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。

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 --> 00:00:43.080
比如MCP和Skill

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

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

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

00:00:59.300 --> 00:01:01.560
需要靠视觉或者盗墓操作

00:01:01.560 --> 00:01:03.300
还需要猜测页面结构

00:01:03.300 --> 00:01:06.100
所以在执行浏览器自动化人物的时候

00:01:06.100 --> 00:01:08.300
效率非常低而且容易出错

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

00:01:13.600 --> 00:01:16.440
同时保留可视化反馈和用户控制

00:01:16.440 --> 00:01:19.580
它不是单独加强agent的点击能力

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

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

00:01:28.300 --> 00:01:30.180
当Agent的访问页面时

00:01:30.180 --> 00:01:32.500
就可以发现并且调用这些工具

00:01:32.500 --> 00:01:35.540
从而不再完全依赖Agent的视觉能力

00:01:35.540 --> 00:01:37.060
以及盗墓解析能力

00:01:37.060 --> 00:01:40.280
这样就可以让AI Agent在操作浏览器时

00:01:40.280 --> 00:01:42.060
可以达到更快的速度

00:01:42.060 --> 00:01:43.740
减少不必要的步骤

00:01:43.740 --> 00:01:44.940
还能减少幻觉

00:01:44.940 --> 00:01:48.720
Web MCP的发布标志着网站从为人类设计

00:01:48.720 --> 00:01:51.700
进化到为人类和Agent的共同设计

00:01:51.700 --> 00:01:53.780
好 本期视频就为大家测试

00:01:53.780 --> 00:01:56.540
Chattigpd最新浏览器插件的使用效果

00:01:56.540 --> 00:01:58.440
并且为大家讲解和演示

00:01:58.440 --> 00:02:01.520
OpenAI今天发布的Web MCP协议

00:02:01.520 --> 00:02:03.220
想在我们常用的浏览器中

00:02:03.220 --> 00:02:06.020
来使用Chattigpd浏览器插件非常简单

00:02:06.020 --> 00:02:08.980
首先我们在Codex桌面应用中

00:02:08.980 --> 00:02:10.900
点击右下角的设置

00:02:10.900 --> 00:02:12.420
然后在左侧侧边栏

00:02:12.420 --> 00:02:14.200
我们就点击Compute Use

00:02:14.200 --> 00:02:15.660
也就是浏览器使用

00:02:15.660 --> 00:02:17.560
然后我们就可以根据我们的需求

00:02:17.560 --> 00:02:19.780
来开启对应的浏览器支持

00:02:19.780 --> 00:02:21.980
我这里开启了Chrome浏览器的

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

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

00:02:30.400 --> 00:02:33.060
当安装好之后在我们的浏览器中

00:02:33.060 --> 00:02:35.660
我们就可以看到这个浏览器的图标

00:02:35.660 --> 00:02:37.140
然后如果没有看到的话

00:02:37.140 --> 00:02:38.940
我们也可以点击这个位置

00:02:38.940 --> 00:02:41.960
找到刚才我们安装的这个浏览器插件

00:02:41.960 --> 00:02:43.440
直接点击这个图标

00:02:43.440 --> 00:02:46.380
他就会在浏览器中打开一个侧边栏

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

00:02:50.380 --> 00:02:52.720
比如说为Codex设置一个目标

00:02:52.720 --> 00:02:55.100
或者使用Codex的计划模式

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

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

00:03:01.780 --> 00:03:04.260
在这里我们还可以选择不同模型

00:03:04.260 --> 00:03:06.980
比如说我这里选择GBT 5.6模型

00:03:06.980 --> 00:03:09.880
在推理级别这里我这里可以选择Medium

00:03:09.880 --> 00:03:12.360
在速度这里它支持标准速度

00:03:12.360 --> 00:03:14.840
还支持Codex中的Fast速度

00:03:14.840 --> 00:03:16.600
也就是1.5倍的速度

00:03:16.600 --> 00:03:18.860
在这个位置它还支持语音输入

00:03:18.860 --> 00:03:22.060
在这里我找了一篇archive上的论文

00:03:22.060 --> 00:03:25.080
在这个插件中我让他分析这篇论文

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

00:03:29.020 --> 00:03:31.820
