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

<!-- 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 發布了支援多瀏覽器的 XDGPT 插件並整合 Codex，同時推出 Web MCP 協議，讓網站能主動向 AI Agent 暴露 API 式工具，取代傳統的 DOM 解析或視覺模擬點擊，從而提升自動化效率、準確性並減少幻覺。

核心重點

1. 產品更迭：OpenAI 下架了舊版 AI 驅動瀏覽器 Atlas，發布了支援 Chrome、Edge、Brave 的 XDGPT（或稱 Chattigpd）瀏覽器插件，並允許直接在插件中使用 Codex。
2. Web MCP 協議核心：

• 定義：Web Model Context Protocol (Web MCP)。
• 機制：網站主動聲明自身能力為一組工具（API），供 AI Agent 直接調用。
• 優勢：相比傳統依賴視覺或「盜墓」（DOM解析）的操作，Web MCP 能提供更快的速度、減少不必要的步驟、降低幻覺（Hallucination），並保留可視化反饋。
• 意義：標誌著網站設計從「僅為人類設計」進化到「為人類和 Agent 共同設計」。

1. 實測功能：

• 論文分析：可分析 Archive 上的論文，輸出概念、問題、實驗結果。
• 圖像與內容處理：支持圖像詳細分析、網頁內容選取與翻譯。
• 插件集成：可調用 Notion 插件將分析報告保存為結構化筆記。
• 跨標籤頁交互：通過 @ 符號調用其他標籤頁（如 GitHub）的內容進行綜合分析。

1. Web MCP 演示案例：

• 筆記應用：Agent 直接調用網站暴露的工具（創建、讀取、更新文檔）快速生成並修改筆記，無需模擬點擊。
• 賀卡設計：Agent 調用設計工具（重置卡片、設置尺寸、調整顏色）快速生成精美賀卡。

1. 執行流程：從頁面加載、工具聲明、註冊檢查、地址欄展示入口，到用戶輸入任務、模型生成參數、審查確認、執行任務並返回結果。

詳細大綱

一、 OpenAI 新產品發布背景

• 舊產品下架：舊版 Atlas 瀏覽器（AI 驅動）發布不到一年即被下架。
• 新產品發布：
• XDGPT 瀏覽器插件：支援 Chrome、Microsoft Edge、Brave 等主流瀏覽器。
• 功能整合：可直接通過插件使用 Codex。
• 技術標準：引入 Web MCP（Web Model Context Protocol）。

二、 Web MCP 技術核心與優勢

• 傳統痛點：
• AI Agent 執行瀏覽器自動化時，需依賴視覺或「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 API 式能力。
• 保留可視化反饋和用戶控制。
• 網站將自身能力暴露為預定義工具。
• Agent 訪問頁面時發現並調用工具，不再完全依賴視覺或「盜墓」解析能力。
• 優勢：
• 更快的速度。
• 減少不必要的步驟。
• 減少幻覺（Hallucination）。
• 意義：標誌著網站設計從「僅為人類設計」進化到「為人類和 Agent 共同設計」。

三、 XDGPT 瀏覽器插件實測演示

• 安裝與設置：
• 在 Codex 桌面應用點擊右下角設置 -> 左側側邊欄點擊 Compute Use（瀏覽器使用）。
• 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 Microsoft Edge）。
• 安裝後瀏覽器出現圖標，點擊打開側邊欄。
• 核心功能測試：
• 模型選擇：可選擇 GBT 5.6 模型（疑點），推理級別 Medium，速度標準或 Codex Fast（1.5倍）。
• 論文分析：在插件中讓 ChatGPT 分析 Archive 上的論文，輸出概念、問題、實驗結果及關鍵事實。
• 圖像分析：選取論文中的圖像，輸入提示詞讓 ChatGPT 詳細分析圖中內容。
• 內容選取與翻譯：選取網頁內容，讓 ChatGPT 解釋或翻譯為中文。
• 插件集成（Notion）：
• 調用 Notion 插件。
• 提示將論文分析報告保存至 Notion。
• 調用 Notion 知識沉澱流程，生成結構化中文筆記並驗證成功。
• 跨標籤頁交互：
• 在對話框輸入 @ 符號。
• 調用當前瀏覽器其他標籤頁（如 GitHub 倉庫）的內容。
• 結合多個頁面進行分析（如獲取項目安裝方式）。

