WEBVTT

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。

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

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

00:00:41.300 --> 00:00:43.100
比如mcp和scale

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

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

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

00:00:59.340 --> 00:01:01.600
需要靠视觉或者盗墓操作

00:01:01.600 --> 00:01:03.340
还需要猜测页面结构

00:01:03.340 --> 00:01:06.120
所以在执行浏览器自动化人物的时候

00:01:06.120 --> 00:01:08.340
效率非常低而且容易出错

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

00:01:13.620 --> 00:01:16.480
同时保留可视化反馈和用户控制

00:01:16.480 --> 00:01:19.620
它不是单独加强agent的点击能力

00:01:19.620 --> 00:01:23.180
而是让网站主动给agent提供一套结构化

00:01:23.180 --> 00:01:24.920
与易明确的操作接口

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

00:01:28.340 --> 00:01:30.200
当agent访问页面时

00:01:30.200 --> 00:01:32.540
就可以发现并且调用这些工具

00:01:32.540 --> 00:01:35.580
从而不再完全依赖agent的视觉能力

00:01:35.580 --> 00:01:37.100
以及盗墓解析能力

00:01:37.100 --> 00:01:40.320
这样就可以让ai agent在操作浏览器时

00:01:40.320 --> 00:01:42.100
可以达到更快的速度

00:01:42.100 --> 00:01:43.780
减少不必要的步骤

00:01:43.780 --> 00:01:44.980
还能减少幻觉

00:01:44.980 --> 00:01:47.600
webmcp的发布标志着网站

00:01:47.600 --> 00:01:48.760
从为人类设计

00:01:48.760 --> 00:01:51.740
进化到为人类和agent共同设计

00:01:51.740 --> 00:01:52.280
好

00:01:52.280 --> 00:01:53.820
本期视频就为大家测试

00:01:53.820 --> 00:01:56.580
Chattigpd最新浏览器插件的使用效果

00:01:56.580 --> 00:01:58.480
并且为大家讲解和演示

00:01:58.480 --> 00:02:01.560
OpenAI今天发布的Web MCP协议

00:02:01.560 --> 00:02:03.260
想在我们常用的浏览器中

00:02:03.260 --> 00:02:06.040
来使用Chattigpd浏览器插件非常简单

00:02:06.040 --> 00:02:09.020
首先我们在Codex桌面应用中

00:02:09.020 --> 00:02:10.940
点击右下角的设置

00:02:10.940 --> 00:02:12.460
然后在左侧侧边栏

00:02:12.460 --> 00:02:14.240
我们就点击Compute Use

00:02:14.240 --> 00:02:15.700
也就是浏览器使用

00:02:15.700 --> 00:02:17.600
然后我们就可以根据我们的需求

00:02:17.600 --> 00:02:19.820
来开启对应的浏览器支持

00:02:19.820 --> 00:02:22.020
我这里开启了Chrome浏览器的

00:02:22.020 --> 00:02:24.000
在这里我们还可以点击下拉

00:02:24.000 --> 00:02:26.660
来安装其他浏览器的这个插件

00:02:26.660 --> 00:02:28.200
比如说在我本机上

00:02:28.200 --> 00:02:30.440
他还支持微软的爱置浏览器

00:02:30.440 --> 00:02:31.740
当安装好之后

00:02:31.740 --> 00:02:33.100
在我们的浏览器中

00:02:33.100 --> 00:02:35.700
我们就可以看到这个浏览器的图标

00:02:35.700 --> 00:02:37.180
然后如果没有看到的话

00:02:37.180 --> 00:02:38.980
我们也可以点击这一个位置

00:02:38.980 --> 00:02:42.000
找到刚才我们安装的这个浏览器插件

00:02:42.000 --> 00:02:43.480
直接点击这个图标

00:02:43.480 --> 00:02:46.420
他就会在浏览器中打开一个侧边栏

00:02:46.420 --> 00:02:47.780
在这个插件中

00:02:47.780 --> 00:02:50.760
我们可以直接与codex进行交互

00:02:50.760 --> 00:02:52.760
比如说为Codex设置一个目标

00:02:52.760 --> 00:02:55.140
或者使用Codex的计划模式

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

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

00:03:01.820 --> 00:03:04.300
在这里我们还可以选择不同模型

00:03:04.300 --> 00:03:07.000
比如说我这里选择GBT 5.6模型

00:03:07.000 --> 00:03:09.920
在推理级别这里我这里可以选择Medium

00:03:09.920 --> 00:03:12.400
在速度这里它支持标准速度

00:03:12.400 --> 00:03:14.880
还支持Codex中的Fast速度

00:03:14.880 --> 00:03:16.800
