webmachinelearning/webmcp

解決する課題

WebMCPは、AIエージェントが複雑なWebアプリケーションと対話する際に直面する課題に対処します。現在、エージェントはタスクを実行するためにDOMのスクレイピングやマウス操作のシミュレーションといった「壊れやすい」手法に依存することがよくあります。WebMCPを使用すると、開発者は特定の信頼性の高いクライアント側関数をAIエージェントが直接呼び出せる「ツール」として公開できるため、ユーザー、Webページ、AI間のより効率的で正確な連携が可能になります。

仕組み

Web開発者は document.modelContext.registerTool() APIを使用して、自然言語による説明と構造化された入力スキーマを持つJavaScript関数を定義します。AIエージェントがページ上でアクティブになると、これらの登録済みツールを検出します。ユーザーがタスクを要求すると、エージェントがツールを呼び出し、ブラウザがページ自身のクライアント側ロジックを実行し、ページが構造化された結果をエージェントに返します。これにより、別のバックエンドサーバーを必要とせずに、UIとエージェントのアクションを同期させることができます。

対象ユーザー

このプロジェクトは、アプリケーションを「エージェント対応」にしてAIアシスタントがサイト内でより確実にアクションを実行できるようにしたいWeb開発者、およびWebコンテンツと対話するための標準化された方法を求めているブラウザ/エージェント開発者を対象としています。

ハイライト

• クライアントサイド重視: 既存のアプリケーションロジックと状態管理をブラウザ内で直接再利用できます。
• 信頼性の向上: エラーが発生しやすいUIスクレイピングを、開発者が定義した構造化されたツール呼び出しに置き換えます。
• 協調ワークフロー: エージェントとユーザーが同じインターフェース内で協力して作業する、ヒューマン・イン・ザ・ループのシナリオ向けに設計されています。
• セキュリティへの配慮: ブラウザの権限ポリシーと統合されており、どのエージェントやiframeが登録済みツールにアクセスできるかを制御します。