四、 Web MCP 協議深度解析與 Demo

• Web MCP 定義：讓網站將能力聲明為一組工具，Agent 無需猜測或模擬點擊，直接調用工具。
• Demo 1：本地筆記應用
• 環境：Codex 內置瀏覽器（目前主流瀏覽器暫不支持，需通過 Codex 內置瀏覽器測試）。
• 工具列表：網站通過 Web MCP 暴露 10 個工具（列出/搜索文檔、讀取/打開/創建/重命名/替換文檔等），並標註讀寫權限。
• 操作演示：
• 提示詞：寫一篇 Web MCP 使用筆記並創建文檔存入網站。
• 結果：快速寫入筆記，排版良好。
• 後續操作：提示為筆記加入 Emoji，通過「更新文檔」工具迅速完成修改。
• Demo 2：賀卡/藝術品設計網站
• 操作演示：
• 提示設計用於宣發 Web MCP 的賀卡。
• Agent 調用工具：重置空白卡片、設置尺寸、調整背景色與強調色等。
• 結果：快速生成精美賀卡。
• 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 使用傳統方式（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（名稱、描述、Input Schema）。
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：在地址欄出現站點工具入口。
6. 任務生成：用戶輸入自然語言任務，模型生成參數。
7. 選型與參數生成：模型根據工具清單調用工具。
8. 審查與確認：降低風險。
9. 綁定來源頁與派發任務：Agent 執行任務。
10. 結果返回：執行結果返回模型上下文，最終返回給用戶。

五、 未來展望

• 目前僅 Codex 內置瀏覽器支持 Web MCP。
• 預期 Chrome 及其他主流瀏覽器將快速跟進支持。
• 多數網站將快速支持 Web MCP。
• Web MCP 將成為 AI Agent 瀏覽器自動化的未來大趨勢。

工具 / 模型 / 名詞整理

• OpenAI：發布相關產品與協議的公司。
• Atlas 瀏覽器：舊版 AI 驅動瀏覽器，已下架。
• XDGPT 瀏覽器插件：新版瀏覽器插件，支援 Chrome、Edge、Brave。文中亦稱為 Chattigpd。
• Codex：OpenAI 的桌面應用及內置瀏覽器環境。
• Web MCP (Web Model Context Protocol)：Web 模型上下文協議，讓網站主動暴露工具給 AI Agent 的技術標準。
• Anthlopic：文中提及發布 MCP 和 Skill 的公司，疑為 Anthropic。
• ChalligPT：文中提及發布 Web MCP 的公司，疑為 ChatGPT 或 OpenAI 的聽寫錯誤。
• GBT 5.6：文中提及的模型版本，疑點。
• 瀏覽器：Chrome、Microsoft Edge（文中稱為「愛置」）、Brave。
• 模型級別：Medium（推理級別）。
• 網站/服務：
• Archive：論文庫。
• Notion：筆記應用，用於知識沉澱。
• GitHub：代碼倉庫，用於跨標籤頁內容調用。
• 本地筆記應用 (Demo)：演示 Web MCP 工具調用的本地應用。
• 賀卡/藝術品設計網站 (Demo)：演示 Web MCP 工具調用的設計網站。
• 術語：
• 盜墓 / 道目：文中指代 DOM 解析的操作方式，疑為聽寫錯誤。
• Compute Use：Codex 設置中的瀏覽器使用選項。

操作流程整理

XDGPT 插件安裝與基本使用

1. 打開 Codex 桌面應用。
2. 點擊右下角設置 -> 左側側邊欄點擊 Compute Use（瀏覽器使用）。
3. 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 Microsoft Edge）。
4. 安裝後瀏覽器出現圖標，點擊打開側邊欄。
5. 在對話框中輸入提示詞，可選擇模型（如 GBT 5.6）、推理級別（Medium）及速度（標準或 Codex Fast）。