也就是1.5倍的速度

00:03:16.800 --> 00:03:18.900
在这个位置它还支持语音输入

00:03:18.900 --> 00:03:22.100
在这里我找了一篇archive上的论文

00:03:22.100 --> 00:03:25.120
在这个插件中我让他分析这篇论文

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

00:03:29.060 --> 00:03:31.840
包括论文中提到的这个概念是什么

00:03:31.840 --> 00:03:34.400
还有他试图解决的真正问题

00:03:34.400 --> 00:03:37.340
还有论文中的这些实验结果

00:03:37.340 --> 00:03:39.260
还有暴露出的关键事实

00:03:39.260 --> 00:03:41.020
他给出了最终判断

00:03:41.020 --> 00:03:42.040
像这样的话

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

00:03:45.260 --> 00:03:47.100
需要AI帮我们分析的时候

00:03:47.100 --> 00:03:48.800
我们只需要调出来这个插件

00:03:48.800 --> 00:03:50.740
就可以直接在chatgbt中

00:03:50.740 --> 00:03:53.620
让chatgbt分析我们所浏览的这些内容

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

00:03:56.520 --> 00:03:58.920
我们可以在论文中找一张图像

00:03:58.920 --> 00:04:01.400
让chatgbt详细分析这个图像

00:04:01.400 --> 00:04:03.100
然后我们可以直接输入提示次

00:04:03.100 --> 00:04:04.760
让它分析图中的内容

00:04:04.760 --> 00:04:05.940
然后直接发送

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

00:04:09.460 --> 00:04:12.140
它对这个图像分析的是非常详细的

00:04:12.140 --> 00:04:15.300
在网页中我们还可以来选取一段内容

00:04:15.300 --> 00:04:16.820
在这里我们就可以看到

00:04:16.820 --> 00:04:19.080
它会显示我们选中的这些内容

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

00:04:23.260 --> 00:04:24.760
让它翻译为中文

00:04:24.760 --> 00:04:26.260
然后直接发送

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

00:04:30.140 --> 00:04:31.900
然后我们还可以测试一下

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

00:04:36.280 --> 00:04:39.100
在这里我就选中了notion这个插件

00:04:39.100 --> 00:04:40.700
然后我们直接输入提示册

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

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

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

00:04:50.760 --> 00:04:53.620
在这里我们就看到他调用了这个skill

00:04:53.620 --> 00:04:55.600
他提示notion已经连接

00:04:55.600 --> 00:04:58.440
这里他就提示已经保存并且验证成功

00:04:58.440 --> 00:04:59.680
然后我们点击打开

00:04:59.680 --> 00:05:01.860
然后在notion中我们就可以看到

00:05:01.860 --> 00:05:03.720
他帮我们创建了这个笔记

00:05:03.720 --> 00:05:05.920
他创建的这个笔记非常完整

00:05:05.920 --> 00:05:08.300
而且笔记的排版也非常完美

00:05:08.300 --> 00:05:11.220
而且他还支持多种这些插件

00:05:11.220 --> 00:05:12.680
然后大家需要什么功能

00:05:12.680 --> 00:05:15.260
就可以在codex中安装什么插件

00:05:15.260 --> 00:05:18.200
而且来支持在当前的对话框中

00:05:18.200 --> 00:05:20.980
加入其他我们打开的type页

00:05:20.980 --> 00:05:23.080
比如说我们找到这篇论文

00:05:23.080 --> 00:05:24.680
对应的gethub仓库

00:05:24.680 --> 00:05:27.640
这是我在浏览区中打开的新的标签页

00:05:27.640 --> 00:05:30.340
然后我们再回到刚才这篇论文

00:05:30.340 --> 00:05:31.360
在对话框中

00:05:31.360 --> 00:05:33.060
我们只需要输入at符号

00:05:33.060 --> 00:05:34.420
然后我们就可以找到

00:05:34.420 --> 00:05:36.480
刚才我们在新的type页中

00:05:36.480 --> 00:05:38.080
打开的这个gethub仓库

00:05:38.080 --> 00:05:39.940
我们直接选中这个仓库

00:05:39.940 --> 00:05:42.020
然后我们就可以来输入提示词

00:05:42.020 --> 00:05:44.540
我输入的是给出这个项目的安装方式

00:05:44.540 --> 00:05:45.580
然后直接发送

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

00:05:48.620 --> 00:05:49.460
相近的话

00:05:49.460 --> 00:05:52.020
我们在当前打开的这种侧边栏中

00:05:52.020 --> 00:05:54.780
