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浏览器,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 --> 00:00:43,080
比如MCP和Skill

5
00:00:43,080 --> 00:00:48,360
而这次ChalligPT终于引领时代发布了最新的WebMCP技术

6
00:00:48,360 --> 00:00:55,280
WebMCP的核心目的就是让AI agent更好更准确更稳定的与网站进行交互

7
00:00:55,280 --> 00:00:59,300
像传统AI agent在执行浏览器自动化的时候

8
00:00:59,300 --> 00:01:01,560
需要靠视觉或者盗墓操作

9
00:01:01,560 --> 00:01:03,300
还需要猜测页面结构

10
00:01:03,300 --> 00:01:06,100
所以在执行浏览器自动化人物的时候

11
00:01:06,100 --> 00:01:08,300
效率非常低而且容易出错

12
00:01:08,300 --> 00:01:13,600
而Web MCP是让网站主动为agent提供API式的能力

13
00:01:13,600 --> 00:01:16,440
同时保留可视化反馈和用户控制

14
00:01:16,440 --> 00:01:19,580
它不是单独加强agent的点击能力

15
00:01:19,580 --> 00:01:24,860
而是让网站主动给agent提供一套结构化与明确的操作接口

16
00:01:24,860 --> 00:01:28,300
网站可以把自身能力暴露为预定义工具

17
00:01:28,300 --> 00:01:30,180
当Agent的访问页面时

18
00:01:30,180 --> 00:01:32,500
就可以发现并且调用这些工具

19
00:01:32,500 --> 00:01:35,540
从而不再完全依赖Agent的视觉能力

20
00:01:35,540 --> 00:01:37,060
以及盗墓解析能力

21
00:01:37,060 --> 00:01:40,280
这样就可以让AI Agent在操作浏览器时

22
00:01:40,280 --> 00:01:42,060
可以达到更快的速度

23
00:01:42,060 --> 00:01:43,740
减少不必要的步骤

24
00:01:43,740 --> 00:01:44,940
还能减少幻觉

25
00:01:44,940 --> 00:01:48,720
Web MCP的发布标志着网站从为人类设计

26
00:01:48,720 --> 00:01:51,700
进化到为人类和Agent的共同设计

27
00:01:51,700 --> 00:01:53,780
好 本期视频就为大家测试

28
00:01:53,780 --> 00:01:56,540
Chattigpd最新浏览器插件的使用效果

29
00:01:56,540 --> 00:01:58,440
并且为大家讲解和演示

30
00:01:58,440 --> 00:02:01,520
OpenAI今天发布的Web MCP协议

31
00:02:01,520 --> 00:02:03,220
想在我们常用的浏览器中

32
00:02:03,220 --> 00:02:06,020
来使用Chattigpd浏览器插件非常简单

33
00:02:06,020 --> 00:02:08,980
首先我们在Codex桌面应用中

34
00:02:08,980 --> 00:02:10,900
点击右下角的设置

35
00:02:10,900 --> 00:02:12,420
然后在左侧侧边栏

36
00:02:12,420 --> 00:02:14,200
我们就点击Compute Use

37
00:02:14,200 --> 00:02:15,660
也就是浏览器使用

38
00:02:15,660 --> 00:02:17,560
然后我们就可以根据我们的需求

39
00:02:17,560 --> 00:02:19,780
来开启对应的浏览器支持

40
00:02:19,780 --> 00:02:21,980
我这里开启了Chrome浏览器的

41
00:02:21,980 --> 00:02:26,620
在这里我们还可以点击下拉来安装其他浏览器的这个插件

42
00:02:26,620 --> 00:02:30,400
比如说在我本机上他还支持微软的爱置浏览器

43
00:02:30,400 --> 00:02:33,060
当安装好之后在我们的浏览器中

44
00:02:33,060 --> 00:02:35,660
