。模型下載完成後，推論會在本地進行，不會把提示詞送到 Google 或其他第三方，而且你不需要 API 金鑰。
第二種是 Ollama，同樣在本地執行。以我的情況來說，我使用的是 Llama 3.1，但如果你願意，也可以選別的模型。不過理想上，你會希望它在工具呼叫上表現良好。
最後還有一個雲端供應商。以我這裡來說，是一個較舊的 Gemini Flash 模型，需要 API 金鑰。因為老實說：以現況來看，雲端模型通常仍然是取得優秀能力與速度的最簡單方式。問題只在於，它們並不總是可用。
當然，你也可以照自己的需求加入其他模型或供應商。真的就只是擴充功能原始碼裡幾行程式碼而已。☺️
而且是的，本地模型真的能用
如你所見，本地供應商的效果出乎意料地好。
這是 Google 的 Prompt API：
這是 Llama 3.1：
不過我要提醒你，Llama 3.1——雖然不常見，但確實會發生——有時候會決定它真正想要的不是 JSON，而是 Markdown，或者一些額外「貼心」的說明文字。這就是跟 LLM 打交道的樂趣。😅
另外也值得再提一次，這個外掛預設允許代理迴圈最多執行 10 次。你可以在設定裡增加或減少這個數字。
不過等等，這不危險嗎？
我常常聽到大家對 WebMCP 的一個疑慮是：我們正在改變互動模式。使用者不再是一個一個明確點擊他們想要發生的每件事。取而代之的是，他們表達一個意圖。
接著模型建立計畫、呼叫工具，然後我們就得處理後果。如果就這樣放任不管，那簡直就是災難配方。
有些工具相對無害，例如：
listEmployees()
但也有些工具後果嚴重得多，例如：
fireEmployees()
而我可不想發現，我的 AI CEO 為了延長 runway，未經我同意就把公司一半的人都裁掉。
有後果的動作需要確認
幸好，正在開發 WebMCP 的人有在傾聽社群意見，現在 API 已經加入了像 consequentialHint 這樣實用的工具註解。我的外掛也支援它。
這些較新的 WebMCP 功能支援與你正在使用的 Chromium 版本，以及可用的實驗性 WebMCP 功能有關，所以如果你在 API 還在演進的同時測試它，請確認你使用的是夠新的 Chrome/Chromium 版本，而且已啟用所需的 WebMCP 支援。
現在我們來試著裁掉一些員工。
如你所見，我們的代理注意到這次工具呼叫被標記為有後果，因此在允許它繼續之前，先顯示了確認提示。使用者可以核准或拒絕這個動作。
當你的 AI CEO 開始重組公司時，這大概是個好主意。😉
而且，當然，我是用 Kiro 做出來的
身為一個自尊的 AWS Community Builder，我是在全世界最棒的 IDE：Kiro 的幫助下做完這一切的。😅 我承認：我一開始安裝 Kiro，是因為我想省點 Claude Code 的錢。但到現在，就算 @corey_aws 明天把我踢出 Community Builders 計畫，我還是會很樂意自掏腰包付 Kiro 的費用。😂
Kiro 不只提供超多模型給你選，它還支援以規格驅動的開發，而這點我已經越來越喜歡。它對一直變動的 WebMCP API 也處理得相當好，甚至包括我在演講前兩個小時，還得處理的最後一次 API 變更。😅
所以，AWS：做得好。你們贏了。👏
也許我們不需要一場革命
所以，如你所見，我們不一定需要對現有專案做巨大架構變更，或是來一場徹底革命，就能讓它們變得更好用，也更適合 agent。
我們的網站還是可以只是個網站。人們還是可以像以前一樣點按鈕、填表單、使用 UI。WebMCP 只是給代理提供了另一種結構化的方式，讓它們可以與網站互動。
會議上有人說，這並不是一場能和從馬車換成汽車相比的革命。
它只是……
更快的馬。
但如果我們現在需要的，正是更快的馬呢？
原文出處：https://dev.to/sylwia-lask/what-if-your-ai-agent-never-had-to-leave-the-browser-demo--5g
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