論文分析與內容處理流程

1. 論文分析：在插件中讓 ChatGPT 分析 Archive 上的論文，獲取概念、問題、實驗結果及關鍵事實。
2. 圖像分析：選取論文中的圖像，輸入提示詞讓 ChatGPT 詳細分析圖中內容。
3. 內容選取與翻譯：選取網頁內容，讓 ChatGPT 解釋或翻譯為中文。
4. 保存至 Notion：

• 調用 Notion 插件。
• 提示將論文分析報告保存至 Notion。
• 調用 Notion 知識沉澱流程，生成結構化中文筆記並驗證成功。

1. 跨標籤頁交互：

• 在對話框輸入 @ 符號。
• 調用當前瀏覽器其他標籤頁（如 GitHub 倉庫）的內容。
• 結合多個頁面進行分析（如獲取項目安裝方式）。

Web MCP 協議執行流程

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 使用傳統方式（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（名稱、描述、Input Schema）。
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：在地址欄出現站點工具入口。
6. 任務生成：用戶輸入自然語言任務，模型生成參數。
7. 選型與參數生成：模型根據工具清單調用工具。
8. 審查與確認：降低風險。
9. 綁定來源頁與派發任務：Agent 執行任務。
10. 結果返回：執行結果返回模型上下文，最終返回給用戶。

值得注意的限制或風險

• 瀏覽器兼容性限制：目前僅 Codex 內置瀏覽器支持 Web MCP，主流瀏覽器（Chrome、Edge 等）暫不支持直接通過 Web MCP 協議交互，需通過 Codex 內置瀏覽器測試。
• 傳統方式依賴：對於不支持 Web MCP 的網站，Agent 仍需使用傳統方式（解析 DOM 或視覺）執行自動化，效率較低。
• 潛在誤解風險：文中提到的部分產品名稱（如 XDGPT、Chattigpd、GBT 5.6）與常見名稱存在差異，可能存在辨識錯誤，需謹慎對待實際產品功能。

逐字稿辨識疑點

• XDGPT / Chattigpd：逐字稿中交替出現「XDGPT」與「Chattigpd」，且與常見的 ChatGPT 拼寫有差異，需查證實際產品名稱。
• Anthlopic：逐字稿中出現「Anthlopic」，通常指代 Anthropic，但需查證。
• ChalligPT：逐字稿中出現「ChalligPT」，需查證是否為 ChatGPT 或 OpenAI 的聽寫錯誤。
• GBT 5.6：逐字稿中出現「GBT 5.6 模型」，需查證是否為 GPT-4o 或其他版本的聽寫錯誤。
• 盜墓 / 道目：逐字稿中多次出現「盜墓操作」、「解析道目」，結合上下文應指 DOM 解析，但需標記為聽寫錯誤或需查證。
• 逼迹：逐字稿中出現「更改這個逼迹」，需查證是否為「筆記」或「內容」的聽寫錯誤。
• 证文：逐字稿中出現「證文」，需查證是否為「正文」的聽寫錯誤。
• 瘤覽器：逐字稿中出現「瘤覽器自動化」，需查證是否為「瀏覽器」的聽寫錯誤。
• 全线扎门：逐字稿中出現「全线扎门」，需查證是否為「全局註冊」或類似技術術語的聽寫錯誤。
• 愛置：逐字稿中出現「愛置」，需查證是否為「Edge」瀏覽器的聽寫錯誤。

可延伸追問

• Web MCP 協議的具體技術規範和開源情況如何？
• 主流瀏覽器（Chrome、Edge）預計何時會原生支持 Web MCP？
• 網站開發者如何將現有網站改造為支持 Web MCP 協議？
• Web MCP 與傳統瀏覽器自動化框架（如 Selenium、Playwright）在性能和安全上的具體對比數據為何？
• OpenAI 下架 Atlas 瀏覽器的具體原因及 XDGPT 插件的長期發展計劃是什麼？