深度解析 WebMCP:浏览器端 AI 智能体协议详解
在 2024 年底,Anthropic 推出了 MCP (Model Context Protocol),试图为 AI 模型与外部数据源之间构建一条'通用数据总线'。然而,对于广大的前端开发者和 Web 生态来说,传统的 MCP 更多是在后端或桌面端发力。
2025 年初,由 Google 和 Microsoft 工程师联合发起的 WebMCP 提案正式进入 W3C Web 机器学习社区组(WebML CG)的视野。它标志着 AI 智能体(Agent)正式获得了与 Web 页面进行'结构化对话'的官方绿卡。

一、为什么我们需要 WebMCP?
在 WebMCP 出现之前,AI 智能体访问网页的方式极其原始。
1.1'脆弱'的旧世界:屏幕抓取(Screen Scraping)
现在的 AI 智能体(如各种浏览器助手)通常通过解析 DOM 树、截图并发送给多模态模型来'理解'网页。
- 痛点:网页结构稍有变动(如 CSS 类名修改),智能体就会'迷路';
- 成本:频繁截图和发送长文本 DOM 导致 Token 消耗巨大,响应延迟高;
- 权限:智能体很难在复杂的认证环境下(如登录后的 Session)稳定工作。
1.2 MCP 的局限性
虽然 Anthropic 的 MCP 解决了数据接入的标准问题,但它主要是为 Server-to-Server 场景设计的。如果你想让 AI 访问你当前打开的购物页面并执行'加入购物车',在传统 MCP 下,你需要搭建一套后端代理逻辑,还要处理复杂的跨域和身份同步。
1.3 WebMCP:AI 的'浏览器原住民'方案
WebMCP 的核心思想是:让网页自己告诉浏览器和智能体它能做什么。
它将网页抽象为两个层:
- 人类层(Human Layer):传统的 HTML/CSS/JS,供人类视觉交互。
- 机器层(Machine Layer):由 WebMCP 定义的结构化工具契约,供 AI 直接调用。

二、什么是 WebMCP?
WebMCP (Web Model Context Protocol) 是一个正在标准化的浏览器原生 API(目前已在 Chrome 146 Canary 版本中作为早期预览版提供)。
它允许开发者直接在前端代码中定义'工具(Tools)',这些工具可以:
- 被智能体发现:浏览器能通过特定的 API 告诉 AI:'这个页面可以查询库存、可以提交表单'。
- 被智能体调用:AI 不需要模拟点击,而是直接以 JSON 参数调用网页暴露的 JavaScript 函数。
- 共享上下文:由于工具运行在页面运行环境下,它们天然拥有当前的登录状态、Cookie 和内存状态。
三、WebMCP 的核心架构与机制
WebMCP 引入了一个全新的全局对象:navigator.modelContext。


