WebMCP结合Jev碾压GPT-6 Astra：重写网页自动化规则
内容提要
WebMCP协议使Jev与Mercury 2.5组合在网页自动化测试中完成全部49个任务，准确率100%，成本仅为GPT-6 Astra的1/112。其核心是将屏幕像素操作转为离散工具调用，由Jev选择动作、Mercury填充参数，避免截图识别的高成本与误差。同一Jev用传统浏览器操作仅完成25个任务，准确率51%，凸显协议层对决策空间的压缩优势。
延伸解读
协议层如何压缩决策空间
WebMCP将网页功能封装为命名工具，使Jev只需从离散选项中选择动作，而非解析像素截图。这大幅降低了决策复杂度，因为工具名称直接对应功能语义，避免了视觉识别中的歧义和误差。文章指出，这种压缩效应在数学结构上难以被纯视觉方案追平，因为信息熵差距显著。
成本优势背后的分工逻辑
Jev负责从工具清单中选动作，Mercury 2.5负责生成参数，这种分工将最贵的推理预算用于关键决策，而参数生成交给轻量模型。文章强调，网页操作的核心难点是判断下一步动作，而非填充细节，因此该架构能大幅降低成本，同时保持高准确率。
时序问题与协议内聚
在传统浏览器操作中，Jev常因时序判断失误而失败，如表单未加载完就提交。WebMCP将时序逻辑内聚到工具层，由网站自身判断操作可行性，Jev只需决定是否执行。这减轻了模型负担，提升了任务完成率，是准确率从51%跃升至100%的关键因素之一。
基准测试的局限与社区参与
文章提到，WebMCP团队公开了测试代码和日志，并欢迎社区优化Ultrafast的Harness配置。当前25分的成绩仅代表特定实现，若其他框架提升基线，差距可能缩小。但协议层带来的决策空间压缩效应，在数学结构上几乎不可能被纯视觉方案追平。
Q&A
WebMCP协议是什么？它的核心思想是什么？
WebMCP全称Web Model Context Protocol，脱胎于Anthropic的MCP开放协议。它让网站将核心功能封装成命名明确的工具接口（如search_products、add_to_cart），通过协议暴露给外部调用方。核心思想是将网页操作从屏幕像素识别转变为离散工具调用，从而压缩决策空间。
Jev和Mercury 2.5是如何分工完成网页自动化任务的？
Jev负责从WebMCP提供的工具清单中选择正确的动作，它只能从离散选项里做选择，不能生成自由文本。Mercury 2.5负责填充参数，例如生成搜索关键词或填写地址。这种分工将最贵的推理预算用于关键决策，用最便宜的算力处理简单参数生成，从而大幅降低成本。
WebMCP方案相比GPT-6 Astra的Computer Use方案，成本优势有多大？
根据基准测试，Jev加Mercury 2.5通过WebMCP操作浏览器的推理成本仅为GPT-6 Astra使用代码执行加Computer Use方式的1/112。如果GPT-6 Astra切换到纯截图视觉模式，成本差距拉大到245倍。
为什么让大语言模型直接看屏幕操作网页（Computer Use）效果不好？
因为普通网页的DOM结构可能包含几千个可交互元素，模型每次截图都要从大量像素区域中找出下一步操作目标，容易混淆相似元素（如蓝色按钮和蓝色链接），且需要额外推理理解布局、猜测层级、预判后果，推理链条长导致误差累积，成本高且准确率低。
同一个Jev模型，使用WebMCP协议和直接操作浏览器（Ultrafast）的结果差异有多大？
在相同硬件和任务列表下，Jev使用Browser Use Ultrafast直接操作浏览器只完成49个任务中的25个，准确率51%；而通过WebMCP协议操作浏览器完成全部49个任务，准确率100%，且推理成本比Ultrafast模式低18%。
WebMCP如何解决网页操作中的时序问题？
WebMCP将时序问题内聚到工具层，由网站自身业务逻辑判断“现在能不能结算”等状态，Jev只需要决定“要不要结算”。这样时序判断的复杂性从模型转移到了网站，避免了模型在表单未加载完或弹窗未关闭时错误操作。
WebMCP协议层带来的决策空间压缩效应能被纯视觉方案追平吗？
WebMCP团队认为几乎不可能。因为几千个像素点和十几个工具名称之间的信息熵差距，不是靠更好的截图算法就能抹掉的。即使有更优的浏览器控制框架提高基线分数，协议层带来的决策空间压缩效应在数学结构上难以被纯视觉方案追平。
