📰 2026-10-08 AI 日報

OpenAI 官方頻道這週放了一支教學影片：ChatGPT 現在支援 WebMCP 工具和自訂註解。網站開發者可以在程式碼裡用 HTML 屬性或 JavaScript，把「搜尋目錄」「更新頁面」這類操作直接開給 AI 代理使用，還能做出自訂控制項，例如顏色選擇器、物品替換，外加建議提示，告訴使用者「可以這樣問」。 先看它解決的問題。現在的瀏覽器代理大多靠看截圖、猜按鈕在哪、模擬點擊。這很像請一個外國人在你家找電燈開關，他會摸，但摸錯牆的機率不低。WebMCP 的做法是讓房子主人在開關上貼標籤，代理不用猜，直接呼叫。 自訂註解更細。使用者在頁面上點到某個物件，註解會把這個物件的語境一起交給代理，所以「把這個換成藍色」的「這個」，代理真的知道是哪一個。做過 chatbot 的人都知道，指代不明是最常見的踩坑點，這次是從網站端把問題拆掉，不是再逼模型多猜準一點。 同一週，Google 推出 Developer Knowledge API 與 MCP Server 公共預覽版，讓 AI 助手直接搜尋 Firebase、Google Cloud 的官方文件，不用再從過期的訓練資料裡回憶 API 長怎樣。方向是同一個：內容與功能的擁有者，自己提供機器可讀的入口。Microsoft 也在 Surface 發表會上說，Windows Copilot 的 Hybrid Intelligence 能直接操作 PC 檔案與執行動作。 我認為這裡有一個產品上的教訓：讓 AI 變可靠，最省力的路不一定是模型更強，而是把介面改成機器看得懂。過去二十年大家做 SEO，讓網站被搜尋引擎讀懂；接下來會多一份工作，讓網站被代理操作得動。OpenAI 選擇把標準做成開發者幾行程式碼就能加的東西，門檻低，網站才有動機配合。 有個限制要留意：這套東西要有人實作才有用。影片展示的是機制，沒有講有多少網站已經接上，所以短期內代理遇到的大部分網站，仍然是靠猜的。 這件事跟 Mistral 的情況對照著看也有意思。Matthew Berman 提到 Mistral Large 4 的模型本身很強，價格也低，輸入每百萬 token 1.36 美元，但開源生態缺乏即插即用的整合，開發者得自己除錯。模型好不好是一回事，接起來順不順是另一回事，而後者往往決定誰被用。 接下來一兩年，網站首頁會多一個大家不太會注意的檔案或標記，專門寫給代理看。