我们就可以看到这个浏览器的图标

45
00:02:35,660 --> 00:02:37,140
然后如果没有看到的话

46
00:02:37,140 --> 00:02:38,940
我们也可以点击这个位置

47
00:02:38,940 --> 00:02:41,960
找到刚才我们安装的这个浏览器插件

48
00:02:41,960 --> 00:02:43,440
直接点击这个图标

49
00:02:43,440 --> 00:02:46,380
他就会在浏览器中打开一个侧边栏

50
00:02:46,380 --> 00:02:50,380
在这个插件中我们可以直接与codex进行交互

51
00:02:50,380 --> 00:02:52,720
比如说为Codex设置一个目标

52
00:02:52,720 --> 00:02:55,100
或者使用Codex的计划模式

53
00:02:55,100 --> 00:02:58,220
甚至还能通过我们的操作步骤来录制成Scale

54
00:02:58,220 --> 00:03:01,780
而且我们还可以调出Codex中我们安装的这些插件

55
00:03:01,780 --> 00:03:04,260
在这里我们还可以选择不同模型

56
00:03:04,260 --> 00:03:06,980
比如说我这里选择GBT 5.6模型

57
00:03:06,980 --> 00:03:09,880
在推理级别这里我这里可以选择Medium

58
00:03:09,880 --> 00:03:12,360
在速度这里它支持标准速度

59
00:03:12,360 --> 00:03:14,840
还支持Codex中的Fast速度

60
00:03:14,840 --> 00:03:16,600
也就是1.5倍的速度

61
00:03:16,600 --> 00:03:18,860
在这个位置它还支持语音输入

62
00:03:18,860 --> 00:03:22,060
在这里我找了一篇archive上的论文

63
00:03:22,060 --> 00:03:25,080
在这个插件中我让他分析这篇论文

64
00:03:25,080 --> 00:03:29,020
然后他就输出了对这篇论文的详细的分析

65
00:03:29,020 --> 00:03:31,820
包括论文中提到的这个概念是什么

66
00:03:31,820 --> 00:03:34,360
还有他试图解决的真正问题

67
00:03:34,360 --> 00:03:37,300
还有论文中的这些实验结果

68
00:03:37,300 --> 00:03:39,220
还有暴露出的关键事实

69
00:03:39,220 --> 00:03:41,140
还给出了最终判断

70
00:03:41,140 --> 00:03:42,000
像这样的话

71
00:03:42,000 --> 00:03:45,220
我们在浏览器中浏览这些网页或者论文的时候

72
00:03:45,220 --> 00:03:47,060
需要AI帮我们分析的时候

73
00:03:47,060 --> 00:03:48,760
我们只需要调出来这个插件

74
00:03:48,760 --> 00:03:50,700
就可以直接在chatgbt中

75
00:03:50,700 --> 00:03:53,580
让chatgbt分析我们所浏览的这些内容

76
00:03:53,580 --> 00:03:56,480
然后我们还可以在侧边栏中继续去提问

77
00:03:56,480 --> 00:03:58,860
我们可以在论文中找一张图像

78
00:03:58,860 --> 00:04:01,340
让chatgbt详细分析这个图像

79
00:04:01,340 --> 00:04:03,060
然后我们可以直接输入提示次

80
00:04:03,060 --> 00:04:04,720
让它分析图中的内容

81
00:04:04,720 --> 00:04:05,900
然后直接发送

82
00:04:05,900 --> 00:04:09,100
可以看到这里它正在输出对这个图像的分析

83
00:04:09,100 --> 00:04:12,100
它对这个图像分析的是非常详细的

84
00:04:12,100 --> 00:04:15,260
在网页中我们还可以来选取一段内容

85
00:04:15,260 --> 00:04:16,800
在这里我们就可以看到

86
00:04:16,800 --> 00:04:19,040
它会显示我们选中的这些内容

87
00:04:19,040 --> 00:04:23,220
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