就可以调用我们在浏览器中打开的

00:05:54.780 --> 00:05:56.720
其他标签页中的内容

00:05:56.720 --> 00:06:00.500
从而让ChatGPT结合多个页面进行分析

00:06:00.500 --> 00:06:01.700
通过这款插件

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

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

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

00:06:17.120 --> 00:06:20.240
当AI Agent执行浏览器自动化的任务

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

00:06:24.440 --> 00:06:28.460
我们可以看一下OpenAI官方给出的WebMCP的demo

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

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

00:06:36.860 --> 00:06:40.000
但是我们在Codex中Codex内置的浏览器

00:06:40.000 --> 00:06:41.760
它是支持webmcp的

00:06:41.760 --> 00:06:45.020
我们直接点击官方的这个在codex中打开

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

00:06:49.020 --> 00:06:51.600
然后我们在codex中就可以来测试一下

00:06:51.600 --> 00:06:53.320
比如说我们可以直接输入提示词

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

00:06:57.180 --> 00:07:01.000
好这里它就列出了当前网站通过webmcp

00:07:01.000 --> 00:07:02.500
暴露了这10个工具

00:07:02.500 --> 00:07:04.620
包括列出或搜索本地文档

00:07:04.620 --> 00:07:05.800
读取指令文档

00:07:05.800 --> 00:07:07.820
在编辑器中打开指令文档

00:07:07.820 --> 00:07:08.800
创建文档

00:07:08.800 --> 00:07:10.100
重命名替换

00:07:10.100 --> 00:07:12.840
而且这里还明确这三个是止读工具

00:07:12.840 --> 00:07:14.420
下面我们就可以测试一下

00:07:14.420 --> 00:07:15.840
让它调用mcp工具

00:07:15.840 --> 00:07:17.780
帮我们创建一个文档

00:07:17.780 --> 00:07:19.140
我说的提示词就是

00:07:19.140 --> 00:07:21.160
写一篇webmcp的使用笔记

00:07:21.160 --> 00:07:22.240
并创建一个文档

00:07:22.240 --> 00:07:25.220
存入到刚才这一个网站中

00:07:25.220 --> 00:07:26.600
我们就点击发送

00:07:26.600 --> 00:07:28.440
看一下这个效果

00:07:28.440 --> 00:07:32.140
它以非常快的速度

00:07:32.140 --> 00:07:34.040
直接将它写好的笔记

00:07:34.040 --> 00:07:37.560
存入到了我们刚才打开的这个网站中

00:07:37.560 --> 00:07:39.880
然后我们看一下他写的这篇笔记

00:07:39.880 --> 00:07:41.780
可以看到这个拍板是非常不错的

00:07:41.780 --> 00:07:43.240
然后我们可以继续提问

00:07:43.240 --> 00:07:45.640
问他通过什么工具写入的笔记

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

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

00:07:53.260 --> 00:07:54.640
这里还列出了这个参数

00:07:54.640 --> 00:07:56.400
然后我们还可以继续测试

00:07:56.400 --> 00:07:59.720
我们让他为这篇笔记加入更多emoji

00:07:59.720 --> 00:08:01.620
以便让内容更加丰富

00:08:01.620 --> 00:08:03.920
我们看一下他修改笔记的速度

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

00:08:07.320 --> 00:08:08.780
来更改这个逼迹

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。

00:08:25.290 --> 00:08:26.890
执行这些自动化操作

00:08:26.890 --> 00:08:28.290
而不需要解析道母

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

00:08:31.490 --> 00:08:34.890
像这种方式将会是未来的大趋势

00:08:34.890 --> 00:08:37.890
现在虽然只有codex内置的这个浏览器

00:08:37.890 --> 00:08:39.290
支持webmcp

00:08:39.290 --> 00:08:41.490
但很快像chrome浏览器

00:08:41.490 --> 00:08:43.290
以及其他主流浏览器

00:08:43.290 --> 00:08:46.490
都会快速跟进加入对webmcp的支持

00:08:46.490 --> 00:08:50.090
并且很多网站也将快速支持webmcp

00:08:50.090 --> 00:08:52.090
然后我们再看一下官方给出的

00:08:52.090 --> 00:08:54.090
另一款比较有代表性的demo

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

00:08:57.530 --> 00:09:00.850
