1
00:00:00,000 --> 00:00:29,980
前些時間,OpenAI徹底下架了Atlas瀏覽器。这款由AI驱动的瀏覽器发布不到一年就被下架。但OpenAI在今天发布了一款更强的XDGPT瀏覽器插件。这个插件支持多种主流瀏覽器,包括Chrome,微软的Edge,还有Brave等常见浏览器。我们甚至可以直接通过这个插件来使用Codex。所以这个插件要比我们之前所使用的OpenAI的Atlas瀏覽器要更多。

2
00:00:30,000 --> 00:00:35,500
而且OpenAI这次还发布了划时代的新技术标准webmcp

3
00:00:35,500 --> 00:00:41,300
在过去两三年时间一直都是Anthlopic发布各种协议或者定制标准

4
00:00:41,300 --> 00:00:43,100
比如mcp和scale

5
00:00:43,100 --> 00:00:48,400
而这次Challigipty终于引领时代发布了最新的webmcp技术

6
00:00:48,400 --> 00:00:55,300
webmcp的核心目的就是让AIagent更好更准确更稳定的与网站进行交互

7
00:00:55,300 --> 00:00:59,340
像传统AI agent在执行浏览器自动化的时候

8
00:00:59,340 --> 00:01:01,600
需要靠视觉或者盗墓操作

9
00:01:01,600 --> 00:01:03,340
还需要猜测页面结构

10
00:01:03,340 --> 00:01:06,120
所以在执行浏览器自动化人物的时候

11
00:01:06,120 --> 00:01:08,340
效率非常低而且容易出错

12
00:01:08,340 --> 00:01:13,620
而Web MCP是让网站主动为agent提供APS式的能力

13
00:01:13,620 --> 00:01:16,480
同时保留可视化反馈和用户控制

14
00:01:16,480 --> 00:01:19,620
它不是单独加强agent的点击能力

15
00:01:19,620 --> 00:01:23,180
而是让网站主动给agent提供一套结构化

16
00:01:23,180 --> 00:01:24,920
与易明确的操作接口

17
00:01:24,920 --> 00:01:28,340
网站可以把自身能力暴露为预定一工具

18
00:01:28,340 --> 00:01:30,200
当agent访问页面时

19
00:01:30,200 --> 00:01:32,540
就可以发现并且调用这些工具

20
00:01:32,540 --> 00:01:35,580
从而不再完全依赖agent的视觉能力

21
00:01:35,580 --> 00:01:37,100
以及盗墓解析能力

22
00:01:37,100 --> 00:01:40,320
这样就可以让ai agent在操作浏览器时

23
00:01:40,320 --> 00:01:42,100
可以达到更快的速度

24
00:01:42,100 --> 00:01:43,780
减少不必要的步骤

25
00:01:43,780 --> 00:01:44,980
还能减少幻觉

26
00:01:44,980 --> 00:01:47,600
webmcp的发布标志着网站

27
00:01:47,600 --> 00:01:48,760
从为人类设计

28
00:01:48,760 --> 00:01:51,740
进化到为人类和agent共同设计

29
00:01:51,740 --> 00:01:52,280
好

30
00:01:52,280 --> 00:01:53,820
本期视频就为大家测试

31
00:01:53,820 --> 00:01:56,580
Chattigpd最新浏览器插件的使用效果

32
00:01:56,580 --> 00:01:58,480
并且为大家讲解和演示

33
00:01:58,480 --> 00:02:01,560
OpenAI今天发布的Web MCP协议

34
00:02:01,560 --> 00:02:03,260
想在我们常用的浏览器中

35
00:02:03,260 --> 00:02:06,040
来使用Chattigpd浏览器插件非常简单

36
00:02:06,040 --> 00:02:09,020
首先我们在Codex桌面应用中

37
00:02:09,020 --> 00:02:10,940
点击右下角的设置

38
00:02:10,940 --> 00:02:12,460
然后在左侧侧边栏

39
00:02:12,460 --> 00:02:14,240
我们就点击Compute Use

40
00:02:14,240 --> 00:02:15,700
也就是浏览器使用

41
00:02:15,700 --> 00:02:17,600
然后我们就可以根据我们的需求

42
00:02:17,600 --> 00:02:19,820
来开启对应的浏览器支持

43
00:02:19,820 --> 00:02:22,020
我这里开启了Chrome浏览器的

44
00:02:22,020 --> 00:02:24,000
在这里我们还可以点击下拉

45
