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。
而且OpenAI这次还发布了划时代的新技术标准WebMCP
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
比如MCP和Skill
而这次ChalligPT终于引领时代发布了最新的WebMCP技术
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
像传统AI agent在执行浏览器自动化的时候
需要靠视觉或者盗墓操作
还需要猜测页面结构
所以在执行浏览器自动化人物的时候
效率非常低而且容易出错
而Web MCP是让网站主动为agent提供API式的能力
同时保留可视化反馈和用户控制
它不是单独加强agent的点击能力
而是让网站主动给agent提供一套结构化与明确的操作接口
网站可以把自身能力暴露为预定义工具
当Agent的访问页面时
就可以发现并且调用这些工具
从而不再完全依赖Agent的视觉能力
以及盗墓解析能力
这样就可以让AI Agent在操作浏览器时
可以达到更快的速度
减少不必要的步骤
还能减少幻觉
Web MCP的发布标志着网站从为人类设计
进化到为人类和Agent的共同设计
好 本期视频就为大家测试
Chattigpd最新浏览器插件的使用效果
并且为大家讲解和演示
OpenAI今天发布的Web MCP协议
想在我们常用的浏览器中
来使用Chattigpd浏览器插件非常简单
首先我们在Codex桌面应用中
点击右下角的设置
然后在左侧侧边栏
我们就点击Compute Use
也就是浏览器使用
然后我们就可以根据我们的需求
来开启对应的浏览器支持
我这里开启了Chrome浏览器的
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
比如说在我本机上他还支持微软的爱置浏览器
当安装好之后在我们的浏览器中
我们就可以看到这个浏览器的图标
然后如果没有看到的话
我们也可以点击这个位置
找到刚才我们安装的这个浏览器插件
直接点击这个图标
他就会在浏览器中打开一个侧边栏
在这个插件中我们可以直接与codex进行交互
比如说为Codex设置一个目标
或者使用Codex的计划模式
甚至还能通过我们的操作步骤来录制成Scale
而且我们还可以调出Codex中我们安装的这些插件
在这里我们还可以选择不同模型
比如说我这里选择GBT 5.6模型
在推理级别这里我这里可以选择Medium
在速度这里它支持标准速度
还支持Codex中的Fast速度
也就是1.5倍的速度
在这个位置它还支持语音输入
在这里我找了一篇archive上的论文
在这个插件中我让他分析这篇论文
然后他就输出了对这篇论文的详细的分析
包括论文中提到的这个概念是什么
还有他试图解决的真正问题
还有论文中的这些实验结果
还有暴露出的关键事实
还给出了最终判断
像这样的话
我们在浏览器中浏览这些网页或者论文的时候
需要AI帮我们分析的时候
我们只需要调出来这个插件
就可以直接在chatgbt中
让chatgbt分析我们所浏览的这些内容
然后我们还可以在侧边栏中继续去提问
我们可以在论文中找一张图像
让chatgbt详细分析这个图像
然后我们可以直接输入提示次
让它分析图中的内容
然后直接发送
可以看到这里它正在输出对这个图像的分析
它对这个图像分析的是非常详细的
在网页中我们还可以来选取一段内容
在这里我们就可以看到
它会显示我们选中的这些内容
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
让它翻译为中文
然后直接发送
这里它就将我们选中的这个摘要翻译成了中文
然后我们还可以测试一下
让它将对这篇论文的分析结果保存到我们的notion中
在这里我就选中了notion这个插件
然后我们直接输入提示册
将这篇论文的分析报告保存到notion笔记中
这里他就提示他会使用notion的知识沉淀流程
把前面论文的分析转化成结构化的中文笔记
在这里我们就看到他调用了这个scale
他提示notion已经连接
这里他就提示已经保存并且验证成功
然后我们点击打开
然后在notion中我们就可以看到
他帮我们创建了这个笔记
他创建的这个笔记非常完整
而且笔记的排版也非常完美
而且他还支持多种这些插件
然后大家需要什么功能
就可以在codex中安装什么插件
而且来支持在当前的对话框中
加入其他我们打开的type页
比如说我们找到这篇论文
对应的gethub仓库
这是我在浏览器中打开的新的标签页
然后我们再回到刚才这篇论文
在对话框中
我们只需要输入at符号
然后我们就可以找到
刚才我们在新的type页中
打开的这个gethub仓库
我们直接选中这个仓库
然后我们就可以来输入提示词
我说的是给出这个项目的安装方式
然后直接发送
