影片筆記：🚀OpenAI划时代独创新协议：WebMCP让网站主动暴露工具给AI Agent调用！新浏览器插件深度实测：Codex直接进入Chrome侧边栏！实测论文分析、图像理解、网页翻译、Notion 插件

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

OpenAI 發布支援主流瀏覽器的 ChatGPT 瀏覽器插件，並推出 Web MCP 協議，讓網站能主動向 AI Agent 暴露結構化工具接口，從而取代傳統依賴視覺或 DOM 解析的自動化方式，大幅提升 AI 操作瀏覽器的效率與精準度。

核心重點

1. ChatGPT 瀏覽器插件發布：

• 取代已下架的 Atlas 瀏覽器，支援 Chrome、Edge、Brave 等主流瀏覽器。
• 功能包括：側邊欄直接與 Codex 交互、模型選擇（如 GBT 5.6）、速度調節、語音輸入、圖片分析、文本翻譯。
• 支援 Skill 錄製與第三方應用集成（如 Notion）。
• 支援跨標籤頁內容引用（如使用 @ 符號引用 GitHub 倉庫）。

1. Web MCP 協議創新：

• 痛點解決：傳統 AI Agent 依賴視覺或「盜墓」（DOM解析）進行瀏覽器自動化，效率低且易出錯。
• 核心機制：網站主動暴露結構化工具接口（APS式/API式），讓 Agent 直接調用功能。
• 優勢：保留可視化反饋與用戶控制，提升速度、精準度，減少幻覺。
• 意義：標誌網站設計從「為人類設計」進化到「為人類和 Agent 共同設計」。

1. 實測演示：

• 筆記應用 Demo：Codex 發現並調用網站暴露的 10 個工具（如創建、更新文檔），快速生成並排版筆記。
• 賀卡設計 Demo：Codex 調用設計網站的工具（重置卡片、設置尺寸、調整顏色），快速設計精美賀卡。

1. 未來展望：

• 目前僅 Codex 內置瀏覽器支持 Web MCP。
• 預計 Chrome 及其他主流瀏覽器將快速跟進，成為未來瀏覽器自動化大趨勢。

詳細大綱

一、 OpenAI 新產品發布背景

• Atlas 瀏覽器下架：OpenAI 此前發布的 AI 驅動瀏覽器 Atlas 在發布不到一年後被徹底下架。
• 新插件發布：OpenAI 發布了更強的 ChatGPT 瀏覽器插件，支援多種主流瀏覽器（Chrome、Edge、Brave 等）。
• 技術標準更新：發布 Web MCP 技術標準，被稱為「化時代」的創新，旨在引領 AI 與網站交互的新規範。

二、 ChatGPT 瀏覽器插件功能與操作演示

• 安裝與設置：
• 在 Codex 桌面應用中，點擊右下角設置 -> 左側側邊欄選擇 Compute Use（瀏覽器使用）。
• 根據需求開啟對應瀏覽器支持（如 Chrome），或通過下拉菜單安裝其他瀏覽器插件（如 Edge）。
• 安裝後，瀏覽器中會出現插件圖標，點擊可打開側邊欄。
• 核心功能：
• 直接交互：在側邊欄中與 Codex 對話，設置目標或使用「計劃模式」。
• Skill 錄製：可將操作步驟錄製成 Skill。
• 模型與速度選擇：
• 模型選擇：例如選擇 GBT 5.6 模型。
• 推理級別：可選擇 Medium。
• 速度：支援標準速度或 Codex 中的 Fast 速度（1.5倍速度）。
• 語音輸入：支援語音指令。
• 實際應用場景演示：

1. 論文分析：

• 在插件中讓 Codex 分析 Archive 上的論文。
• 輸出詳細分析：包含概念解釋、解決的問題、實驗結果、關鍵事實及最終判斷。

1. 圖像分析：

• 在側邊欄選取論文中的圖像，輸入提示詞讓 ChatGPT 詳細分析圖中內容。

1. 文本處理：

• 選取網頁內容，讓 ChatGPT 解釋或翻譯（如翻譯為中文）。

1. 第三方應用集成 (Notion)：

• 調用已安裝的 Notion 插件。
• 提示詞：將論文分析報告保存至 Notion 筆記。
• 結果：Notion 知識沉澱流程被調用，生成結構化中文筆記，驗證保存成功。

1. 跨標籤頁內容引用：

• 在瀏覽器中打開新的標籤頁（如 GitHub 倉庫）。
• 回到 ChatGPT 對話框，輸入 @符號 選中該 GitHub 倉庫。
• 提示詞：給出該項目的安裝方式。
• 結果：ChatGPT 結合多個頁面內容進行分析並輸出結果。

