WebMCP ಎಂಬುದು React ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ತಮ್ಮ ರಚನಾತ್ಮಕ tool APIsಗಳನ್ನು ನೇರವಾಗಿ AI ಏಜೆಂಟ್‌ಗಳಿಗೆ ಒದಗಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಇದು ಅಸ್ಥಿರವಾದ UI-scraping ಬದಲಿಗೆ ವಿಶ್ವಾಸಾರ್ಹ ಮತ್ತು UI-ಅವಲಂಬಿತವಲ್ಲದ (UI-independent) ಕರೆಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಈ ವೈಶಿಷ್ಟ್ಯವು Chrome 149 ಮತ್ತು ಅದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಆವೃತ್ತಿಗಳಿಗಾಗಿ origin-trial ನಲ್ಲಿ ಲಭ್ಯವಿದೆ ಮತ್ತು ನೀವು ಇದನ್ನು chrome://flags/#enable-webmcp-testing ಮೂಲಕ ಆನ್ ಮಾಡಬಹುದು.

ಏಜೆಂಟ್‌ಗಳಿಗೆ ಕ್ಲಿಕ್ ಮಾಡಲು ಕಲಿಸುವುದರಲ್ಲಿರುವ ಸಮಸ್ಯೆ

AI ಏಜೆಂಟ್‌ಗಳು ವೆಬ್ ಪುಟದೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು ಪ್ರಸ್ತುತ ಮಾಡುತ್ತಿರುವ ಹೆಚ್ಚಿನ ಪ್ರಯತ್ನಗಳು ದೃಶ್ಯ ಸಂಕೇತಗಳ (visual cues) ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿವೆ. ಏಜೆಂಟ್ DOM ಅನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ, ಯಾವ ಎಲಿಮೆಂಟ್ ಬಟನ್ ಎಂದು ಊಹಿಸುತ್ತದೆ, ಕ್ಲಿಕ್‌ಗಳನ್ನು ಅನುಕರಿಸುತ್ತದೆ, ಸ್ಕ್ರೋಲ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಫಾರ್ಮ್ ಫೀಲ್ಡ್‌ಗಳನ್ನು ತುಂಬುತ್ತದೆ. ಒಂದು ಬಟನ್ ಚಲಿಸಿದಾಗ ಅಥವಾ ಲೇಬಲ್ ಬದಲಾದಾಗ ಅಥವಾ ಲೇಔಟ್‌ನಲ್ಲಿ ಸಣ್ಣ ಬದಲಾವಣೆ ಮಾಡಿದಾಗಲೂ ಸ್ಕ್ರಿಪ್ಟ್ ವಿಫಲವಾಗುತ್ತದೆ. ಈ ವಿಧಾನವು ನಿಧಾನಗತಿಯದ್ದಾಗಿದೆ ಏಕೆಂದರೆ ಇದು ಪ್ರತಿ ಹಂತವನ್ನು ಬ್ರೌಸರ್ ರೆಂಡರ್ ಮಾಡುವವರೆಗೆ ಕಾಯಬೇಕಾಗುತ್ತದೆ ಮತ್ತು ಸಾಮಾನ್ಯ ವಿನ್ಯಾಸ ಬದಲಾವಣೆಗಳು (redesign) ಇಡೀ ಆಟೊಮೇಷನ್ ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಹಾಳುಮಾಡಬಹುದು.

