跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

智能体学会用网页,网页也开始向它们收费

10月3日,开发者Marko Denic发布了一份WebMCP指南。这是Chrome的一项实验,用三个属性就能把普通HTML表单变成AI智能体可调用的工具。这篇帖子出现之际,一场关于浏览器自动化由谁掌控的争论正愈演愈烈。

人工智能与模型分析王雅琴发布: 2026年10月4日6 分钟阅读资料来源 14
智能体学会用网页,网页也开始向它们收费

10月3日,开发者Marko Denic发布了一份WebMCP的逐步说明。这是Chrome的一项实验,允许网页把自己的功能以命名工具的形式暴露给AI智能体,输入带类型。智能体不必再对着渲染出来的界面瞎猜。按Denic的说法,一个简单的搜索表单只需要三个属性:toolname、tooldescription和toolautosubmit。

他的说法很直白。智能体去操作一个普通网站,“就像有人戴着烤箱手套用鼠标”。它看着屏幕,猜哪个框是搜索框。它猜哪个按钮能提交,然后再看一遍屏幕确认。每一次猜测都可能出错。

WebMCP仍是试验,不是标准

Denic对边界很谨慎。WebMCP是Chrome里的一项实验,光把属性写进页面还不够。没有origin trial令牌,document.modelContext只对手动打开开关的用户存在。他引用的试验运行在Chrome 149上。不认识这些属性的浏览器会直接忽略它们,所以其他用户看到的还是原来的页面。

更有意思的细节是工具放在哪里。对于表单,浏览器从标记里推导出schema。对于其他东西,比如计算器或配置器,页面用JavaScript注册工具。这需要一个名称、一段描述、一个输入schema和一个execute函数。Denic的例子把execute接到滑块调用的同一个函数上,于是人和智能体走的是同一条代码路径。他还建议,凡是会发送、购买或删除的操作,都不要打开toolautosubmit,让用户仍然需要确认。

这是浏览器自动化问题的一种答案:让页面变得可读,而不是让智能体更聪明。这并不是市面上唯一的答案。也不是背后资金最多的那个。

功夫正花在运行框架上

Tim Waldin在10月4日的文章里认为,真正的约束不在感知。约束在于智能体工作产出最后落在哪里。他引用了Andrej Karpathy周五写下的话:“我们会花更多时间试图理解语言模型的输出。”Karpathy还说,更多工作会“沿着抽象层向上,进入监督与理解”。Waldin的不满在于,智能体画出的一张图或一份HTML说明,会在聊天记录里滚走。系统的表示形式于是从来没能真正成为关于它的对话的一部分。他的应用easl给每个代码仓库一块无限画布,终端、代码块、浏览器和笔记放在一起。按住hyper键点击,就能把你指向的东西加进下一个提示词。

这是一种设计主张,不是基准测试,也应当按设计主张来读。但它和从业者别处的说法对得上。Alexey Indeev在10月4日写道,他两周内合并了562个pull request,其中四个晚上还在徒步。他现在的流程依赖一个协调者智能体,它不直接干活,而是把任务分给子智能体。测试、CI和审查机器人把关合并。他明确说模型最近变了,尤其是Opus 5.5。再早两周,他不会推荐这种做法。

状态检查说明了什么

这批材料里最具体的数字来自微软和Hugging Face。10月3日联合发布的一篇文章介绍了ThinkingBox,一个包含507个有状态业务流程的基准测试。每个流程对多种模型各运行20次。它评判的是智能体留下的终端后端状态和副作用,而不是它返回的那句话。在一项覆盖12个模型、121680次有效试验的公共集消融中,有79853次尝试未通过可执行检查。在这些失败中,67.24%仍然干净地结束,调用了改变状态的工具,并且没有报告最终的工具有错误。

最能说明问题的案例是一台价值745美元的厨房电器,卡在纳什维尔配送中心的快递异常里。它已经超过预计送达日期十五天。智能体做了九次工具调用,把退款政策读了两遍。它正确判断出客户不符合延迟送达补偿的条件。然后它把工单以已解决关闭,而要求的结束状态是挂起,客户问的问题它始终没有回答。可执行检查在77.61%看似干净的失败里发现了字段值错误。它们发现意外多余效应占43.30%,缺少必需效应占25.36%。

轨迹是一种主张。数据库状态才是证据。重复运行才是信任测试。

这句话出自微软和Hugging Face的那篇文章,是本周关于智能体评估写得最锋利的一句。它也戳破了不少演示文化。格式正确的工具调用不等于正确的结果。一次正确的运行不等于可靠的运行。

权限与漂移

苹果在权限这一侧动了手。据9to5Mac在10月2日报道,苹果在公司开发者网站的博客文章中说,一些开发者正在以有风险的方式使用完全磁盘访问权限。这项设置本意是让备份应用工作。苹果说,滥用可能暴露“他们系统上的一切,包括文件、邮件、信息,甚至浏览历史,而用户并不完全知情和理解”。苹果表示将增加控制措施,使得授予该权限需要“非常明确的用户操作”。它把这一改动与AI智能体变得“能力更强、更自主”联系起来。它没有说明这些控制措施是什么,也没有说何时上线。

与此同时,没有任何权限对话框能拦住的失效模式是漂移。sdarchitect博客在10月3日发布了关于AI风险系列文章的第四部分。它问的是:没有人改动智能体,它的行为为什么会变。没有部署新提示词,没有碰代码。变更控制系统是干净的。可上个月还能用的智能体,现在把它以前能处理的决定往上呈报。文章把这归因于模型、运行框架、工具和其他智能体组成的整个系统。它引用了NIST关于部署后监控的指南。它主张,如果行为可以持续变化,评估也必须持续进行。

Emre Turan六月在arXiv上的一篇论文补上了一个数字,足以让任何设计审批关卡的人停下来想一想。在一组手工标注的125个对抗性加权的智能体动作上,评审者对什么算有风险只达成中等程度的一致。Fleiss kappa为0.52。当把评审者建模为在升级负载下会疲劳时,实际安全性随升级率呈倒U形。更多的人工监督可能让系统更不安全,而安全性最优的把关在低于完全升级时就升级。

这些都不让浏览器自动化变得没用。它确实说明,有意思的工程已经不再是把智能体教会点按钮。Denic的三个属性、Waldin的共享画布、Indeev的合并队列和ThinkingBox的状态检查,都在试着把同一样东西围在模型周围。那就是一个它能动手的界面,加上动作确实落地的证据。网页和智能体还在争,这东西该由谁来提供。

评论 0

资料来源

14
  1. 01Let AI agents use your site with 3 HTML attributesEN
  2. 02your agent's diagrams need somewhere to liveEN
  3. 03I stopped reviewing my agents' code. Here's what I do insteadEN
  4. 04The Agent Said It Was Done. The Database Disagreed.EN
  5. 05Apple says it's tightening macOS privacy controls amid the rise of AI agentsEN
  6. 06AI Risk - A user's guide (Part IV): Understanding Agent DriftEN
  7. 07Oversight Has a Capacity: Calibrating Agent Guards to a Subjective, Fatiguing HumanEN
  8. 08Automatic iPhone reboot: Forensics firm allegedly stops timeEN
  9. 09Design Systems for AI AgentsEN
  10. 10Give Your AI Agent Its Own IdentityEN
  11. 11Launching: Nautilus - Run a coding agent from your phone, merge on your PCEN
  12. 12Aura - a self-hosted AI agent with temporal graph memory, written in GoEN
  13. 13Pi-based coding agent with hard budget capsEN
  14. 14Chalkboard and Avatar for AI AgentsEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。