88
00:04:23,220 --> 00:04:24,740
让它翻译为中文

89
00:04:24,740 --> 00:04:26,220
然后直接发送

90
00:04:26,220 --> 00:04:30,100
这里它就将我们选中的这个摘要翻译成了中文

91
00:04:30,100 --> 00:04:31,860
然后我们还可以测试一下

92
00:04:31,860 --> 00:04:36,240
让它将对这篇论文的分析结果保存到我们的notion中

93
00:04:36,240 --> 00:04:39,060
在这里我就选中了notion这个插件

94
00:04:39,060 --> 00:04:40,660
然后我们直接输入提示册

95
00:04:40,660 --> 00:04:43,960
将这篇论文的分析报告保存到notion笔记中

96
00:04:43,960 --> 00:04:47,040
这里他就提示他会使用notion的知识沉淀流程

97
00:04:47,040 --> 00:04:50,700
把前面论文的分析转化成结构化的中文笔记

98
00:04:50,700 --> 00:04:53,540
在这里我们就看到他调用了这个scale

99
00:04:53,540 --> 00:04:55,560
他提示notion已经连接

100
00:04:55,560 --> 00:04:58,400
这里他就提示已经保存并且验证成功

101
00:04:58,400 --> 00:04:59,640
然后我们点击打开

102
00:04:59,640 --> 00:05:01,820
然后在notion中我们就可以看到

103
00:05:01,820 --> 00:05:03,680
他帮我们创建了这个笔记

104
00:05:03,680 --> 00:05:05,880
他创建的这个笔记非常完整

105
00:05:05,880 --> 00:05:08,280
而且笔记的排版也非常完美

106
00:05:08,280 --> 00:05:11,180
而且他还支持多种这些插件

107
00:05:11,180 --> 00:05:12,640
然后大家需要什么功能

108
00:05:12,640 --> 00:05:15,220
就可以在codex中安装什么插件

109
00:05:15,220 --> 00:05:18,160
而且来支持在当前的对话框中

110
00:05:18,160 --> 00:05:20,940
加入其他我们打开的type页

111
00:05:20,940 --> 00:05:23,060
比如说我们找到这篇论文

112
00:05:23,060 --> 00:05:24,660
对应的gethub仓库

113
00:05:24,660 --> 00:05:27,620
这是我在浏览器中打开的新的标签页

114
00:05:27,620 --> 00:05:30,300
然后我们再回到刚才这篇论文

115
00:05:30,300 --> 00:05:31,320
在对话框中

116
00:05:31,320 --> 00:05:33,040
我们只需要输入at符号

117
00:05:33,040 --> 00:05:34,400
然后我们就可以找到

118
00:05:34,400 --> 00:05:36,440
刚才我们在新的type页中

119
00:05:36,440 --> 00:05:38,040
打开的这个gethub仓库

120
00:05:38,040 --> 00:05:39,900
我们直接选中这个仓库

121
00:05:39,900 --> 00:05:41,980
然后我们就可以来输入提示词

122
00:05:41,980 --> 00:05:44,520
我说的是给出这个项目的安装方式

123
00:05:44,520 --> 00:05:45,540
然后直接发送

124
00:05:45,540 --> 00:05:48,900
这里他就很快输出了这个项目的安装方式

125
00:05:48,900 --> 00:05:49,420
相近的话

126
00:05:49,420 --> 00:05:51,980
我们在当前打开的这种侧边栏中

127
00:05:51,980 --> 00:05:54,740
就可以调用我们在浏览器中打开的

128
00:05:54,740 --> 00:05:56,680
其他标签页中的内容

129
00:05:56,680 --> 00:06:00,460
从而让ChatGPT结合多个页面进行分析

130
00:06:00,460 --> 00:06:01,660
通过这款插件

131
00:06:01,660 --> 00:06:06,160
我们就可以替代之前OpenAI彻底下架的Atlas浏览器

132
00:06:06,160 --> 00:06:10,700
好下面我们再看一下OpenAI今天发布的Web MCP协议

133
00:06:10,700 --> 00:06:17,080
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