00:02:24,000 --> 00:02:26,660
来安装其他浏览器的这个插件

46
00:02:26,660 --> 00:02:28,200
比如说在我本机上

47
00:02:28,200 --> 00:02:30,440
他还支持微软的爱置浏览器

48
00:02:30,440 --> 00:02:31,740
当安装好之后

49
00:02:31,740 --> 00:02:33,100
在我们的浏览器中

50
00:02:33,100 --> 00:02:35,700
我们就可以看到这个浏览器的图标

51
00:02:35,700 --> 00:02:37,180
然后如果没有看到的话

52
00:02:37,180 --> 00:02:38,980
我们也可以点击这一个位置

53
00:02:38,980 --> 00:02:42,000
找到刚才我们安装的这个浏览器插件

54
00:02:42,000 --> 00:02:43,480
直接点击这个图标

55
00:02:43,480 --> 00:02:46,420
他就会在浏览器中打开一个侧边栏

56
00:02:46,420 --> 00:02:47,780
在这个插件中

57
00:02:47,780 --> 00:02:50,760
我们可以直接与codex进行交互

58
00:02:50,760 --> 00:02:52,760
比如说为Codex设置一个目标

59
00:02:52,760 --> 00:02:55,140
或者使用Codex的计划模式

60
00:02:55,140 --> 00:02:58,240
甚至还能通过我们的操作步骤来录制成Skill

61
00:02:58,240 --> 00:03:01,820
而且我们还可以调出Codex中我们安装的这些插件

62
00:03:01,820 --> 00:03:04,300
在这里我们还可以选择不同模型

63
00:03:04,300 --> 00:03:07,000
比如说我这里选择GBT 5.6模型

64
00:03:07,000 --> 00:03:09,920
在推理级别这里我这里可以选择Medium

65
00:03:09,920 --> 00:03:12,400
在速度这里它支持标准速度

66
00:03:12,400 --> 00:03:14,880
还支持Codex中的Fast速度

67
00:03:14,880 --> 00:03:16,800
也就是1.5倍的速度

68
00:03:16,800 --> 00:03:18,900
在这个位置它还支持语音输入

69
00:03:18,900 --> 00:03:22,100
在这里我找了一篇archive上的论文

70
00:03:22,100 --> 00:03:25,120
在这个插件中我让他分析这篇论文

71
00:03:25,120 --> 00:03:29,060
然后他就输出了对这篇论文的详细的分析

72
00:03:29,060 --> 00:03:31,840
包括论文中提到的这个概念是什么

73
00:03:31,840 --> 00:03:34,400
还有他试图解决的真正问题

74
00:03:34,400 --> 00:03:37,340
还有论文中的这些实验结果

75
00:03:37,340 --> 00:03:39,260
还有暴露出的关键事实

76
00:03:39,260 --> 00:03:41,020
他给出了最终判断

77
00:03:41,020 --> 00:03:42,040
像这样的话

78
00:03:42,040 --> 00:03:45,260
我们在浏览器中浏览这些网页或者论文的时候

79
00:03:45,260 --> 00:03:47,100
需要AI帮我们分析的时候

80
00:03:47,100 --> 00:03:48,800
我们只需要调出来这个插件

81
00:03:48,800 --> 00:03:50,740
就可以直接在chatgbt中

82
00:03:50,740 --> 00:03:53,620
让chatgbt分析我们所浏览的这些内容

83
00:03:53,620 --> 00:03:56,520
然后我们还可以在侧边栏中继续去提问

84
00:03:56,520 --> 00:03:58,920
我们可以在论文中找一张图像

85
00:03:58,920 --> 00:04:01,400
让chatgbt详细分析这个图像

86
00:04:01,400 --> 00:04:03,100
然后我们可以直接输入提示次

87
00:04:03,100 --> 00:04:04,760
让它分析图中的内容

88
00:04:04,760 --> 00:04:05,940
然后直接发送

89
00:04:05,940 --> 00:04:09,460
可以看到这里它正在输出对这个图像的分析

90
00:04:09,460 --> 00:04:12,140
它对这个图像分析的是非常详细的

91
00:04:12,140 --> 00:04:15,300
在网页中我们还可以来选取一段内容

92
00:04:15,300 --> 00:04:16,820
在这里我们就可以看到

93
00:04:16,820 --> 00:04:19,080
它会显示我们选中的这些内容