WebMCP ಮಾದರಿಯನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ

WebMCP ಎಂಬುದು Google Chrome ಪರಿಚಯಿಸಿದ ಹೊಸ ವೆಬ್ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಆಗಿದೆ. ಏಜೆಂಟ್ ಅನ್ವೇಷಿಸಲು ದೃಶ್ಯ ಮೇಲ್ಮೈಯನ್ನು (visual surface) ತೋರಿಸುವ ಬದಲು, ಒಂದು ಪುಟವು ತನ್ನಲ್ಲಿರುವ toolsಗಳ ಗುಂಪನ್ನು ಪ್ರಕಟಿಸುತ್ತದೆ—ಅಂದರೆ ಪುಟವು ಮಾಡಬಹುದಾದ ಹೆಸರಿಸಲ್ಪಟ್ಟ ಮತ್ತು ವಿಧೀಕೃತ (typed) ಕಾರ್ಯಾಚರಣೆಗಳು. AI ಏಜೆಂಟ್ ಮೊದಲು “ಯಾವ tools ಲಭ್ಯವಿವೆ?” ಎಂದು ಕೇಳುತ್ತದೆ; ಪುಟವು “searchProducts” ಅಥವಾ “checkout” ನಂತಹ ಪಟ್ಟಿಯನ್ನು ನೀಡುತ್ತದೆ. ನಂತರ ಏಜೆಂಟ್ ಆ tool ನ ಘೋಷಿತ ಇನ್‌ಪುಟ್ ಸ್ಕೀಮಾಗೆ (input schema) ಹೊಂದಿಕೆಯಾಗುವ JSON ಪೇಲೋಡ್ ಅನ್ನು ಕಳುಹಿಸುವ ಮೂಲಕ tool ಅನ್ನು ಬಳಸುತ್ತದೆ, ಉದಾಹರಣೆಗೆ searchProducts(query: "jacket"). ಬ್ರೌಸರ್ ಈ ವಿನಂತಿಯನ್ನು ನೇರವಾಗಿ ಪುಟದ JavaScript ಗೆ ಕಳುಹಿಸುತ್ತದೆ, ಇದು ಯಾವುದೇ UI ಒಳಗೊಳ್ಳುವಿಕೆ ಇಲ್ಲದೆ ಮೂಲ ತರ್ಕವನ್ನು (underlying logic) ಚಲಾಯಿಸುತ್ತದೆ.

ಇದರ ಪರಿಣಾಮವಾಗಿ ಸಂವಹನವು ತಕ್ಷಣವೇ ನಡೆಯುತ್ತದೆ, CSS ಬದಲಾವಣೆಗಳ unaffected ಆಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಮತ್ತು tool ವ್ಯಾಖ್ಯಾನಗಳು ಸ್ಥಿರವಾಗಿರುವವರೆಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ಡೆವಲಪರ್‌ಗಳಿಗೆ ಉಪಯುಕ್ತವಾದ ಪ್ರಯೋಜನಗಳು

  • Speed (ವೇಗ) – ಸಂವಹನವು ಬ್ರೌಸರ್‌ನ ಮೆಸೇಜಿಂಗ್ ಸಿಸ್ಟಮ್‌ನಲ್ಲೇ ಇರುತ್ತದೆ, ಇದರಿಂದ ಕ್ಲಿಕ್‌ಗಳನ್ನು ರೆಂಡರ್ ಮಾಡುವುದು ಮತ್ತು ಪೇಜ್ ಅಪ್‌ಡೇಟ್‌ಗಳಿಗಾಗಿ ಕಾಯುವ ಪ್ರಕ್ರಿಯೆಯ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ.
  • Reliability (ವಿಶ್ವಾಸಾರ್ಹತೆ) – Tools ಸೈಟ್ ತನ್ನದೇ UI ಗಾಗಿ ಈಗಾಗಲೇ ಬಳಸುವ ಫಂಕ್ಷನ್‌ಗಳನ್ನೇ ಕರೆಯುತ್ತವೆ, ಆದ್ದರಿಂದ ವಿನ್ಯಾಸ ಬದಲಾವಣೆ (redesign) API ಅನ್ನು ಹಾಳುಮಾಡುವುದಿಲ್ಲ.
  • Control (ನಿಯಂತ್ರಣ) – ಯಾವ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಪ್ರದರ್ಶಿಸಬೇಕು, ಅವು ಯಾವ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳನ್ನು ಸ್ವೀಕರಿಸುತ್ತವೆ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯಲ್ಲಿ ಏಜೆಂಟ್ ಏನನ್ನು ನೋಡಬಹುದು ಎಂಬುದನ್ನು ಡೆವಲಪರ್‌ಗಳೇ ನಿರ್ಧರಿಸುತ್ತಾರೆ.
  • UI independence (UI ಅವಲಂಬಿತವಲ್ಲದಿರುವುದು) – ಸ್ಟೈಲಿಂಗ್, ಲೇಔಟ್ ಅಥವಾ ಕಾಂಪೊನೆಂಟ್ ರಿಫ್ಯಾಕ್ಟರಿಂಗ್ (refactoring) ಇನ್ನು ಮುಂದೆ ಏಜೆಂಟ್‌ನ ಫೀಚರ್ ಬಳಸುವ ಸಾಮರ್ಥ್ಯದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ.