134
00:06:17,080 --> 00:06:20,200
当AI Agent执行浏览器自动化的任务

135
00:06:20,200 --> 00:06:24,420
就不需要再靠猜测道目以及模拟点击来执行任务

136
00:06:24,420 --> 00:06:28,440
我们可以看一下OpenAI官方给出的WebMCP的demo

137
00:06:28,440 --> 00:06:31,960
比如说这个是与智能体协作的本地笔记应用

138
00:06:31,960 --> 00:06:36,820
由于WebMCP刚刚发布这些主流浏览器还不支持WebMCP协议

139
00:06:36,820 --> 00:06:39,980
但是我们在Codex中Codex内置的浏览器

140
00:06:39,980 --> 00:06:41,740
它是支持webmcp的

141
00:06:41,740 --> 00:06:44,980
我们直接点击官方的这个在codex中打开

142
00:06:44,980 --> 00:06:48,980
这样的话就在codex中打开了这款笔记的应用

143
00:06:48,980 --> 00:06:51,580
然后我们在codex中就可以来测试一下

144
00:06:51,580 --> 00:06:53,280
比如说我们可以直接输入提示词

145
00:06:53,280 --> 00:06:57,140
询问它在当前网站中有哪些工具它可以调用

146
00:06:57,140 --> 00:06:59,540
好这里它就列出了当前网站

147
00:06:59,540 --> 00:07:02,460
通过webmcp暴露了这10个工具

148
00:07:02,460 --> 00:07:04,580
包括列出或搜索本地文档

149
00:07:04,580 --> 00:07:05,760
读取指令文档

150
00:07:05,760 --> 00:07:07,780
在编辑器中打开指令文档

151
00:07:07,780 --> 00:07:08,780
创建文档

152
00:07:08,780 --> 00:07:10,060
重名名替换

153
00:07:10,060 --> 00:07:12,800
而且这里还明确这三个是止读工具

154
00:07:12,800 --> 00:07:14,380
下面我们就可以测试一下

155
00:07:14,380 --> 00:07:15,800
让它调用mcp工具

156
00:07:15,800 --> 00:07:17,740
帮我们创建一个文档

157
00:07:17,740 --> 00:07:19,100
我说的提示词就是

158
00:07:19,100 --> 00:07:21,120
写一篇webmcp的使用笔记

159
00:07:21,120 --> 00:07:22,200
并创建一个文档

160
00:07:22,200 --> 00:07:25,180
存入到刚才这一个网站中

161
00:07:25,180 --> 00:07:26,560
我们就点击发送

162
00:07:26,560 --> 00:07:28,380
看一下这个效果

163
00:07:30,120 --> 00:07:32,080
它以非常快的速度

164
00:07:32,080 --> 00:07:34,000
直接将它写好的笔记

165
00:07:34,000 --> 00:07:37,540
存入到了我们刚才打开的这个网站中

166
00:07:37,540 --> 00:07:39,840
然后我们看一下他写的这篇笔记

167
00:07:39,840 --> 00:07:41,740
可以看到这个拍板是非常不错的

168
00:07:41,740 --> 00:07:43,040
然后我们可以继续提问

169
00:07:43,040 --> 00:07:45,600
问他通过什么工具写入的笔记

170
00:07:45,600 --> 00:07:49,620
然后他就给出了他通过这个网站提供的webmcp工具

171
00:07:49,620 --> 00:07:53,220
也就是创建文档这个工具来写入的笔记

172
00:07:53,220 --> 00:07:54,600
这里还列出了这个参数

173
00:07:54,600 --> 00:07:56,360
然后我们还可以继续测试

174
00:07:56,360 --> 00:07:59,680
我们让他为这篇笔记加入更多emoji

175
00:07:59,680 --> 00:08:01,580
以便让内容更加丰富

176
00:08:01,580 --> 00:08:03,880
我们看一下他修改笔记的速度

177
00:08:03,880 --> 00:08:07,300
好这里他有提示他将会用更新文档这个工具

178
00:08:07,300 --> 00:08:08,760
来 更改这个逼迹

179
00:08:11,053 --> 00:08:25,153
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。

