# 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」。
3.  **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。
4.  **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。
5.  **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。
5.  **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？