包括论文中提到的这个概念是什么

00:03:31.820 --> 00:03:34.360
还有他试图解决的真正问题

00:03:34.360 --> 00:03:37.300
还有论文中的这些实验结果

00:03:37.300 --> 00:03:39.220
还有暴露出的关键事实

00:03:39.220 --> 00:03:41.140
还给出了最终判断

00:03:41.140 --> 00:03:42.000
像这样的话

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

00:03:45.220 --> 00:03:47.060
需要AI帮我们分析的时候

00:03:47.060 --> 00:03:48.760
我们只需要调出来这个插件

00:03:48.760 --> 00:03:50.700
就可以直接在chatgbt中

00:03:50.700 --> 00:03:53.580
让chatgbt分析我们所浏览的这些内容

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

00:03:56.480 --> 00:03:58.860
我们可以在论文中找一张图像

00:03:58.860 --> 00:04:01.340
让chatgbt详细分析这个图像

00:04:01.340 --> 00:04:03.060
然后我们可以直接输入提示次

00:04:03.060 --> 00:04:04.720
让它分析图中的内容

00:04:04.720 --> 00:04:05.900
然后直接发送

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

00:04:09.100 --> 00:04:12.100
它对这个图像分析的是非常详细的

00:04:12.100 --> 00:04:15.260
在网页中我们还可以来选取一段内容

00:04:15.260 --> 00:04:16.800
在这里我们就可以看到

00:04:16.800 --> 00:04:19.040
它会显示我们选中的这些内容

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

00:04:23.220 --> 00:04:24.740
让它翻译为中文

00:04:24.740 --> 00:04:26.220
然后直接发送

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

00:04:30.100 --> 00:04:31.860
然后我们还可以测试一下

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

00:04:36.240 --> 00:04:39.060
在这里我就选中了notion这个插件

00:04:39.060 --> 00:04:40.660
然后我们直接输入提示册

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

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

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

00:04:50.700 --> 00:04:53.540
在这里我们就看到他调用了这个scale

00:04:53.540 --> 00:04:55.560
他提示notion已经连接

00:04:55.560 --> 00:04:58.400
这里他就提示已经保存并且验证成功

00:04:58.400 --> 00:04:59.640
然后我们点击打开

00:04:59.640 --> 00:05:01.820
然后在notion中我们就可以看到

00:05:01.820 --> 00:05:03.680
他帮我们创建了这个笔记

00:05:03.680 --> 00:05:05.880
他创建的这个笔记非常完整

00:05:05.880 --> 00:05:08.280
而且笔记的排版也非常完美

00:05:08.280 --> 00:05:11.180
而且他还支持多种这些插件

00:05:11.180 --> 00:05:12.640
然后大家需要什么功能

00:05:12.640 --> 00:05:15.220
就可以在codex中安装什么插件

00:05:15.220 --> 00:05:18.160
而且来支持在当前的对话框中

00:05:18.160 --> 00:05:20.940
加入其他我们打开的type页

00:05:20.940 --> 00:05:23.060
比如说我们找到这篇论文

00:05:23.060 --> 00:05:24.660
对应的gethub仓库

00:05:24.660 --> 00:05:27.620
这是我在浏览器中打开的新的标签页

00:05:27.620 --> 00:05:30.300
然后我们再回到刚才这篇论文

00:05:30.300 --> 00:05:31.320
在对话框中

00:05:31.320 --> 00:05:33.040
我们只需要输入at符号

00:05:33.040 --> 00:05:34.400
然后我们就可以找到

00:05:34.400 --> 00:05:36.440
刚才我们在新的type页中

00:05:36.440 --> 00:05:38.040
打开的这个gethub仓库

00:05:38.040 --> 00:05:39.900
我们直接选中这个仓库

00:05:39.900 --> 00:05:41.980
然后我们就可以来输入提示词

00:05:41.980 --> 00:05:44.520
我说的是给出这个项目的安装方式

00:05:44.520 --> 00:05:45.540
然后直接发送

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

00:05:48.900 --> 00:05:49.420
相近的话

00:05:49.420 --> 00:05:51.980
我们在当前打开的这种侧边栏中

00:05:51.980 --> 00:05:54.740
就可以调用我们在浏览器中打开的

00:05:54.740 --> 00:05:56.680
其他标签页中的内容

00:05:56.680 --> 00:06:00.460
从而让ChatGPT结合多个页面进行分析

00:06:00.460 --> 00:06:01.660
通过这款插件