180
00:08:25,253 --> 00:08:26,853
执行这些自动化操作

181
00:08:26,853 --> 00:08:28,253
而不需要解析道母

182
00:08:28,253 --> 00:08:31,453
也不需要通过模拟点击等方式帮我们去操作

183
00:08:31,453 --> 00:08:34,853
像这种方式将会是未来的大趋势

184
00:08:34,853 --> 00:08:37,853
现在虽然只有codex内置的这个浏览器

185
00:08:37,853 --> 00:08:39,253
支持webmcp

186
00:08:39,253 --> 00:08:41,453
但很快像chrome浏览器

187
00:08:41,453 --> 00:08:43,253
以及其他主流浏览器

188
00:08:43,253 --> 00:08:46,453
都会快速跟进加入对webmcp的支持

189
00:08:46,453 --> 00:08:50,053
并且很多网站也将快速支持webmcp

190
00:08:50,053 --> 00:08:52,053
然后我们再看一下官方给出的

191
00:08:52,053 --> 00:08:54,053
另一款比较有代表性的demo

192
00:08:54,053 --> 00:08:57,493
这个网站是用于设计贺卡或者设计艺术品

193
00:08:57,493 --> 00:09:00,813
我们还是在Codex内置的浏览器中来打开

194
00:09:00,813 --> 00:09:03,853
然后我们就让Codex调用这个网站

195
00:09:03,853 --> 00:09:05,693
它暴露给Codex的工具

196
00:09:05,693 --> 00:09:07,433
为我们设计一个贺卡

197
00:09:07,433 --> 00:09:08,813
然后我输入提示词

198
00:09:08,813 --> 00:09:12,673
为我设计一个用于宣发webmcp的贺卡或者艺术品

199
00:09:12,673 --> 00:09:13,593
我们直接发送

200
00:09:13,593 --> 00:09:15,073
然后我们看一下Codex

201
00:09:15,073 --> 00:09:18,853
它是如何与这个网站交互来创建贺卡的

202
00:09:18,853 --> 00:09:21,793
这里它很快就帮我们设计完成了这个贺卡

203
00:09:21,793 --> 00:09:24,333
可以看到这个贺卡设计的非常精美

204
00:09:24,333 --> 00:09:26,813
然后我们问他调用了哪些工具

205
00:09:26,813 --> 00:09:28,233
好 这里他列出了

206
00:09:28,233 --> 00:09:30,253
他调用了下面这些工具

207
00:09:30,253 --> 00:09:32,833
包括重置空白卡片的工具

208
00:09:32,833 --> 00:09:34,553
设置尺寸的工具

209
00:09:34,553 --> 00:09:37,613
调整背景色与强调色等这些工具

210
00:09:37,613 --> 00:09:39,513
可以看到有了Web MCP

211
00:09:39,513 --> 00:09:41,833
Codex在执行瘤览器自动化的时候

212
00:09:41,833 --> 00:09:45,193
他就不需要模拟点击这些盗梅元素

213
00:09:45,193 --> 00:09:49,213
而是直接调用网站提供的工具来执行任务

214
00:09:49,213 --> 00:09:50,613
就能大幅度提升

215
00:09:50,613 --> 00:09:53,013
Agent在执行浏览器自动化的时候

216
00:09:53,013 --> 00:09:54,893
它的速度还有精准度

217
00:09:54,893 --> 00:09:59,293
所以说WebMCP将会是又一项化时代的创新

218
00:09:59,293 --> 00:10:02,333
然后我们看一下WebMCP它的执行流程

219
00:10:02,333 --> 00:10:04,313
首先就是网站页面

220
00:10:04,313 --> 00:10:07,413
网站自己的JS模块会在加载时运行

221
00:10:07,413 --> 00:10:10,253
它会判断浏览器是否支持WebMCP

222
00:10:10,253 --> 00:10:12,353
如果不支持就什么都不做

223
00:10:12,353 --> 00:10:15,653
当Agent需要执行浏览器自动化人文的时候

224
00:10:15,653 --> 00:10:17,293
就会按照传统的方式

225
00:10:17,293 --> 00:10:18,673
比如说解析道母

226
00:10:18,673 --> 00:10:21,633
或者通过视觉方式去执行浏览器自动化

227
00:10:21,633 --> 00:10:22,873
如果支持的话

228
00:10:22,873 --> 00:10:25,053
那么网站页面就会声明工具

229
00:10:25,053 --> 00:10:27,633
在这个声明中包括名称

230
00:10:27,633 --> 00:10:28,373
描述

231
00:10:28,373 --> 00:10:30,353
input schema等内容

232
00:10:30,353 --> 00:10:32,713
AI agent就会根据这些内容

233
00:10:32,713 --> 00:10:34,333
来理解网站的内容

234
00:10:34,333 --> 00:10:36,853
然后就是注册表与全线扎门

235
00:10:36,853 --> 00:10:39,313
浏览器会维护一张工具表

236
00:10:39,313 --> 00:10:41,913
并在注册这一刻做平台检查

237
00:10:41,913 --> 00:10:44,193
然后就到了站点工具清单

238
00:10:44,193 --> 00:10:47,493
比如说在ChatGPT桌面板内置的浏览器里

239
00:10:47,493 --> 00:10:49,853
地址栏会出现站点工具入口

240
00:10:49,853 --> 00:10:53,373
然后用户就可以用自然语言来描述自己的任务

241
00:10:53,373 --> 00:10:55,233
当用户输入完任务之后

242
00:10:55,233 --> 00:10:57,673
任务就会发送给模型并生成参数

243
00:10:57,673 --> 00:11:00,213
然后就到了选型与参数生成

244
00:11:00,213 --> 00:11:05,213
Webmcp中的名称描述等内容会进入模型的上下文

245
00:11:05,213 --> 00:11:08,613
模型就会根据网站所支持的这些工具清单

246
00:11:08,613 --> 00:11:11,433
来调用网站所提供的这些工具

247
00:11:11,433 --> 00:11:14,073
在调用之前它会先审查与确认

248
00:11:14,073 --> 00:11:16,513
像这些审查就是为了降低风险

249
00:11:16,513 --> 00:11:19,433
然后就会绑定来源页并且派发任务

250
00:11:19,433 --> 00:11:22,473
然后agent就会来执行对应的任务

251
00:11:22,473 --> 00:11:24,113
当任务执行完成之后

252
00:11:24,113 --> 00:11:27,153
执行结果就会返回到模型的上下文中

253
00:11:27,153 --> 00:11:30,313
然后agent就会将结果返回给用户

254
00:11:30,313 --> 00:11:31,353
好 由于时间有限

255
00:11:31,353 --> 00:11:34,093
本期视频就先为大家演示到这里

256
00:11:34,093 --> 00:11:36,313
本期视频如果点赞破千的话

257
00:11:36,313 --> 00:11:38,473
下期视频我将会为大家分享

258
00:11:38,473 --> 00:11:42,033
开发webmcp的这些技巧还有经验

259
00:11:42,033 --> 00:11:43,993
好 本期视频就做到这里

260
00:11:43,993 --> 00:11:46,253
欢迎大家点赞关注和转发

261
00:11:46,253 --> 00:11:47,433
谢谢大家观看