OpenAI、ChatGPT に WebMCP 対応を追加しエージェント連携を強化

TL;DR

• OpenAI が、ChatGPT デスクトップアプリの組み込みブラウザおよび ChatGPT Sites で WebMCP サポートを開始したと発表しました。
• ChatGPT や Codex が対応するウェブサイトを訪問すると、そのサイトが提供するツールを自動的に発見し、インターフェースを推測して操作するのではなく、実際にそれらのツールを活用してタスクを完了できます。
• 今後は、ウェブサイトを利用する主体が「人間のために行動するエージェント」である場合もあれば、「人間とエージェントが一緒に閲覧する」ケースも生まれます。
• ツールの公開は技術的な第一歩に過ぎません。ウェブサイトの運営チーム側でも、エージェント体験全体を設計・テスト・理解する必要があります。

🚨 WebMCP.com から WebMCP ツールを直接作成できるようになりました 🚨。**ウェブサイトのスキャンから始めるか、すでに使っているコーディングエージェントを使ってコードベースから構築することも可能です。

ツールが準備できたら、WebMCP ツールの管理・テスト・改善を行うワークスペース AgentLane であなたのサイトを登録できます。

本日、OpenAI は ChatGPT デスクトップアプリの組み込みブラウザおよび ChatGPT Sites への WebMCP サポート追加を発表しました。詳細はこちら。

ChatGPT や Codex が対応するウェブサイトを訪問すると、そのサイトが公開しているツールを自動的に発見し、顧客のタスク完了に活用できるようになります。また、今回の発表に合わせて Google Chrome、Cloudflare、Shopify、Vercel、Render、Netlify の協力を得て、「WebMCP Challenge」を開催します（ご質問があれば：はい、私たちも参加して素晴らしいものを構築する予定です）。詳細はこちら。

数ヶ月にわたり、私たちはウェブサイトや Web インフラがエージェントの登場に向けて準備を進める様子を見守ってきました。今回の発表は、その双方向性のもう一方を繋ぐものです。ChatGPT と Codex は今や、各ウェブサイトが提供するアクションを実行できるようになりました。

現在、多くのエージェントは人間と同様の方法でウェブサイトを操作しています。ページを読み込み、メニューを開き、入力欄に情報を入力し、次に押すべきボタンを推測するのです。このアプローチも機能しますが、エージェントが人間の目向けに設計されたインターフェースを解釈しているため、処理が遅く、脆いという欠点があります。

ChatGPT のデスクトップ製品（Chat / Work / Codex）には、セッションと並行して開ける内蔵ブラウザが搭載されています。ChatGPT にサイトのナビゲーションを依頼したり、CRM への入力を代行させたり、ブラウザ上でのあらゆる操作を行わせたりできます。その様子は目の前で確認可能です。

実は今日でも十分に機能していますが、3 つの課題が残っています：

1) 処理が非常に遅いこと

2) 誤作動を起こす可能性があること

3) サイト運営者がこうした行動（コブラウジングと呼ばれる）を把握できないこと

WebMCP は、エージェントにとってよりクリーンなルートを提供します。ウェブサイトは、製品の検索や在庫確認、カートへの追加、予約の取得、トライアル開始など、構造化されたアクションリストを公開できます。これにより、前述の問題が解決されます。実際には、その速さと精度を実証するために WebMCP ベンチマークを初めて構築しましたので、こちら でご確認ください。

また、サイト運営者は自らの判断でサイトを公開できる一方、エージェントがどのように利用しているかに関する豊富なデータを入手できます。

ChatGPT に「防水のハイキングシューズ（サイズ 11、価格$160 以下）を探して、最適な選択肢をカートに追加してほしい」と指示したと想像してください。通常のウェブサイトでは、エージェントは検索を実行し、複数の製品ページを開き、フィルターを選択し、バリエーションを確認し、適切なカートボタンをクリックする必要があります。

WebMCP を有効化したストアであれば、これらのステップをツールとして公開できます。ChatGPT はそれらを直接呼び出すことができ、サイト側は各ツールの動作内容や、確認が必要なアクションを制御し続けることができます。

