Google & Microsoft wollen das Browsen mit KI revolutionieren (mit WebMCP)

Der Sprecher stellt WebMCP als einen wegweisenden Vorschlag von Google und Microsoft vor, der die Webnutzung grundlegend verändern könnte. Es handelt sich dabei um eine Browser-API, die es Frontend-Entwicklern erlaubt, Website-Funktionen direkt als Tools für KI-Agenten bereitzustellen. Im Kern wird jede Webseite durch diesen Standard zu einem kleinen Model Context Protocol (MCP) Server. Dieser Ansatz unterscheidet sich von bisherigen Lösungen dadurch, dass Agenten die Seite aktiv bedienen, anstatt nur Daten über externe APIs abzurufen. Der Fokus liegt hierbei auf einer rein frontendbasierten Integration, die eine nahtlose Interaktion ermöglicht.

In einer praktischen Demonstration mit Chrome Canary zeigt der Sprecher, wie eine KI-Erweiterung eine Flugbuchungsseite steuert. Anstatt mühsam HTML zu parsen oder Tools wie Playwright zu nutzen, ruft die KI einfach das registrierte WebMCP-Tool "search flights" auf. Der Entwickler definiert hierbei die notwendigen Parameter wie Abflugort und Ziel, die von der KI direkt ausgefüllt werden. Dies führt dazu, dass die KI die Website effizient bedient, ohne das visuelle Layout oder den zugrunde liegenden Code im Detail verstehen zu müssen. Durch die Ausführung einer JavaScript-Funktion wird der React-Status der Seite aktualisiert und die Suche unmittelbar ausgelöst.

Der Sprecher erläutert den technischen Aufbau der API, die über window.navigator.model_context angesprochen wird. Entwickler können Tools mit einem Namen, einer Beschreibung für die KI und einem klaren Eingabeschema registrieren. Besonders wichtig ist die execute-Funktion, die das clientseitige JavaScript definiert, welches beim Aufruf des Tools ausgeführt wird. Im gezeigten Beispiel wird ein Event ausgelöst, auf das die React-Applikation reagiert, um die Navigation zu steuern. Dieser Prozess ist nicht nur extrem token-effizient, sondern stellt auch sicher, dass die KI innerhalb der vom Entwickler gesetzten Leitplanken agiert.

Ein weiterer großer Vorteil von WebMCP liegt in der Analyse von Informationen, die bereits auf der Seite vorhanden sind. Anstatt die gesamte Seite erneut durch eine KI einlesen zu lassen, kann ein Tool wie "list flights" direkt auf den aktuellen Programmstatus zugreifen. Die KI erhält so strukturierte JSON-Daten über die aktuell angezeigten Flüge und kann basierend darauf präzise Empfehlungen aussprechen. Dies spart massiv Ressourcen und verhindert Fehler, die bei der Interpretation von unstrukturiertem HTML-Code oft entstehen. Der Nutzer erhält so eine fundierte Beratung direkt im Kontext seiner aktuellen Browsing-Sitzung.

Für einfache Anwendungsfälle bietet WebMCP eine deklarative API, die ganz ohne manuelles JavaScript auskommt. Durch das Hinzufügen spezieller Attribute wie "tool name" und "tool description" zu Standard-HTML-Formularen erkennt der Browser diese automatisch als KI-Tools. In der Demo wird gezeigt, wie ein Reservierungsformular für ein Restaurant von der KI erkannt und ausgefüllt wird. Der Browser übernimmt dabei die Aufgabe, Eingabefelder und Typen in ein verständliches MCP-Schema zu übersetzen. Dies ermöglicht es Entwicklern, ihre Seiten mit minimalem Aufwand für KI-Assistenten zu optimieren, indem sie lediglich zusätzlichen Kontext in den Attributen hinterlegen.

Abschließend bewertet der Sprecher WebMCP äußerst positiv, da es die Lücke zwischen Web-Apps und Agenten schließt, ohne den Menschen zu verdrängen. Er betont, dass er die Interaktion auf der Original-Website bevorzugt, anstatt alles in einer isolierten Chat-Oberfläche zu erledigen. Dennoch gibt es noch Herausforderungen, insbesondere im Bereich der Sicherheit und des Datenschutzes bei manipulierten Seiten. Da es sich noch um einen frühen Vorschlag handelt, bleibt abzuwarten, wie schnell die Browser-Hersteller diese Technologie final implementieren werden. Der Sprecher lädt die Zuschauer ein, ihre Meinung zu diesem vielversprechenden Ansatz in den Kommentaren zu teilen.