# 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）。

2.  **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」。

3.  **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。

4.  **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。
    2.  **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。
    3.  **文本處理**：
        *   選取網頁內容，讓 ChatGPT 解釋或翻譯（如翻譯為中文）。
    4.  **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。
    5.  **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。
5.  **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？