94
00:04:19,080 --> 00:04:23,260
然后我们就可以让它对我们选中的内容进行解释或者翻译

95
00:04:23,260 --> 00:04:24,760
让它翻译为中文

96
00:04:24,760 --> 00:04:26,260
然后直接发送

97
00:04:26,260 --> 00:04:30,140
这里它就将我们选中的这个摘要翻译成了中文

98
00:04:30,140 --> 00:04:31,900
然后我们还可以测试一下

99
00:04:31,900 --> 00:04:36,280
让它将对这篇论文的分析结果保存到我们的notion中

100
00:04:36,280 --> 00:04:39,100
在这里我就选中了notion这个插件

101
00:04:39,100 --> 00:04:40,700
然后我们直接输入提示册

102
00:04:40,700 --> 00:04:44,000
将这篇论文的分析报告保存到notion笔记中

103
00:04:44,000 --> 00:04:47,080
这里他就提示他会使用notion的知识沉淀流程

104
00:04:47,080 --> 00:04:50,760
把前面论文的分析转化成结构化的中文笔记

105
00:04:50,760 --> 00:04:53,620
在这里我们就看到他调用了这个skill

106
00:04:53,620 --> 00:04:55,600
他提示notion已经连接

107
00:04:55,600 --> 00:04:58,440
这里他就提示已经保存并且验证成功

108
00:04:58,440 --> 00:04:59,680
然后我们点击打开

109
00:04:59,680 --> 00:05:01,860
然后在notion中我们就可以看到

110
00:05:01,860 --> 00:05:03,720
他帮我们创建了这个笔记

111
00:05:03,720 --> 00:05:05,920
他创建的这个笔记非常完整

112
00:05:05,920 --> 00:05:08,300
而且笔记的排版也非常完美

113
00:05:08,300 --> 00:05:11,220
而且他还支持多种这些插件

114
00:05:11,220 --> 00:05:12,680
然后大家需要什么功能

115
00:05:12,680 --> 00:05:15,260
就可以在codex中安装什么插件

116
00:05:15,260 --> 00:05:18,200
而且来支持在当前的对话框中

117
00:05:18,200 --> 00:05:20,980
加入其他我们打开的type页

118
00:05:20,980 --> 00:05:23,080
比如说我们找到这篇论文

119
00:05:23,080 --> 00:05:24,680
对应的gethub仓库

120
00:05:24,680 --> 00:05:27,640
这是我在浏览区中打开的新的标签页

121
00:05:27,640 --> 00:05:30,340
然后我们再回到刚才这篇论文

122
00:05:30,340 --> 00:05:31,360
在对话框中

123
00:05:31,360 --> 00:05:33,060
我们只需要输入at符号

124
00:05:33,060 --> 00:05:34,420
然后我们就可以找到

125
00:05:34,420 --> 00:05:36,480
刚才我们在新的type页中

126
00:05:36,480 --> 00:05:38,080
打开的这个gethub仓库

127
00:05:38,080 --> 00:05:39,940
我们直接选中这个仓库

128
00:05:39,940 --> 00:05:42,020
然后我们就可以来输入提示词

129
00:05:42,020 --> 00:05:44,540
我输入的是给出这个项目的安装方式

130
00:05:44,540 --> 00:05:45,580
然后直接发送

131
00:05:45,580 --> 00:05:48,620
这里他就很快输出了这个项目的安装方式

132
00:05:48,620 --> 00:05:49,460
相近的话

133
00:05:49,460 --> 00:05:52,020
我们在当前打开的这种侧边栏中

134
00:05:52,020 --> 00:05:54,780
就可以调用我们在浏览器中打开的

135
00:05:54,780 --> 00:05:56,720
其他标签页中的内容

136
00:05:56,720 --> 00:06:00,500
从而让ChatGPT结合多个页面进行分析

137
00:06:00,500 --> 00:06:01,700
通过这款插件

138
00:06:01,700 --> 00:06:06,200
我们就可以替代之前OpenAI彻底下架的Atlas浏览器

139
00:06:06,200 --> 00:06:10,740
好下面我们再看一下OpenAI今天发布的Web MCP协议

140
00:06:10,740 --> 00:06:17,120
通俗来讲WebMCP它的作用就是让网站把自己的能力声明成一组工具