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

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

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

00:06:17.080 --> 00:06:20.200
当AI Agent执行浏览器自动化的任务

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

00:06:24.420 --> 00:06:28.440
我们可以看一下OpenAI官方给出的WebMCP的demo

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

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

00:06:36.820 --> 00:06:39.980
但是我们在Codex中Codex内置的浏览器

00:06:39.980 --> 00:06:41.740
它是支持webmcp的

00:06:41.740 --> 00:06:44.980
我们直接点击官方的这个在codex中打开

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

00:06:48.980 --> 00:06:51.580
然后我们在codex中就可以来测试一下

00:06:51.580 --> 00:06:53.280
比如说我们可以直接输入提示词

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

00:06:57.140 --> 00:06:59.540
好这里它就列出了当前网站

00:06:59.540 --> 00:07:02.460
通过webmcp暴露了这10个工具

00:07:02.460 --> 00:07:04.580
包括列出或搜索本地文档

00:07:04.580 --> 00:07:05.760
读取指令文档

00:07:05.760 --> 00:07:07.780
在编辑器中打开指令文档

00:07:07.780 --> 00:07:08.780
创建文档

00:07:08.780 --> 00:07:10.060
重名名替换

00:07:10.060 --> 00:07:12.800
而且这里还明确这三个是止读工具

00:07:12.800 --> 00:07:14.380
下面我们就可以测试一下

00:07:14.380 --> 00:07:15.800
让它调用mcp工具

00:07:15.800 --> 00:07:17.740
帮我们创建一个文档

00:07:17.740 --> 00:07:19.100
我说的提示词就是

00:07:19.100 --> 00:07:21.120
写一篇webmcp的使用笔记

00:07:21.120 --> 00:07:22.200
并创建一个文档

00:07:22.200 --> 00:07:25.180
存入到刚才这一个网站中

00:07:25.180 --> 00:07:26.560
我们就点击发送

00:07:26.560 --> 00:07:28.380
看一下这个效果

00:07:30.120 --> 00:07:32.080
它以非常快的速度

00:07:32.080 --> 00:07:34.000
直接将它写好的笔记

00:07:34.000 --> 00:07:37.540
存入到了我们刚才打开的这个网站中

00:07:37.540 --> 00:07:39.840
然后我们看一下他写的这篇笔记

00:07:39.840 --> 00:07:41.740
可以看到这个拍板是非常不错的

00:07:41.740 --> 00:07:43.040
然后我们可以继续提问

00:07:43.040 --> 00:07:45.600
问他通过什么工具写入的笔记

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

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

00:07:53.220 --> 00:07:54.600
这里还列出了这个参数

00:07:54.600 --> 00:07:56.360
然后我们还可以继续测试

00:07:56.360 --> 00:07:59.680
我们让他为这篇笔记加入更多emoji

00:07:59.680 --> 00:08:01.580
以便让内容更加丰富

00:08:01.580 --> 00:08:03.880
我们看一下他修改笔记的速度

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

00:08:07.300 --> 00:08:08.760
来 更改这个逼迹

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。

00:08:25.253 --> 00:08:26.853
执行这些自动化操作

00:08:26.853 --> 00:08:28.253
而不需要解析道母

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

00:08:31.453 --> 00:08:34.853
像这种方式将会是未来的大趋势

00:08:34.853 --> 00:08:37.853
现在虽然只有codex内置的这个浏览器

00:08:37.853 --> 00:08:39.253
支持webmcp

00:08:39.253 --> 00:08:41.453
但很快像chrome浏览器

00:08:41.453 --> 00:08:43.253
以及其他主流浏览器

00:08:43.253 --> 00:08:46.453
都会快速跟进加入对webmcp的支持

00:08:46.453 --> 00:08:50.053
并且很多网站也将快速支持webmcp

00:08:50.053 --> 00:08:52.053
然后我们再看一下官方给出的

00:08:52.053 --> 00:08:54.053
另一款比较有代表性的demo

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

00:08:57.493 --> 00:09:00.813
我们还是在Codex内置的浏览器中来打开

00:09:00.813 --> 00:09:03.853
然后我们就让Codex调用这个网站

00:09:03.853 --> 00:09:05.693
