WebMCP (Web Model Context Protocol) vorgestellt

(developer.chrome.com)

42 Punkte von xguru 2026-02-11 | 3 Kommentare | Auf WhatsApp teilen

WebMCP ist ein vorgeschlagener Standard, der darauf ausgelegt ist, dass Websites strukturierte Tools direkt für KI-Agenten im Browser offenlegen
Anstelle von Screen Scraping oder DOM-Inferenz stellt das Web selbst seine „Was kann auf dieser Seite getan werden?“-Funktionen sowie Ein- und Ausgaben als expliziten Vertrag bereit
Unterstützt über eine deklarative API und eine imperative API alles von HTML-Formular-basierten Aufgaben bis zu komplexen JavaScript-Interaktionen
Vertragsstruktur, in der Agenten die Tools einer Seite entdecken (Discovery), Ein- und Ausgaben mit JSON Schema festlegen und den aktuellen Seitenstatus (State) gemeinsam nutzen
Ist als Early Preview in Chrome Version 146 enthalten. Für den Vorabzugang ist eine Anmeldung beim Chrome built-in AI Early Preview Program erforderlich
Während das bisherige MCP ein serverseitiges Protokoll ist, unterscheidet sich WebMCP dadurch, dass es ein Protokoll für clientseitige KI-Agenten im Browser ist

Spezifikationsentwurf: WebMCP Early Preview

Hintergrund zur Entstehung von WebMCP

In agentischen Web-Umgebungen übernimmt KI zunehmend reale Aufgaben wie Buchungen, Einreichungen, Einstellungsänderungen und Navigation im Auftrag von Nutzern
Das bisherige Web wurde für menschliche Nutzer entworfen, daher mussten Agenten die Bedeutung von Buttons oder die Struktur von Formularen erschließen
Dadurch kam es wiederholt zu Eingabefehlern, falschen Feldzuordnungen und Anfälligkeit durch UI-Änderungen
WebMCP führt zur Lösung dieser Probleme einen expliziten Interaktionsvertrag (contract) zwischen Web und Agenten ein
Anstatt dass Agenten den Zweck von Buttons oder die Struktur von Formularen erraten, veröffentlicht die Website ihre eigene Schnittstelle explizit
Dieser Vertrag besteht aus drei Kernelementen:
- Discovery: Agenten fragen die von einer Seite unterstützten Tools (z. B. checkout, filter_results) auf standardisierte Weise ab
- JSON Schema: Explizite Definition von Eingaben und erwarteten Ausgaben, wodurch Halluzinationen und Missverständnisse reduziert werden
- State: Ein gemeinsames Verständnis des aktuellen Seitenkontexts, damit Agenten in Echtzeit verfügbare Ressourcen erkennen können

Offenlegung strukturierter Tools
- Websites deklarieren die von ihnen bereitgestellten Funktionen in Form von Tools
- Jedes Tool definiert klar Name, Beschreibung, Eingabeschema (JSON Schema) und Ausführungsergebnis
- Agenten können dadurch genau erkennen, was aufgerufen werden muss, ohne das DOM zu interpretieren
Vertrag statt Inferenz
- Statt Button-Bedeutungen zu erraten oder Kalender-UIs zu analysieren, legt das Web selbst Absichten und Regeln offen
- Durch feste Ein- und Ausgabeformate werden Halluzinationen und Fehlfunktionen reduziert
- Auch bei UI-Änderungen bleibt das Verhalten von Agenten stabil, solange der Tool-Vertrag erhalten bleibt

Deklarative API (Declarative API)
- HTML-<form>-Elemente werden durch das Hinzufügen von Attributen in Tools umgewandelt
- Die Attribute toolname und tooldescription deklarieren die Bedeutung des Tools
- Formularfelder werden direkt zu den Eingabeparametern des Tools
- Der Browser wandelt dies automatisch in JSON Schema um
- Geeignet für einfache, wiederkehrende Aufgaben und bestehende formularbasierte UIs
Imperative API (Imperative API)
- Tools werden direkt in JavaScript registriert
- APIs wie registerTool, provideContext und unregisterTool werden bereitgestellt
- Geeignet für komplexe Logik, Verzweigungen, asynchrone Verarbeitung und zustandsbasierte Abläufe
- Besonders nützlich in SPAs oder fortgeschrittenen Webanwendungen

Wenn ein Agent ein Tool aufruft, fokussiert der Browser automatisch die entsprechende UI und gibt Eingaben ein
Ob ein Formular von einem Agenten aufgerufen wurde, wird über das Flag agentInvoked unterschieden
Bei Erfolg oder Abbruch werden die Events toolactivated bzw. toolcancel ausgelöst
Über CSS-Pseudoklassen (:tool-form-active, :tool-submit-active) wird visuelles Feedback bereitgestellt
Die Nutzungsabläufe von Menschen und Agenten lassen sich in ein gemeinsames UI-Zustandsmodell integrieren

Wenn eine Airline-Website das Tool book_flight bereitstellt, kann ein Agent strukturierte Passagierdaten direkt übermitteln, ohne die Kalender-UI zu interpretieren
In Medizin- oder Rechtsportalen können über das Tool submit_application die Bedeutungen von Feldern klar vermittelt werden
Auf Entwickler-Einstellungsseiten lassen sich Tools wie run_diagnostics offenlegen, um versteckte Menüs automatisch auszuführen
Besonders effektiv in Bereichen wie Kundensupport, E-Commerce und Reisediensten, in denen hochzuverlässige Eingaben erforderlich sind

MCP (Model Context Protocol) ist ein serverseitiges Protokoll, das eine separate Server-Bereitstellung erfordert
WebMCP läuft innerhalb des Browsers und wird direkt in bestehende Webanwendungen integriert
Auch ohne Server können clientseitige Funktionen für Agenten bereitgestellt werden
Der entscheidende Unterschied ist der Frontend-zentrierte Ansatz für agentische Browser

Verfügbar in Chrome 146 oder höher bei aktiviertem Flag
Funktioniert nicht in Headless-Umgebungen und erfordert einen sichtbaren Browsing-Kontext
Es gibt noch keinen Mechanismus, um Websites mit bereitgestellten Tools automatisch zu entdecken
Entwickler sind selbst für die Synchronisierung des UI-Zustands verantwortlich
Frühe Preview-Phase, daher sind API-Änderungen und Implementierungsprobleme möglich

xguru 2026-02-11

Nachdem @firt auf X darüber gesprochen hat, ist das inzwischen ziemlich stark zum Thema geworden. Ich habe den Google-Link verwendet.

crawler 2026-02-11

Wenn Chrome die Führung übernimmt, wird es wohl auch schnell in andere Browser übernommen werden.

parkindani 2026-02-11

Wirkt wie Swagger für Agenten.