这里他就很快输出了这个项目的安装方式
相近的话
我们在当前打开的这种侧边栏中
就可以调用我们在浏览器中打开的
其他标签页中的内容
从而让ChatGPT结合多个页面进行分析
通过这款插件
我们就可以替代之前OpenAI彻底下架的Atlas浏览器
好下面我们再看一下OpenAI今天发布的Web MCP协议
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
当AI Agent执行浏览器自动化的任务
就不需要再靠猜测道目以及模拟点击来执行任务
我们可以看一下OpenAI官方给出的WebMCP的demo
比如说这个是与智能体协作的本地笔记应用
由于WebMCP刚刚发布这些主流浏览器还不支持WebMCP协议
但是我们在Codex中Codex内置的浏览器
它是支持webmcp的
我们直接点击官方的这个在codex中打开
这样的话就在codex中打开了这款笔记的应用
然后我们在codex中就可以来测试一下
比如说我们可以直接输入提示词
询问它在当前网站中有哪些工具它可以调用
好这里它就列出了当前网站
通过webmcp暴露了这10个工具
包括列出或搜索本地文档
读取指令文档
在编辑器中打开指令文档
创建文档
重名名替换
而且这里还明确这三个是止读工具
下面我们就可以测试一下
让它调用mcp工具
帮我们创建一个文档
我说的提示词就是
写一篇webmcp的使用笔记
并创建一个文档
存入到刚才这一个网站中
我们就点击发送
看一下这个效果
它以非常快的速度
直接将它写好的笔记
存入到了我们刚才打开的这个网站中
然后我们看一下他写的这篇笔记
可以看到这个拍板是非常不错的
然后我们可以继续提问
问他通过什么工具写入的笔记
然后他就给出了他通过这个网站提供的webmcp工具
也就是创建文档这个工具来写入的笔记
这里还列出了这个参数
然后我们还可以继续测试
我们让他为这篇笔记加入更多emoji
以便让内容更加丰富
我们看一下他修改笔记的速度
好这里他有提示他将会用更新文档这个工具
来 更改这个逼迹
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。
执行这些自动化操作
而不需要解析道母
也不需要通过模拟点击等方式帮我们去操作
像这种方式将会是未来的大趋势
现在虽然只有codex内置的这个浏览器
支持webmcp
但很快像chrome浏览器
以及其他主流浏览器
都会快速跟进加入对webmcp的支持
并且很多网站也将快速支持webmcp
然后我们再看一下官方给出的
另一款比较有代表性的demo
这个网站是用于设计贺卡或者设计艺术品
我们还是在Codex内置的浏览器中来打开
然后我们就让Codex调用这个网站
它暴露给Codex的工具
为我们设计一个贺卡
然后我输入提示词
为我设计一个用于宣发webmcp的贺卡或者艺术品
我们直接发送
然后我们看一下Codex
它是如何与这个网站交互来创建贺卡的
这里它很快就帮我们设计完成了这个贺卡
可以看到这个贺卡设计的非常精美
然后我们问他调用了哪些工具
好 这里他列出了
他调用了下面这些工具
包括重置空白卡片的工具
设置尺寸的工具
调整背景色与强调色等这些工具
可以看到有了Web MCP
Codex在执行瘤览器自动化的时候
他就不需要模拟点击这些盗梅元素
而是直接调用网站提供的工具来执行任务
就能大幅度提升
Agent在执行浏览器自动化的时候
它的速度还有精准度
所以说WebMCP将会是又一项化时代的创新
然后我们看一下WebMCP它的执行流程
首先就是网站页面
网站自己的JS模块会在加载时运行
它会判断浏览器是否支持WebMCP
如果不支持就什么都不做
当Agent需要执行浏览器自动化人文的时候
就会按照传统的方式
比如说解析道母
或者通过视觉方式去执行浏览器自动化
如果支持的话
那么网站页面就会声明工具
在这个声明中包括名称
描述
input schema等内容
AI agent就会根据这些内容
来理解网站的内容
然后就是注册表与全线扎门
浏览器会维护一张工具表
并在注册这一刻做平台检查
然后就到了站点工具清单
比如说在ChatGPT桌面板内置的浏览器里
地址栏会出现站点工具入口
然后用户就可以用自然语言来描述自己的任务
当用户输入完任务之后
任务就会发送给模型并生成参数
然后就到了选型与参数生成
Webmcp中的名称描述等内容会进入模型的上下文
模型就会根据网站所支持的这些工具清单
来调用网站所提供的这些工具
在调用之前它会先审查与确认
像这些审查就是为了降低风险
然后就会绑定来源页并且派发任务
然后agent就会来执行对应的任务
当任务执行完成之后
执行结果就会返回到模型的上下文中
然后agent就会将结果返回给用户
好 由于时间有限
本期视频就先为大家演示到这里
本期视频如果点赞破千的话
下期视频我将会为大家分享
开发webmcp的这些技巧还有经验
好 本期视频就做到这里
欢迎大家点赞关注和转发
谢谢大家观看