WebMCP：把 MCP 拉进浏览器
Agent 与网页交互，过去只有两条路。
DOM 模拟执行。 Agent 解读页面结构，模拟点击和输入。多步操作，一步错全链断。更致命的是语义问题——Agent 无法从 DOM 区分两个功能不同但长得一样的按钮。
后端 MCP 集成。 在服务端写 MCP Server，Agent 直接调 API。绕开了 DOM，但也绕开了用户——操作过程不可见、不可干预。同一套能力，两套接入层。
WebMCP 给出第三条路：网页在浏览器里声明 tool，浏览器内置 Agent 发现并调用。不猜 DOM，不走后端。
能力
- 结构化发现：Agent 自动发现页面注册的 tool 及其参数/返回值定义，不再靠 DOM 猜测语义
- 人机共享上下文：tool 在页面上公开执行，用户可见、可干预
- 可靠执行：一步 tool 调用替代多步 DOM 模拟，消除累积误差
📱 同一范式：Android App Functions
Android 的 App Functions 采用相同思路——应用声明能力，系统 Agent 调度，界面始终在用户掌控下。WebMCP 是这一范式在 Web 平台的实现。详见 Chrome WebMCP 文档。
但 WebMCP 有个现实尴尬：它绑死了 Chrome 149+ 和 Origin Trial，外部 Agent（OpenCode、Claude Code 等）也调不了浏览器内置的 tool 发现。
webmcp-polyfill：自己实现一套
想法很直接——在规范全面落地前，让网页能以 MCP 的方式暴露 tool。只有一个障碍：MCP Server 需要 listen(port)，浏览器沙箱不允许。
问题可以反过来解。 浏览器不需要 listen，它只需要 connect。谁 listen？一个薄 relay。
核心架构：Relay 监听，浏览器反连
Relay 居中，一侧以 stdio 对接 Agent，扮演标准 MCP Server；另一侧以 WebSocket 连接浏览器页面。Agent 发起的 tool 调用由 Relay 转发到浏览器执行，浏览器注册的 tool 也通过 Relay 回传给 Agent 发现。
这解决了浏览器不能监听端口的问题：把 Server 角色从浏览器挪到 Relay，浏览器只做被动的 WS client。
连接生命周期
架构反连之后，MCP 协议的角色和流程跟着变了。Relay 同时参与两套对话——stdio 那头是标准 MCP Server，WS 那头是自定义 JSON-RPC。
按生命周期阶段对比：
| 阶段 | 标准 MCP | webmcp-polyfill |
|---|---|---|
| 握手 | Agent → Server 发起 initialize | Agent ↔ Relay 标准 MCP 握手；浏览器连入后独立向 Relay 发送 initialized 通知 |
| 工具发现 | Agent 调用 Server 的 tools/list | Relay 向浏览器发起 tools/list，合并本地与远端工具后呈现给 Agent |
| 工具调用 | Agent → Server 本地执行 | Agent → Relay → 浏览器执行 → Relay → Agent |
| 列表变更 | Server 自行决定何时发 tools/list_changed | 浏览器随时可增删工具，变更后通知 Relay 触发 tools/list_changed |
| 断连 | Agent 断开，Server 清理 | 浏览器断开 → Relay 注销工具并通知 Agent；Agent 断开走标准 MCP 流程 |
相比 Chrome 原生 WebMCP
不是替代，是补充——解决 Chrome 原生方案当前覆盖不到的场景：
- 跨浏览器：不绑死 Chrome，任何支持 WebSocket 的浏览器都能用
- 外部 Agent：OpenCode、Claude Code 等主流编码 Agent 可直接调用网页 tool
- 支持 headless：不依赖可见标签页，Chrome 原生 WebMCP 做不到
- 零浏览器依赖：
BrowserMCPHost只依赖原生WebSocket，可直接从 CDN import 或打包进任意前端项目 - 传输解耦：工具定义与传输层分离，未来有了浏览器内置 MCP transport 可无缝切换
拓展：应用场景与当前问题
运营 Agent 可以通过 polyfill 操作低代码搭建平台——从数据源拉商品信息、生成活动模板、预览后发布。对比多次投放数据后，还能挑出转化最好的版本直接复用。
relay 架构本身也带来了几个结构性代价吧。
-
每次 tool 调用都要多跳一次，比 Chrome 原生直连多一层延迟和失败面。relay 与浏览器之间的协议是自定义的（
initialized/tools/list_changed），离开 polyfill 生态没人认识。 -
安全上 relay 监听 localhost 端口，任何本地进程都能连上冒充浏览器注册工具——后续可以加身份令牌补齐。
让网页以 MCP 方式暴露 tool 的浏览器端 polyfill