WebMCP ಸರ್ವರ್ ಸೈಡ್‌ನಲ್ಲಿ ಬಳಸಲಾಗುವ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ MCP (Message-Channel-Protocol) ಅನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ. MCP ದತ್ತಾಂಶವನ್ನು ಪಡೆಯುವುದು (data fetching) ಮತ್ತು ಬ್ಯಾಕೆಂಡ್ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಅನ್ನು ನಿರ್ವಹಿಸುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತದೆ, ಆದರೆ WebMCP ಟ್ಯಾಬ್‌ನೊಳಗಿನ ಲೈವ್ ಸಂವಹನಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.

React ಡೆವಲಪರ್‌ಗಳು ಹೇಗೆ ಪ್ರಾರಂಭಿಸಬಹುದು

React ಕೋಡ್ ಅನ್ನು ಇಂಪೆರೇಟಿವ್ JavaScript API ಅಥವಾ ಡೆಕ್ಲರೇಟಿವ್ HTML ಫಾರ್ಮ್ ಆಧಾರಿತ API ಬಳಸಿ tools ಅನ್ನು ನೋಂದಾಯಿಸಬಹುದು. ನೋಂದಣಿಯನ್ನು ಕಸ್ಟಮ್ ಹೂಕ್‌ನಲ್ಲಿ (custom hook) ಸುತ್ತುವರಿಯುವುದು ಒಂದು ಸಾಮಾನ್ಯ ವಿಧಾನವಾಗಿದೆ:

  1. Tool ನ ಹೆಸರು ಮತ್ತು ಸಂಕ್ಷಿಪ್ತ ವಿವರಣೆಯೊಂದಿಗೆ ನೋಂದಣಿ ಫಂಕ್ಷನ್ ಅನ್ನು ಕರೆಯಿರಿ.
  2. ಇನ್‌ಪುಟ್ ಸ್ಕೀಮಾವನ್ನು ಒದಗಿಸಿ (ಉದಾಹರಣೆಗೆ, ಅಗತ್ಯವಿರುವ ಫೀಲ್ಡ್‌ಗಳನ್ನು ವಿವರಿಸುವ JSON schema).
  3. ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಬಿಸಿನೆಸ್ ಲಾಜಿಕ್ ಅನ್ನು ಚಲಾಯಿಸುವ execute ಕಾಲ್‌ಬ್ಯಾಕ್ ಅನ್ನು ಒದಗಿಸಿ—ಇದು ಹೆಚ್ಚಾಗಿ ಬಟನ್ ಕ್ಲಿಕ್ ಮಾಡಿದಾಗ ಚಲಿಸುವ ಅದೇ ಫಂಕ್ಷನ್ ಆಗಿರುತ್ತದೆ.

ಹೂಕ್ ಚಲಿಸಿದಾಗ, ಬ್ರೌಸರ್ ಆ tool ಅನ್ನು ಪುಟದ WebMCP manifest ಗೆ ಸೇರಿಸುತ್ತದೆ. Manifest ಅನ್ನು ಪತ್ತೆಹಚ್ಚುವ AI ಏಜೆಂಟ್, DOM ಅನ್ನು ಮುಟ್ಟದೆಯೇ tool ಅನ್ನು ಬಳಸಬಹುದು.

ನೋಂದಣಿಯು ಕಾಂಪೊನೆಂಟ್ ಮೌಂಟ್ ಸಮಯದಲ್ಲಿ (component mount time) ನಡೆಯುವುದರಿಂದ, tools ಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ರೂಟ್‌ಗಳು ಅಥವಾ ಫೀಚರ್ ಫ್ಲಾಗ್‌ಗಳಿಗೆ ಸೀಮಿತಗೊಳಿಸಬಹುದು. ಇದು ಪ್ರೊಡಕ್ಷನ್ ಮತ್ತು ಟೆಸ್ಟ್ ಎನ್ವಿರಾನ್‌ಮೆಂಟ್‌ನಲ್ಲಿ AI ಏನು ಮಾಡಬಹುದು ಎಂಬುದರ ಮೇಲೆ ತಂಡಗಳಿಗೆ ಸೂಕ್ಷ್ಮ ನಿಯಂತ್ರಣವನ್ನು ನೀಡುತ್ತದೆ.