141
00:06:17,120 --> 00:06:20,240
当AI Agent执行浏览器自动化的任务

142
00:06:20,240 --> 00:06:24,440
就不需要再靠猜测盗墓以及模拟点击来执行任务

143
00:06:24,440 --> 00:06:28,460
我们可以看一下OpenAI官方给出的WebMCP的demo

144
00:06:28,460 --> 00:06:32,000
比如说这个是与智能体协作的本地笔记应用

145
00:06:32,000 --> 00:06:36,860
由于WebMCP刚刚发布这些主流浏览器还不支持WebMCP协议

146
00:06:36,860 --> 00:06:40,000
但是我们在Codex中Codex内置的浏览器

147
00:06:40,000 --> 00:06:41,760
它是支持webmcp的

148
00:06:41,760 --> 00:06:45,020
我们直接点击官方的这个在codex中打开

149
00:06:45,020 --> 00:06:49,020
这样的话就在codex中打开了这款笔记的应用

150
00:06:49,020 --> 00:06:51,600
然后我们在codex中就可以来测试一下

151
00:06:51,600 --> 00:06:53,320
比如说我们可以直接输入提示词

152
00:06:53,320 --> 00:06:57,180
询问它在当前网站中有哪些工具它可以调用

153
00:06:57,180 --> 00:07:01,000
好这里它就列出了当前网站通过webmcp

154
00:07:01,000 --> 00:07:02,500
暴露了这10个工具

155
00:07:02,500 --> 00:07:04,620
包括列出或搜索本地文档

156
00:07:04,620 --> 00:07:05,800
读取指令文档

157
00:07:05,800 --> 00:07:07,820
在编辑器中打开指令文档

158
00:07:07,820 --> 00:07:08,800
创建文档

159
00:07:08,800 --> 00:07:10,100
重命名替换

160
00:07:10,100 --> 00:07:12,840
而且这里还明确这三个是止读工具

161
00:07:12,840 --> 00:07:14,420
下面我们就可以测试一下

162
00:07:14,420 --> 00:07:15,840
让它调用mcp工具

163
00:07:15,840 --> 00:07:17,780
帮我们创建一个文档

164
00:07:17,780 --> 00:07:19,140
我说的提示词就是

165
00:07:19,140 --> 00:07:21,160
写一篇webmcp的使用笔记

166
00:07:21,160 --> 00:07:22,240
并创建一个文档

167
00:07:22,240 --> 00:07:25,220
存入到刚才这一个网站中

168
00:07:25,220 --> 00:07:26,600
我们就点击发送

169
00:07:26,600 --> 00:07:28,440
看一下这个效果

170
00:07:28,440 --> 00:07:32,140
它以非常快的速度

171
00:07:32,140 --> 00:07:34,040
直接将它写好的笔记

172
00:07:34,040 --> 00:07:37,560
存入到了我们刚才打开的这个网站中

173
00:07:37,560 --> 00:07:39,880
然后我们看一下他写的这篇笔记

174
00:07:39,880 --> 00:07:41,780
可以看到这个拍板是非常不错的

175
00:07:41,780 --> 00:07:43,240
然后我们可以继续提问

176
00:07:43,240 --> 00:07:45,640
问他通过什么工具写入的笔记

177
00:07:45,640 --> 00:07:49,660
然后他就给出了他通过这个网站提供的webmcp工具

178
00:07:49,660 --> 00:07:53,260
也就是创建文档这个工具来写入的笔记

179
00:07:53,260 --> 00:07:54,640
这里还列出了这个参数

180
00:07:54,640 --> 00:07:56,400
然后我们还可以继续测试

181
00:07:56,400 --> 00:07:59,720
我们让他为这篇笔记加入更多emoji

182
00:07:59,720 --> 00:08:01,620
以便让内容更加丰富

183
00:08:01,620 --> 00:08:03,920
我们看一下他修改笔记的速度

184
00:08:03,920 --> 00:08:07,320
好这里他有提示他将会用更新文档这个工具

185
00:08:07,320 --> 00:08:08,780
来更改这个逼迹

186
00:08:11,190 --> 00:08:25,190
他就迅速為這個筆記加入了非常多的emoji表情,包括標題還有這些證文。他都加入了非常多的emoji。這個速度是真的非常快。他只需要通過webmcp來調用工具,就可以來找找。