OpenAI によると、ChatGPT や Codex が互換性のあるサイトを訪問した際に、この処理は自動的に発生します。顧客がエージェントに利用させたいそれぞれのウェブサイトに対して個別の統合を見つけてインストールする必要はありません。

5 月、Google が Lighthouse に「エージェント型ブラウジング」カテゴリを追加し、WebMCP のチェック機能も導入したと報じました。7 月には Shopify が自社のストア全体で WebMCP ツールの提供を開始しました。そして先月初め、Cloudflare が WebMCP をウェブサイト上でより簡単に展開できるインフラストラクチャを発表しています。

これらの発表により、ウェブサイトはツールを公開できるようになりました。しかし OpenAI はさらに一歩進み、それらのツールを実際に活用できる大規模なエージェント機能を提供し始めました。

この連携こそが、WebMCP を単なる開発者間の議論から、一般ユーザーが日常のタスクで遭遇する可能性のある実用的な技術へと変える鍵です。EC サイトなら商品カタログやカート関連のツールを公開でき、旅行サイトは空席状況や予約機能を提供できます。SaaS プロダクトであれば、オンボーディングやアカウント操作などのアクションを外部に公開可能です。ChatGPT はウェブサイト内でこれらのアクションを実行できるようになります。

今回の発表が特に注目されるのは、OpenAI が同日にもう二つの重要な発表を行った点です。

まず一つ目は、ChatGPT Work がブラウザを使用してユーザーに代わってサービスへのログインが可能になったことです。これにより、パスポートの予約申請や保険契約の確認、フォーム入力の自動化など、ウェブ上で行えるあらゆるタスクに対応できるようになりました。この発表は Sam Altman 氏自身もリポストしており、その重要性が示されています。

さらに OpenAI は、ChatGPT のブラウザ拡張機能を Edge、Brave、Opera、Vivaldi にも展開しました。これにより、ChatGPT は普段使っているブラウザを通じてウェブタスクを完遂できるようになりました。

これは何を意味するのでしょうか。エージェントがブラウザ上で数百もの新しいユースケースで登場し始めています。そして、より多くのエージェントがウェブを利用するようになれば、ウェブサイト側も「エージェント対応」への需要は急激に高まるでしょう。

ウェブサイトチームがエージェント対応を実現するために考慮すべきには、大きく分けて 2 つの体験があります。

• ヘッドレス（Headless）: エージェントが顧客の代わりにサイトを訪問します。ユーザーは ChatGPT に希望を伝えるだけで、エージェントが検索や比較、詳細入力を代行し、プロセスを進めます。エージェントはあくまで人のために動いていますが、サイトにとっては即座に「利用者」として振る舞うことになります。

• 共ブラウジング（Co-browsing）: 人間とエージェントが同じサイトを共有しながら利用します。顧客は画面を見ながら、エージェントが検索やフィルタ適用、フォーム更新、カートへの追加などを実行できます。これは人間側のインターフェースとエージェントのツールが同じ体験上で連携する形態です。

顧客に代わって行動するエージェントには、明確な結果、信頼性の高いアクション、認証機能、そして安全な境界線が必要です。また、共閲覧（コ・ブラウジング）においては、人間側もエージェントが何を変更したかを理解し、現在の状態を確認し、重要なアクションを承認でき、何か問題が発生した際には復旧できる必要があります。

つまり、ツールを公開するだけでは、自動的に有用な顧客体験が生まれるわけではありません。ツールは、元の依頼から顧客が理解し、望む結果へとつながる必要があります。

エージェントが在庫状況を確認できない限り、検索ツールだけでは不十分です。正しいオプションを選択できない製品ツールも同様です。カートに追加された内容が見えず、次のステップを確認できない場合、カート機能も役に立ちません。

さらに詳しく学びたい方のために、WebMCP をサイトに実装し、効果的なエージェント体験を構築するためのガイドラインを こちら にまとめています。