Microsoft Edgeで、AIエージェントがWebアプリの機能を利用しやすくするAPI「WebMCP」のテストが始まりました。
従来、AIエージェントがWebページを操作するには、画面やページ構造を読み取り、ボタンをクリックしたりフォームに入力したりする必要がありましたが、WebMCPではWebアプリ側が機能を「ツール」として公開できます。
これにより、Webアプリを人間向けの画面だけでなく、AIエージェントからも利用しやすい形で構築できます。
WebMCPとは？
WebMCPは、Webアプリの機能をAIエージェントが理解し、実行できる「ツール」として公開するためのAPIです。
仕様の策定は、W3CのWeb Machine Learning Community Groupで進められています。
たとえば、商品検索や予約、投稿、注文といった機能をツールとして定義すれば、エージェントは画面上の要素を一つずつ探さずに、目的に沿った操作を実行できるようになります。
画面操作に頼る方式との違い
従来のブラウザー操作型エージェントは、ページの画像や構造を手がかりに、クリックや文字入力を模倣することが一般的です。
ページのデザイン変更や表示の違いに影響されやすく、複数の画面を移動する操作では時間がかかったり、意図しない箇所を選んだりする可能性があります。
WebMCPでは、Webアプリが機能や入力項目を明示的に提供するため、エージェントが操作の目的を把握しやすくなり、処理の効率や安定性の向上が期待できます。
JavaScriptとHTMLフォームでツールを登録
WebMCPでは、ツールをJavaScriptの関数、またはHTMLの<form>要素を使って登録できます。
既存のフロントエンドのコードやフォームを活用しやすく、人間向けの画面を全面的に作り直さずに、エージェントが利用できる機能を追加できる点が特徴です。
たとえば、ピザ注文サイトが注文内容の指定や送信をツールとして公開すれば、エージェントはユーザーの希望に応じて注文手続きを進めやすくなります。
ただし、注文や予約の確定など、取り消しにくい操作をどのように扱うかは、Webサイト側の設計が重要です。
WebMCPは操作を自動化する仕組みであり、ユーザーの同意やサイトの安全対策を不要にするものではありません。
Edge Canary／Devで試す方法
WebMCPは、EdgeのCanaryチャネルまたはDevチャネルでテストできます。
アドレス欄にabout://flags/#enable-webmcp-testingと入力して試験フラグを有効にし、ブラウザーを再起動すると利用できます。
テスト段階の機能であるため、動作や仕様が変更される可能性があり、一般向けの安定版で利用できる機能とは区別が必要です。
Chromiumにも提供された関連機能
MicrosoftはWebMCPのほかにも、Edgeチームが実装し、Chromiumプロジェクトに提供した複数の機能を紹介しています。
| 機能 | 概要 |
|---|---|
OpaqueRange API | 入力欄内のテキスト範囲にアクセスし、位置の取得やハイライトを可能にします。 |
referenceTarget | Shadow DOM内の要素と外部のラベルなどを関連づけやすくします。 |
aria-actions | タブを閉じる操作など、ウィジェットの追加操作を支援技術に伝えます。 |
入力支援とアクセシビリティの改善
OpaqueRange APIを使うと、<textarea>や<input>内のテキスト範囲をリアルタイムに扱えます。
たとえば、カーソル位置に応じて絵文字ピッカーを表示したり、入力中の文字列をハイライトしたりする機能の実装に役立ちます。
referenceTargetは、Shadow DOMを使ったWebコンポーネントで、外部の<label for>と内部の入力欄を関連づける際の課題に対応します。
aria-actionsは、タブの閉じるボタンのような副次的な操作をスクリーンリーダーに伝え、キーボードや支援技術による操作を支えます。
まとめ
WebMCPは、Webアプリの機能をAIエージェント向けのツールとして公開し、画面を読み取って操作する従来方式の負担を減らすことを目指すAPIです。
EdgeのCanary／Devチャネルで試せる一方、現時点ではテスト段階のため、開発者は仕様やブラウザーの対応状況を確認しながら検証する必要があります。
関連するChromiumへの機能提供も含め、AIエージェントとの連携とWebのアクセシビリティを、ブラウザー基盤から整える動きとして注目されます。