187
00:08:25,290 --> 00:08:26,890
执行这些自动化操作

188
00:08:26,890 --> 00:08:28,290
而不需要解析道母

189
00:08:28,290 --> 00:08:31,490
也不需要通过模拟点击等方式帮我们去操作

190
00:08:31,490 --> 00:08:34,890
像这种方式将会是未来的大趋势

191
00:08:34,890 --> 00:08:37,890
现在虽然只有codex内置的这个浏览器

192
00:08:37,890 --> 00:08:39,290
支持webmcp

193
00:08:39,290 --> 00:08:41,490
但很快像chrome浏览器

194
00:08:41,490 --> 00:08:43,290
以及其他主流浏览器

195
00:08:43,290 --> 00:08:46,490
都会快速跟进加入对webmcp的支持

196
00:08:46,490 --> 00:08:50,090
并且很多网站也将快速支持webmcp

197
00:08:50,090 --> 00:08:52,090
然后我们再看一下官方给出的

198
00:08:52,090 --> 00:08:54,090
另一款比较有代表性的demo

199
00:08:54,090 --> 00:08:57,530
这个网站是用于设计贺卡或者设计艺术品

200
00:08:57,530 --> 00:09:00,850
我们还是在Codex内置的浏览器中来打开

201
00:09:00,850 --> 00:09:03,890
然后我们就让Codex调用这个网站

202
00:09:03,890 --> 00:09:05,730
它暴露给Codex的工具

203
00:09:05,730 --> 00:09:07,470
为我们设计一个贺卡

204
00:09:07,470 --> 00:09:08,850
然后我输入提示词

205
00:09:08,850 --> 00:09:12,710
为我设计一个用于宣发webmcp的贺卡或者艺术品

206
00:09:12,710 --> 00:09:13,630
我们直接发送

207
00:09:13,630 --> 00:09:15,110
然后我们看一下Codex

208
00:09:15,110 --> 00:09:18,890
它是如何与这个网站交互来创建贺卡的

209
00:09:18,890 --> 00:09:21,830
这里它很快就帮我们设计完成了这个贺卡

210
00:09:21,830 --> 00:09:24,350
可以看到这个贺卡设计的非常精美

211
00:09:24,350 --> 00:09:26,850
然后我们问他调用了哪些工具

212
00:09:26,850 --> 00:09:30,290
好 这里他列出了他调用了下面这些工具

213
00:09:30,290 --> 00:09:32,870
包括重置空白卡片的工具

214
00:09:32,870 --> 00:09:34,590
设置尺寸的工具

215
00:09:34,590 --> 00:09:37,650
调整背景色与强调色等这些工具

216
00:09:37,650 --> 00:09:39,550
可以看到有了Web MCP

217
00:09:39,550 --> 00:09:41,870
Codex在执行瘤览器自动化的时候

218
00:09:41,870 --> 00:09:45,230
他就不需要模拟点击这些盗梅元素

219
00:09:45,230 --> 00:09:49,250
而是直接调用网站提供的工具来执行任务

220
00:09:49,250 --> 00:09:50,650
就能大幅度提升

221
00:09:50,650 --> 00:09:53,050
Agent在执行浏览器自动化的时候

222
00:09:53,050 --> 00:09:54,930
它的速度还有精准度

223
00:09:54,930 --> 00:09:59,330
所以说WebMCP将会是又一项化时代的创新

224
00:09:59,330 --> 00:10:02,370
然后我们看一下WebMCP它的执行流程

225
00:10:02,370 --> 00:10:04,330
首先就是网站页面

226
00:10:04,330 --> 00:10:07,450
网站自己的JS模块会在加载式运行

227
