Agent nie widzi tego, co mu położyłem
ChatGPT nie widział narzędzi, które wystawiłem na senteri. Poprawka „pomogła”, test A/B pokazał, że to zbieg okoliczności. Notatka o tym, czego agent szuka na stronie, a czego nie.
11 listopada wystawiłem treści senteri agentom AI na sześć sposobów. ChatGPT przez pierwszą godzinę nie widział żadnego z nich, a ja przez kolejną szukałem winy w kodzie, w którym jej nie było.
W czerwcu napisałem na webflux.pl, że WebMCP warto testować, ale nie wdrażać na produkcji. Teraz senteri ma WebMCP na każdej stronie. Nie zmieniłem zdania: to jest stanowisko badawcze, nie rekomendacja. Narzędzia tylko czytają i oddają dokładnie to, co widzi człowiek, więc nie łamią parytetu, o który upominało się Apple.
To jest notatka z terenu, nie poradnik. Najciekawsze rzeczy wydarzyły się nie w kodzie, tylko między stroną a agentem, który miał ją odczytać.
Co postawiłem
Pięć narzędzi: wyszukiwanie tekstów, pełna treść tekstu, lista serii, spis jednej serii oraz badania, narzędzia i projekty. Wszystkie wołają te same funkcje i oddają to, co człowiek widzi na stronach. Z jednej tablicy wychodzi sześć dróg do agenta, więc opis żadnej nie rozjedzie się z pozostałymi.
- główne drzwiOtwarty serwer MCPkażdy klient, bez otwierania strony
- WebMCPagent w otwartej karcie przeglądarki
- REST senteri/v1zwykłe HTTP, które wybrał agent
- WordPress Abilitiesdla klientów WordPressa
- Markdownkażda strona pod /index.md
- llms.txtspis serwisu dla modeli językowych
Agent trafia do nich przez widoczny link „Dla agentów AI” w stopce, nie przez znaczniki w <head>.
Wyróżniona droga to ta, którą po tym wieczorze uważam za główną. Na początku myślałem inaczej.
Poprawka, która niczego nie naprawiła
Chrome Canary widział pięć narzędzi. ChatGPT w aplikacji desktopowej nie widział żadnego, choć na innym serwisie z WebMCP od razu podawał nazwę tamtejszego narzędzia.
Porównałem obie rejestracje. Moja miała trzy rzeczy więcej: pełny schemat parametrów (minimum, maximum, default, additionalProperties), pole title i drugi argument { signal }. Hipoteza wyglądała rozsądnie: Canary jest tolerancyjny, a ChatGPT po cichu odrzuca to, czego nie rozumie. Uprościłem rejestrację do kształtu z tamtego serwisu i ChatGPT wykrył wszystkie pięć.
Gdybym na tym skończył, napisałbym tu, że ChatGPT nie znosi rozbudowanych schematów. Zrobiłem jednak test A/B: jedna wtyczka, przełącznik w adresie strony, pięć wariantów. ChatGPT wykrył narzędzia w każdym, także w dokładnej kopii wersji, która godzinę wcześniej „nie działała”.
Kod nie był przyczyną. Zmieniłem kilka rzeczy naraz i przypisałem skutek tej, która pasowała do mojej teorii. Do dziś nie wiem, co zawiodło za pierwszym razem. Wiem tylko, że nie był to kształt rejestracji.
Wątek, który wiedział lepiej
Nowe wątki ChatGPT wykrywały narzędzia od razu. Ten, który nie wykrył ich za pierwszym razem, nie wykrywał dalej. Twierdził, że inne strony podają mu informację z linkami na tacy, a senteri nie mówi nic o tym, że ma szukać WebMCP.
W tym zarzucie były dwie rzeczy naraz. Pierwsza dotyczy agenta: raz uznał, że narzędzi nie ma, i dalej rozumował z własnej rozmowy, zamiast sprawdzić stronę od nowa. Druga dotyczyła mnie, bo miał rację. Senteri miało narzędzia, ale nigdzie o nich nie mówiło. Nawet llms.txt nie był podlinkowany.
Dołożyłem więc to, co ma tamten serwis: w <head> linki do strony dla agentów, do katalogu interfejsów i do llms.txt, a do tego samą stronę /dla-agentow/ z opisem każdego narzędzia. Agent nadal nie znalazł jej sam. Znalazł dopiero wtedy, gdy wkleiłem mu adres.
