GoogleとMicrosoftが提案するAIブラウジングの新標準「WebMCP」とは？

WebMCPはGoogleとMicrosoftが提唱する新しいブラウザAPIであり、フロントエンド開発者がサイトの機能をAIエージェント用のツールとして公開できる仕組みです。従来のAIによるウェブ操作は、PlaywrightなどのツールでHTMLを解析したりスクリーンショットを撮ったりする手法が主流でしたが、これらはトークン消費が激しくエラーも多いという課題がありました。WebMCPはサイト自体を「ミニMCPサーバー」化することで、AIが直接サイトの関数を呼び出せるようにし、この問題を根本から解決しようとしています。デモではChrome Canaryを使用し、将来的にGeminiやChatGPTがブラウザに内蔵された際の挙動が示されています。スピーカーはこの技術がウェブの未来を変える可能性があると強く主張しています。

このセクションでは、JavaScriptを用いた「命令型API」の具体的な実装方法とメリットが解説されています。航空券予約のデモを例に、AIがサイトのHTML構造を知らなくても、開発者が定義した「search flights」というツールを引数付きで呼び出すだけでフォーム入力やページ遷移が可能になる様子が示されます。コードレベルでは `window.navigator.model_context.register_tool` を使用して、ツールの名前、説明、入力スキーマ、そして実行時の関数を定義します。この手法の最大の利点は、Reactなどのフレームワークの状態管理と直接連携でき、開発者がAIの行動範囲を厳密に定義できる点にあります。トークン効率が極めて高く、AIが誤った操作をするリスクを大幅に軽減できる洗練された解決策です。

WebMCPはサイトの操作だけでなく、ページ上の情報をAIに正確に伝える手段としても非常に有効であることが示されます。例えば、ユーザーがフィルターをかけた後の複雑な検索結果の中から最適な選択肢をAIに選ばせる際、従来のようなページ全体のパースは不要になります。開発者が `list flights` のようなツールを用意すれば、React内のクリーンなJSONデータを直接AIに渡すことができるからです。デモでは、AIがツール経由で取得したリストから「便名56」を推奨する様子が描かれ、その精度の高さが強調されています。このプロセスは、非構造化データを構造化データに変換する手間を省き、AIの判断をより迅速かつ正確にします。開発者にとっても、AI専用のMCPサーバーを別途立てる必要がないという大きなメリットがあります。

JavaScriptを一行も書かずにWebMCPを利用できる「宣言型API」についても紹介されています。これは既存のHTMLフォームに特定の属性を追加するだけで、ブラウザが自動的にそのフォームをAI用のツールに変換してくれる機能です。レストラン予約フォームの例では、`tool-name` や `tool-param-description` といった属性を付与することで、AIが各入力項目の意味を理解し、適切に情報を埋める様子が実演されます。インスペクタを確認すると、名前、電話番号、人数などの項目が、自動的にツールの引数として認識されていることが分かります。シンプルかつ強力なこの機能は、小規模なサイトや既存のフォームを迅速にAI対応させるための理想的なアプローチです。ウェブ標準の技術をそのまま活用できるため、導入のハードルが非常に低いのが特徴です。

動画の最後では、WebMCPがもたらすユーザー体験の変革と、解決すべき今後の課題についてまとめられています。スピーカーは、AIがチャット画面の中だけで完結するのではなく、実際のウェブサイト上で人間をサポートする「共生」の形を理想として掲げています。WebMCPはこのビジョンを実現するためのミッシングリンクであり、AIエージェントの推測を排除し、確実な操作を可能にします。一方で、現在はあくまで提案段階であり、悪意のあるツールに対するセキュリティ対策や、ユーザーのプライバシー保護といった議論が必要です。ブラウザAIがどこまで制御権を持つべきかという点については慎重な検討が求められますが、全体として非常に期待感の高い技術であると締めくくられています。視聴者に対しては、コメント欄での意見交換やチャンネル登録を促して締めくくります。