00:10:07,450 --> 00:10:10,290
它会判断浏览器是否支持WebMCP

228
00:10:10,290 --> 00:10:12,390
如果不支持就什么都不做

229
00:10:12,390 --> 00:10:15,690
当Agent需要执行浏览器自动化人文的时候

230
00:10:15,690 --> 00:10:17,330
就会按照传统的方式

231
00:10:17,330 --> 00:10:18,710
比如说解析道母

232
00:10:18,710 --> 00:10:21,670
或者通过视觉方式去执行浏览器自动化

233
00:10:21,670 --> 00:10:22,910
如果支持的话

234
00:10:22,910 --> 00:10:25,090
那么网站页面就会声明工具

235
00:10:25,090 --> 00:10:27,670
在这个声明中包括名称

236
00:10:27,670 --> 00:10:28,410
描述

237
00:10:28,410 --> 00:10:30,370
input schema等内容

238
00:10:30,370 --> 00:10:32,750
AI agent就会根据这些内容

239
00:10:32,750 --> 00:10:34,390
来理解网站的内容

240
00:10:34,390 --> 00:10:36,890
然后就是注册表与全线扎门

241
00:10:36,890 --> 00:10:39,350
浏览器会维护一张工具表

242
00:10:39,350 --> 00:10:41,950
并在注册这一刻做平台检查

243
00:10:41,950 --> 00:10:44,230
然后就到了站点工具清单

244
00:10:44,230 --> 00:10:47,510
比如说在ChatGPT桌面板内置的浏览器里

245
00:10:47,510 --> 00:10:49,890
地址栏会出现站点工具入口

246
00:10:49,890 --> 00:10:53,410
然后用户就可以用自然语言来描述自己的任务

247
00:10:53,410 --> 00:10:55,270
当用户输入完任务之后

248
00:10:55,270 --> 00:10:57,710
任务就会发送给模型并生成参数

249
00:10:57,710 --> 00:11:00,250
然后就到了选行与参数生成

250
00:11:00,250 --> 00:11:05,250
Webmcp中的名称描述等内容会进入模型的上下文

251
00:11:05,250 --> 00:11:08,650
模型就会根据网站所支持的这些工具清单

252
00:11:08,650 --> 00:11:11,470
来调用网站所提供的这些工具

253
00:11:11,470 --> 00:11:14,110
在调用之前它会先审查与确认

254
00:11:14,110 --> 00:11:16,550
像这些审查就是为了降低风险

255
00:11:16,550 --> 00:11:19,470
然后就会绑定来源页并且派发任务

256
00:11:19,470 --> 00:11:22,510
然后agent就会来执行对应的任务

257
00:11:22,510 --> 00:11:24,150
当任务执行完成之后

258
00:11:24,150 --> 00:11:27,190
执行结果就会返回到模型的上下文中

259
00:11:27,190 --> 00:11:30,350
然后agent就会将结果返回给用户

260
00:11:30,350 --> 00:11:31,390
好 由于时间有限

261
00:11:31,390 --> 00:11:34,130
本期视频就先为大家演示到这里

262
00:11:34,130 --> 00:11:36,350
本期视频如果点赞破千的话

263
00:11:36,350 --> 00:11:38,510
下期视频我将会为大家分享

264
00:11:38,510 --> 00:11:42,070
开发webmcp的这些技巧还有经验

265
00:11:42,070 --> 00:11:44,030
好 本期视频就做到这里

266
00:11:44,030 --> 00:11:46,290
欢迎大家点赞关注和转发

267
00:11:46,290 --> 00:11:47,470
谢谢大家观看