三、 Web MCP 協議解析與 Demo 演示

• Web MCP 核心概念：
• 傳統痛點：傳統 AI Agent 執行瀏覽器自動化時，依賴視覺或「盜墓」（DOM解析）操作，需猜測頁面結構，效率低且易出錯。
• Web MCP 解決方案：讓網站主動為 Agent 提供 APS式（應為 API 或類似結構化接口，原文為 APS式）的能力。
• 優勢：保留可視化反饋和用戶控制，網站將自身能力暴露為預定的工具，Agent 發現並調用，不再完全依賴視覺或「盜墓解析」能力，從而提升速度、減少步驟和幻覺。
• 意義：標誌著網站設計從「為人類設計」進化到「為人類和 Agent 共同設計」。
• Web MCP Demo 1：本地筆記應用
• 環境：目前主流瀏覽器尚不支持 Web MCP，演示使用 Codex 內置瀏覽器。
• 工具發現：Codex 詢問當前網站可用的工具，網站通過 Web MCP 暴露了 10 個工具（如列出/搜索文檔、讀取/創建/重命名/替換文檔等），並標註部分為「止讀工具」。
• 創建文檔：
• 提示詞：寫一篇 Web MCP 使用筆記並創建文檔存入網站。
• 結果：Codex 快速調用「創建文檔」工具，將筆記存入網站，排版良好。
• 修改文檔：
• 提示詞：為筆記加入更多 Emoji 以豐富內容。
• 結果：Codex 調用「更新文檔」工具，迅速為標題和正文加入大量 Emoji，速度極快。
• Web MCP Demo 2：賀卡/藝術品設計網站
• 任務：設計用於宣發 Web MCP 的賀卡或藝術品。
• 工具調用：Codex 調用網站暴露的工具，包括重置空白卡片、設置尺寸、調整背景色與強調色等。
• 結果：快速設計出精美賀卡，無需模擬點擊或解析 DOM 元素。
• Web MCP 執行流程：

1. 頁面加載：網站 JS 模塊判斷瀏覽器是否支持 Web MCP。
2. 傳統 fallback：若不支持，Agent 按傳統方式（解析 DOM 或視覺）執行自動化。
3. 工具聲明：若支持，網站聲明工具（包含名稱、描述、Input Schema 等）。
4. 註冊與檢查：瀏覽器維護工具表，進行平台檢查。
5. 工具清單展示：在 ChatGPT 桌面版內置瀏覽器的地址欄出現「站點工具入口」。
6. 任務生成：用戶用自然語言描述任務，發送給模型生成參數。
7. 上下文與調用：Web MCP 的名稱、描述進入模型上下文，模型根據工具清單調用工具。
8. 審查與確認：調用前進行審查以降低風險。
9. 綁定與派發：綁定來源頁並派發任務。
10. 結果返回：任務執行結果返回模型上下文，最終返回給用戶。

四、 未來展望

• 目前僅 Codex 內置瀏覽器支持 Web MCP。
• 預計 Chrome 及其他主流瀏覽器將快速跟進支持 Web MCP。
• 多數網站將快速支持 Web MCP，成為未來瀏覽器自動化的大趨勢。

工具 / 模型 / 名詞整理

• OpenAI
• Atlas 瀏覽器（已下架）
• ChatGPT 瀏覽器插件（原文提及「XDGPT」，疑為 ChatGPT 之誤，但依規則保留原意或標註）
• Codex（桌面應用、內置瀏覽器）
• Compute Use（Codex 設置中的選項）
• GBT 5.6（模型名稱，疑為 GPT 4.6 或類似，依原文保留）
• Chrome
• Edge（原文提及「愛置」，疑為 Edge 之誤，依原文保留）
• Brave
• Web MCP（技術標準/協議）
• MCP（Anthlopic 發布的協議，原文拼寫為 Anthlopic，疑為 Anthropic）
• Scale（Anthlopic 發布的協議）
• Archive（論文網站）
• Notion（第三方應用插件）
• GitHub（代碼倉庫平台）
• Skill（錄製的操作步驟功能）

操作流程整理

ChatGPT 瀏覽器插件操作

1. 安裝設置：在 Codex 桌面應用設置中開啟「Compute Use」，選擇並安裝對應瀏覽器插件（如 Chrome）。
2. 啟動交互：點擊瀏覽器插件圖標打開側邊欄，與 Codex 對話。
3. 功能選擇：選擇模型（如 GBT 5.6）、推理級別（Medium）及速度（Fast 1.5倍）。
4. 執行任務：