ಎಚ್ಚರಿಕೆಗಳು ಮತ್ತು ಗಮನಿಸಬೇಕಾದ ಅಂಶಗಳು

WebMCP ಇನ್ನೂ origin trial ಹಂತದಲ್ಲಿದೆ. ಇದು Chrome 149+ ನಲ್ಲಿ ಮಾತ್ರ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಮತ್ತು ಫ್ಲಾಗ್ (flag) ಮೂಲಕ ಮ್ಯಾನುಯಲ್ ಆಗಿ ಎನೇಬಲ್ ಮಾಡಬೇಕು.

ಮುಂದೆ ಏನಾಗಲಿದೆ?

AI-ನೇಟಿವ್ ವೆಬ್ ಅನುಭವಗಳೊಂದಿಗೆ ಪ್ರಯೋಗ ಮಾಡಲು ಬಯಸುವ ಡೆವಲಪರ್‌ಗಳಿಗಾಗಿ Google ಈ ಟ್ರಯಲ್ ಅನ್ನು ತೆರೆದಿದೆ. ಆಸಕ್ತಿ ಇರುವವರು ಮಾಡಬೇಕಾದ ಮುಂದಿನ ಹಂತಗಳು ಇಲ್ಲಿವೆ:

  • Chrome ನಲ್ಲಿ ಫ್ಲಾಗ್ ಅನ್ನು ಎನೇಬಲ್ ಮಾಡಿ ಮತ್ತು ಗುರಿ ತಾಣವನ್ನು (target site) ರಿಲೋಡ್ ಮಾಡಿ.
  • React ಕಾಂಪೊನೆಂಟ್‌ನಲ್ಲಿ ಸರಳ tool ನೋಂದಣಿಯನ್ನು ಸೇರಿಸಿ ಮತ್ತು ಬ್ರೌಸರ್‌ನ devtools ನಲ್ಲಿ manifest ಕಾಣಿಸಿಕೊಳ್ಳುವುದನ್ನು ಗಮನಿಸಿ.
  • tool ಅನ್ನು ಕರೆಯಲು ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಪರಿಶೀಲಿಸಲು ಒಂದು AI ಕ್ಲೈಂಟ್ ಅನ್ನು (ಉದಾಹರಣೆಗೆ, WebMCP ಪ್ರೊಟೊಕಾಲ್ ಅನ್ನು ಅನುಸರಿಸುವ ಲೋಕಲ್ ಸ್ಕ್ರಿಪ್ಟ್) ಪರೀಕ್ಷಿಸಿ.
  • ಸ್ಟೇಬಲ್ ಶಿಪ್ಪಿಂಗ್ ಬಗ್ಗೆ ಅಪ್‌ಡೇಟ್‌ಗಳಿಗಾಗಿ ಟ್ರಯಲ್‌ನ ಸ್ಟೇಟಸ್ ಪೇಜ್ ಅನ್ನು ಗಮನಿಸುತ್ತಿರಿ.

ಸಾರಾಂಶ: WebMCP ಎಂಬುದು React ಡೆವಲಪರ್‌ಗಳಿಗೆ ತಮ್ಮ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು AI ಏಜೆಂಟ್‌ಗಳು ನೇರವಾಗಿ ಕರೆಯುವಂತೆ ಮಾಡುವ ಮಾರ್ಗವನ್ನು ನೀಡುತ್ತದೆ, ಇದು UI ಎಲಿಮೆಂಟ್‌ಗಳನ್ನು ಸ್ಥಿರವಾದ, ಟೈಪ್ಡ್ ಸರ್ವಿಸ್‌ಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಈ ಬದಲಾವಣೆಯು screen-scraping ನ ನಿರ್ವಹಣಾ ತೊಂದರೆಯನ್ನು ನಿವಾರಿಸುತ್ತದೆ ಮತ್ತು ನಿಜವಾದ AI-ನೇಟಿವ್ ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಕಡೆಗೆ ದಾರಿಯನ್ನು ಮಾಡಿಕೊಡುತ್ತದೆ—ತಂಡಗಳು ಪ್ರಯೋಗಾತ್ಮಕ Chrome ಪರಿಸರದಲ್ಲಿ ಕೆಲಸ ಮಾಡಲು ಸಿದ್ಧವಿದ್ದರೆ ಮಾತ್ರ ಇದು ಸಾಧ್ಯ.