它暴露给Codex的工具

00:09:05.693 --> 00:09:07.433
为我们设计一个贺卡

00:09:07.433 --> 00:09:08.813
然后我输入提示词

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

00:09:12.673 --> 00:09:13.593
我们直接发送

00:09:13.593 --> 00:09:15.073
然后我们看一下Codex

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

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

00:09:21.793 --> 00:09:24.333
可以看到这个贺卡设计的非常精美

00:09:24.333 --> 00:09:26.813
然后我们问他调用了哪些工具

00:09:26.813 --> 00:09:28.233
好 这里他列出了

00:09:28.233 --> 00:09:30.253
他调用了下面这些工具

00:09:30.253 --> 00:09:32.833
包括重置空白卡片的工具

00:09:32.833 --> 00:09:34.553
设置尺寸的工具

00:09:34.553 --> 00:09:37.613
调整背景色与强调色等这些工具

00:09:37.613 --> 00:09:39.513
可以看到有了Web MCP

00:09:39.513 --> 00:09:41.833
Codex在执行瘤览器自动化的时候

00:09:41.833 --> 00:09:45.193
他就不需要模拟点击这些盗梅元素

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

00:09:49.213 --> 00:09:50.613
就能大幅度提升

00:09:50.613 --> 00:09:53.013
Agent在执行浏览器自动化的时候

00:09:53.013 --> 00:09:54.893
它的速度还有精准度

00:09:54.893 --> 00:09:59.293
所以说WebMCP将会是又一项化时代的创新

00:09:59.293 --> 00:10:02.333
然后我们看一下WebMCP它的执行流程

00:10:02.333 --> 00:10:04.313
首先就是网站页面

00:10:04.313 --> 00:10:07.413
网站自己的JS模块会在加载时运行

00:10:07.413 --> 00:10:10.253
它会判断浏览器是否支持WebMCP

00:10:10.253 --> 00:10:12.353
如果不支持就什么都不做

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

00:10:15.653 --> 00:10:17.293
就会按照传统的方式

00:10:17.293 --> 00:10:18.673
比如说解析道母

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

00:10:21.633 --> 00:10:22.873
如果支持的话

00:10:22.873 --> 00:10:25.053
那么网站页面就会声明工具

00:10:25.053 --> 00:10:27.633
在这个声明中包括名称

00:10:27.633 --> 00:10:28.373
描述

00:10:28.373 --> 00:10:30.353
input schema等内容

00:10:30.353 --> 00:10:32.713
AI agent就会根据这些内容

00:10:32.713 --> 00:10:34.333
来理解网站的内容

00:10:34.333 --> 00:10:36.853
然后就是注册表与全线扎门

00:10:36.853 --> 00:10:39.313
浏览器会维护一张工具表

00:10:39.313 --> 00:10:41.913
并在注册这一刻做平台检查

00:10:41.913 --> 00:10:44.193
然后就到了站点工具清单

00:10:44.193 --> 00:10:47.493
比如说在ChatGPT桌面板内置的浏览器里

00:10:47.493 --> 00:10:49.853
地址栏会出现站点工具入口

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

00:10:53.373 --> 00:10:55.233
当用户输入完任务之后

00:10:55.233 --> 00:10:57.673
任务就会发送给模型并生成参数

00:10:57.673 --> 00:11:00.213
然后就到了选型与参数生成

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

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

00:11:08.613 --> 00:11:11.433
来调用网站所提供的这些工具

00:11:11.433 --> 00:11:14.073
在调用之前它会先审查与确认

00:11:14.073 --> 00:11:16.513
像这些审查就是为了降低风险

00:11:16.513 --> 00:11:19.433
然后就会绑定来源页并且派发任务

00:11:19.433 --> 00:11:22.473
然后agent就会来执行对应的任务

00:11:22.473 --> 00:11:24.113
当任务执行完成之后

00:11:24.113 --> 00:11:27.153
执行结果就会返回到模型的上下文中

00:11:27.153 --> 00:11:30.313
然后agent就会将结果返回给用户

00:11:30.313 --> 00:11:31.353
好 由于时间有限

00:11:31.353 --> 00:11:34.093
本期视频就先为大家演示到这里

00:11:34.093 --> 00:11:36.313
本期视频如果点赞破千的话

00:11:36.313 --> 00:11:38.473
下期视频我将会为大家分享

00:11:38.473 --> 00:11:42.033
开发webmcp的这些技巧还有经验

00:11:42.033 --> 00:11:43.993
好 本期视频就做到这里

00:11:43.993 --> 00:11:46.253
欢迎大家点赞关注和转发

00:11:46.253 --> 00:11:47.433
谢谢大家观看