Jego czytnik widzi treść strony, nie <head> i nie nagłówki HTTP. Deklaracja schowana tam, gdzie zaglądają przeglądarki i wyszukiwarki, dla tego agenta nie istnieje. Tamten serwis ma link „Dla agentów AI” w stopce, widoczny dla każdego. Senteri ma go teraz też.
Gdy już znalazł, wybrał zwykłe HTTP
Z adresem /dla-agentow/ w ręku agent poradził sobie sam. Przeczytał opisy pięciu narzędzi i ich parametry, pobrał katalog narzędzi w JSON, wywołał wyszukiwanie (60 tekstów) i przeczytał llms.txt. Natywnych narzędzi WebMCP w tym wątku nie użył. Wybrał ich odpowiedniki pod zwykłymi adresami.
Jedno potknięcie było moje. Katalog interfejsów wystawiłem zgodnie ze standardem RFC 9727, jako application/linkset+json. Czytnik ChatGPT tego typu nie otworzył. Teraz katalog odpowiada zwykłym JSON, a format ze standardu dostaje tylko ten, kto wprost o niego poprosi.
Po tym teście zadałem sobie pytanie, które powinienem był zadać na początku: po co agent miałby używać WebMCP na senteri, skoro może pytać bezpośrednio? WebMCP ma sens tam, gdzie człowiek i agent są razem na stronie, która ma stan: koszyk, formularz, panel po zalogowaniu. Senteri ma publiczne teksty i nic więcej.
Dla takiego serwisu głównymi drzwiami jest otwarty serwer MCP. Działa z każdego klienta, nie wymaga otwartej strony ani testu w Chrome, który kończy się w marcu. Postawiłem go tego samego wieczoru. Ma te same pięć narzędzi i działa jako konektor w Claude.
Czego nie wiem
Nie wiem, czy ktokolwiek poza mną z tego skorzysta. Żeby się dowiedzieć, dołożyłem licznik: każde wywołanie narzędzia przez MCP, WebMCP, REST, wersję Markdown czy llms.txt trafia do tabeli, z nazwą klienta, jeśli ten się przedstawi. Adresów IP nie zapisuję.
Jednej rzeczy licznik nie pokaże: że agent zobaczył narzędzia WebMCP na stronie. To dzieje się wyłącznie w przeglądarce. Strona dowie się dopiero o wywołaniu, a o tym, że agent narzędzi nie widzi, nie dowie się wcale. Ta awaria jest cicha, i to była pierwsza lekcja tego wieczoru.
Wrócę z liczbami za kilka tygodni.
Co z tego dla projektanta strony
- Rejestracja to nie odkrycie. To, że przeglądarka przyjęła narzędzia, nie znaczy, że agent je widzi. Sprawdzaj w kliencie, którego używają ludzie, nie tylko w Canary.
- Testuj w nowym wątku. Agent, który raz uznał, że czegoś nie ma, nie sprawdzi tego sam.
- Zmieniaj jedną rzecz naraz. Inaczej poprawka, która „zadziałała”, może być zbiegiem okoliczności. U mnie była.
- Powiedz o narzędziach w treści. Link w
<head>jest dla przeglądarek. Agent czyta to, co widzi człowiek, więc widoczny link w stopce działa lepiej. - Standardowy format to nie zawsze czytelny format. Daj zwykły JSON domyślnie, a format ze specyfikacji na życzenie.
- Dla treści głównymi drzwiami jest MCP albo zwykłe HTTP. WebMCP ma przewagę tam, gdzie strona ma stan i sesję. Agent, który znalazł oba wejścia, sam wybrał HTTP.
Na marginesie
Katalog interfejsów miał stanąć pod /.well-known/api-catalog, tak jak przewiduje standard. Na moim hostingu katalog /.well-known/ obsługuje serwer dla certyfikatów Let's Encrypt i WordPress tam nie sięga. Standard dopuszcza też link rel="api-catalog" pod dowolny adres, więc katalog mieszka w REST.
Poprzednie teksty: WebMCP pięć miesięcy później, Słownik chciał wygodniejszych drzwi, Ustawienie domyślne w pliku. Opis narzędzi: senteri.pl/dla-agentow/.