OpenAI dá ao ChatGPT e Codex um caminho WebMCP estruturado para sites

A OpenAI adicionou Site tools ao navegador integrado da aplicação ChatGPT para desktop, dando ao ChatGPT e ao Codex uma forma estruturada de utilizar funções expostas pelos próprios sites em vez de depender apenas de navegação visual, cliques e introdução simulada de texto. A funcionalidade baseia-se no WebMCP, uma proposta de standard web para declarar ferramentas que um agente pode descobrir e invocar diretamente na página. Para os programadores, a mudança importante é que um agente pode agora trabalhar contra uma superfície de ferramentas explicitamente definida pelo site, mantendo-se na sessão ativa e autenticada do utilizador.

Segundo a documentação de Site tools da OpenAI, uma página compatível pode disponibilizar ações que o ChatGPT descobre automaticamente quando correspondem ao pedido do utilizador. O utilizador pode inspecionar as ferramentas disponíveis, ver se leem ou alteram informação e consultar as ferramentas usadas recentemente. A OpenAI indica que a funcionalidade só está disponível quando a conta, o modelo selecionado e a página atual a suportam, e que pode ser desativada nas definições de permissões do navegador para desktop.

Da automação do navegador para ferramentas declaradas

A maioria dos agentes de navegador atuais tem de inferir como operar um site a partir da interface. Inspeciona a página, identifica botões e campos, decide o que cada controlo provavelmente significa e depois simula as interações do utilizador. Esta abordagem pode funcionar, mas é frágil. Pequenas alterações de layout, etiquetas ambíguas, componentes dinâmicos ou estado oculto podem levar o agente a escolher o controlo errado ou a perder o contexto do workflow.

O WebMCP altera esta fronteira de integração. Um site pode descrever capacidades específicas como ferramentas estruturadas, com parâmetros e comportamento que o agente consegue compreender diretamente. A documentação WebMCP do Chrome descreve esta abordagem como um progressive enhancement para a execução de tarefas agentic: a interface para pessoas mantém-se, enquanto as declarações estruturadas dão aos agentes de navegador um contrato mais claro para agir.

Na prática, um site de viagens pode expor uma ação de pesquisa ou itinerário, um editor colaborativo pode disponibilizar operações sobre documentos e uma loja pode expor funções de catálogo e carrinho. O agente deixa de ter de tratar cada tarefa como uma sequência de cliques inferidos. O próprio site define a superfície de ações suportada.

ChatGPT e Codex passam a ter um caminho de produto para WebMCP

O protocolo não é novo por si só. O Google Chrome desenvolve WebMCP experimentalmente há vários meses e a Cloudflare e outros fornecedores de infraestrutura já testaram formas de expor ferramentas WebMCP. O que mudou esta semana foi a integração no produto da OpenAI: Site tools tornam essas declarações diretamente utilizáveis pelo ChatGPT e Codex no navegador integrado da aplicação para desktop.

O WebMCP Challenge da OpenAI mostra também que a empresa está a incentivar ativamente os programadores a criar aplicações preparadas para agentes em torno do standard. A página do desafio explica que WebMCP permite aos sites expor ferramentas estruturadas que os agentes podem usar diretamente e refere que aplicações compatíveis podem ser testadas no navegador integrado do ChatGPT e em ambientes experimentais do Chrome.

A publicação técnica japonesa independente gihyo.jp noticiou que a atualização de 25 de agosto do ChatGPT e Codex acrescentou Site tools baseadas em WebMCP ao navegador integrado, permitindo a Work e Codex detetar e usar funções disponibilizadas por páginas compatíveis. Isto confirma que se trata de uma integração efetivamente lançada no produto, e não apenas de uma proposta de standard ou developer preview.

A fronteira de segurança aproxima-se do próprio site

As ferramentas estruturadas podem melhorar a fiabilidade, mas não eliminam os problemas de segurança dos agentes. Em alguns aspetos tornam a fronteira de controlo mais explícita. Uma ferramenta funciona no contexto de um utilizador que pode já estar autenticado no site, pelo que os programadores têm de considerar cuidadosamente autorização, confirmação, scope e a diferença entre operações de leitura e escrita.

A documentação da OpenAI afirma que os utilizadores podem inspecionar as permissões das ferramentas e que podem surgir pedidos de acesso ao site antes de o ChatGPT continuar. Também indica que as ferramentas só estão disponíveis enquanto a página relevante estiver aberta e não transitam automaticamente entre sites. Estas limitações são importantes porque WebMCP não é uma camada geral de autorização. O site continua a controlar a identidade do utilizador e as permissões associadas à sessão.

Para equipas de aplicações, isto sugere uma regra de desenho: expor uma operação a um agente deve ser tratado mais como publicar um método de API do que como adicionar uma etiqueta acessível a um botão. Descrições das ferramentas, validação de parâmetros, verificações de permissões, requisitos de confirmação e auditabilidade passam a fazer parte da interface agent do produto.

WebMCP não substitui o MCP convencional

A semelhança dos nomes pode induzir em erro. WebMCP foi concebido para agentes que operam no navegador sobre a página que o utilizador está a ver. Integrações convencionais de Model Context Protocol ligam normalmente um agente a ferramentas, serviços ou fontes de dados remotos fora do ciclo de vida da página. As duas abordagens podem coexistir.

Esta distinção é relevante para arquitetura. Uma equipa pode usar MCP para acesso back-end persistente a um serviço e WebMCP para ações sensíveis ao contexto de uma página autenticada em tempo real. A sessão do navegador fornece estado do utilizador e contexto imediato da interface, enquanto a declaração estruturada reduz a necessidade de adivinhar visualmente como operar a página.

Para equipas que constroem produtos agentic, isto cria mais uma camada de interoperabilidade a avaliar. A vantagem é um contrato mais explícito entre o site e o agente de navegador. A desvantagem é uma nova superfície que tem de ser versionada, testada, protegida e monitorizada em conjunto com a interface humana e APIs existentes.

O que os programadores devem testar agora

A funcionalidade continua ligada a um standard experimental e a disponibilidade depende da conta, do modelo e do suporte do site. Por isso, as equipas não devem assumir que WebMCP já é uma interface universal de produção. A abordagem de curto prazo adequada é experimentação controlada.

Os programadores devem testar se os schemas das ferramentas permanecem estáveis quando a interface muda, como o agente se comporta quando várias ferramentas parecem adequadas, quais ações precisam de confirmação explícita, como os erros são apresentados e se as verificações de autorização são idênticas às operações executadas por pessoas. Devem também testar cenários de prompt injection e conteúdo não confiável, porque uma interface estruturada de ferramentas não torna automaticamente confiável a página em redor.

O significado mais amplo é que os agentes de navegador estão a ganhar um caminho de integração de primeira classe entre automação frágil de UI e uma integração separada de API back-end. Com Site tools, a OpenAI tornou esse caminho diretamente utilizável pelo ChatGPT e Codex. Se o standard amadurecer, as equipas web poderão passar a desenhar duas interfaces em paralelo: uma para pessoas e outra, como superfície de ações estruturadas, para agentes que atuam em nome dessas mesmas pessoas.

Sources
- Using site tools in the ChatGPT desktop app
- WebMCP Challenge
- WebMCP
- ChatGPT built-in browser adds WebMCP site tools