我们还是在Codex内置的浏览器中来打开

00:09:00.850 --> 00:09:03.890
然后我们就让Codex调用这个网站

00:09:03.890 --> 00:09:05.730
它暴露给Codex的工具

00:09:05.730 --> 00:09:07.470
为我们设计一个贺卡

00:09:07.470 --> 00:09:08.850
然后我输入提示词

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

00:09:12.710 --> 00:09:13.630
我们直接发送

00:09:13.630 --> 00:09:15.110
然后我们看一下Codex

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

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

00:09:21.830 --> 00:09:24.350
可以看到这个贺卡设计的非常精美

00:09:24.350 --> 00:09:26.850
然后我们问他调用了哪些工具

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

00:09:30.290 --> 00:09:32.870
包括重置空白卡片的工具

00:09:32.870 --> 00:09:34.590
设置尺寸的工具

00:09:34.590 --> 00:09:37.650
调整背景色与强调色等这些工具

00:09:37.650 --> 00:09:39.550
可以看到有了Web MCP

00:09:39.550 --> 00:09:41.870
Codex在执行瘤览器自动化的时候

00:09:41.870 --> 00:09:45.230
他就不需要模拟点击这些盗梅元素

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

00:09:49.250 --> 00:09:50.650
就能大幅度提升

00:09:50.650 --> 00:09:53.050
Agent在执行浏览器自动化的时候

00:09:53.050 --> 00:09:54.930
它的速度还有精准度

00:09:54.930 --> 00:09:59.330
所以说WebMCP将会是又一项化时代的创新

00:09:59.330 --> 00:10:02.370
然后我们看一下WebMCP它的执行流程

00:10:02.370 --> 00:10:04.330
首先就是网站页面

00:10:04.330 --> 00:10:07.450
网站自己的JS模块会在加载式运行

00:10:07.450 --> 00:10:10.290
它会判断浏览器是否支持WebMCP

00:10:10.290 --> 00:10:12.390
如果不支持就什么都不做

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

00:10:15.690 --> 00:10:17.330
就会按照传统的方式

00:10:17.330 --> 00:10:18.710
比如说解析道母

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

00:10:21.670 --> 00:10:22.910
如果支持的话

00:10:22.910 --> 00:10:25.090
那么网站页面就会声明工具

00:10:25.090 --> 00:10:27.670
在这个声明中包括名称

00:10:27.670 --> 00:10:28.410
描述

00:10:28.410 --> 00:10:30.370
input schema等内容

00:10:30.370 --> 00:10:32.750
AI agent就会根据这些内容

00:10:32.750 --> 00:10:34.390
来理解网站的内容

00:10:34.390 --> 00:10:36.890
然后就是注册表与全线扎门

00:10:36.890 --> 00:10:39.350
浏览器会维护一张工具表

00:10:39.350 --> 00:10:41.950
并在注册这一刻做平台检查

00:10:41.950 --> 00:10:44.230
然后就到了站点工具清单

00:10:44.230 --> 00:10:47.510
比如说在ChatGPT桌面板内置的浏览器里

00:10:47.510 --> 00:10:49.890
地址栏会出现站点工具入口

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

00:10:53.410 --> 00:10:55.270
当用户输入完任务之后

00:10:55.270 --> 00:10:57.710
任务就会发送给模型并生成参数

00:10:57.710 --> 00:11:00.250
然后就到了选行与参数生成

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

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

00:11:08.650 --> 00:11:11.470
来调用网站所提供的这些工具

00:11:11.470 --> 00:11:14.110
在调用之前它会先审查与确认

00:11:14.110 --> 00:11:16.550
像这些审查就是为了降低风险

00:11:16.550 --> 00:11:19.470
然后就会绑定来源页并且派发任务

00:11:19.470 --> 00:11:22.510
然后agent就会来执行对应的任务

00:11:22.510 --> 00:11:24.150
当任务执行完成之后

00:11:24.150 --> 00:11:27.190
执行结果就会返回到模型的上下文中

00:11:27.190 --> 00:11:30.350
然后agent就会将结果返回给用户

00:11:30.350 --> 00:11:31.390
好 由于时间有限

00:11:31.390 --> 00:11:34.130
本期视频就先为大家演示到这里

00:11:34.130 --> 00:11:36.350
本期视频如果点赞破千的话

00:11:36.350 --> 00:11:38.510
下期视频我将会为大家分享

00:11:38.510 --> 00:11:42.070
开发webmcp的这些技巧还有经验

00:11:42.070 --> 00:11:44.030
好 本期视频就做到这里

00:11:44.030 --> 00:11:46.290
欢迎大家点赞关注和转发

00:11:46.290 --> 00:11:47.470
谢谢大家观看