• 論文/圖像分析：選取網頁內容或圖像，輸入提示詞進行分析或翻譯。
• 保存至 Notion：調用 Notion 插件，將分析結果保存為結構化筆記。
• 跨標籤引用：使用 @ 符號引用其他標籤頁（如 GitHub）內容進行綜合分析。

Web MCP 協議執行流程

1. 頁面加載與檢測：網站 JS 模塊檢測瀏覽器是否支持 Web MCP。
2. 工具聲明：若支持，網站向瀏覽器聲明可用工具（名稱、描述、Input Schema）。
3. 工具註冊與展示：瀏覽器維護工具表，並在 ChatGPT 桌面版內置瀏覽器地址欄顯示「站點工具入口」。
4. 任務生成與調用：

• 用戶輸入自然語言任務。
• 模型根據工具清單生成參數並調用工具。
• 調用前進行審查以降低風險。

1. 結果返回：任務執行結果綁定來源頁並返回模型上下文，最終呈現給用戶。

值得注意的限制或風險

• 瀏覽器兼容性限制：目前主流瀏覽器（如 Chrome）尚不完全支持 Web MCP，演示主要依賴 Codex 內置瀏覽器。
• 傳統方式 fallback：若瀏覽器不支持 Web MCP，Agent 仍需依賴傳統方式（解析 DOM 或視覺）執行自動化，效率較低。
• 工具暴露風險：網站主動暴露工具接口，需確保工具清單的準確性與安全性，避免被惡意調用。
• 模型依賴性：Web MCP 的效果高度依賴模型對工具描述的理解與參數生成能力，若模型理解偏差，可能導致調用錯誤。

逐字稿辨識疑點

• XDGPT：原文提及「XDGPT 瀏覽器插件」，疑為 ChatGPT 之聽寫錯誤。
• Anthlopic：原文提及「Anthlopic 發布各種協議」，疑為 Anthropic 之聽寫錯誤。
• Challigipty：原文提及「Challigipty 終於引領時代」，疑為 ChatGPT 之聽寫錯誤。
• 化時代：原文多次提及「化時代的技術標準/創新」，語意不明，疑為「劃時代」之聽寫錯誤。
• 盜墓 / 道母：原文多次提及「靠視覺或者盜墓操作」、「解析道母」，疑為「DOM 解析」或「DOM 操作」之聽寫錯誤。
• APS式：原文提及「提供 APS式的能力」，疑為「API 式」或「App 式」之聽寫錯誤。
• 止讀工具：原文提及「明確三個是止讀工具」，疑為「只讀工具」之聽寫錯誤。
• 逼迹：原文提及「更改這個逼迹」，疑為「筆記」或「標記」之聽寫錯誤。
• 瘤覽器：原文提及「執行瘤覽器自動化」，疑為「瀏覽器」之聽寫錯誤。
• 盗梅元素：原文提及「不需要模擬點擊這些盗梅元素」，疑為「DOM 元素」或「頁面元素」之聽寫錯誤。
• type 頁：原文提及「加入其他我們打開的 type 頁」，疑為「Tab 頁」或「標籤頁」之聽寫錯誤。
• gethub：原文提及「gethub 倉庫」，疑為「GitHub」之聽寫錯誤。
• 提示次 / 提示冊：原文多次提及「輸入提示次/提示冊」，疑為「提示詞」之聽寫錯誤。
• 拍板：原文提及「這個拍板是非常不錯的」，疑為「排版」之聽寫錯誤。
• 證文：原文提及「標題還有這些證文」，疑為「正文」之聽寫錯誤。
• GBT 5.6：原文提及選擇「GBT 5.6」模型，疑為 GPT 版本號之聽寫錯誤（如 GPT 4.6 或 GPT 5.0 等）。
• 愛置：原文提及安裝「愛置」瀏覽器插件，疑為 Edge 之聽寫錯誤。

可延伸追問

• Web MCP 協議的具體技術規範與標準化進程為何？
• 網站開發者如何將現有網站改造為支持 Web MCP 的結構？
• ChatGPT 瀏覽器插件與 Web MCP 協議在隱私保護與數據安全方面有何具體措施？
• 未來主流瀏覽器（Chrome, Edge, Safari）對 Web MCP 的支持時間表與兼容性計劃？
• Web MCP 是否會導致網站開發成本增加，或帶來新的安全挑戰？