三组真实实验，探索 WebMCP 的潜力
让一次探索，
成为下一次的能力。
Agent 已经学会的操作，能否留给下一次任务？我们用选书、读帖和评论整理，测试把网站操作保存为 WebMCP 工具之后，会发生什么。
查看实测结果工作流程示意 · 以下实验测量已安装工具的复用
批量选书耗时
两组均成功 5/5；Token 减少 52.0%
02 / X−10.3%简单读帖耗时
两组均成功 5/5；Token 增加 8.4%
03 / HACKER NEWS3/3WebMCP 完整交付
普通 CU 组 0/3；正文取回率 73.3%
耗时为中位数。不同实验的普通组能力不同，不合并总胜率；HN 两组不同期且完成度不同。
THE RESULTS
看见差异，也看清条件。
切换任务与指标，查看最终有效对照。相同模型，新会话，按最终交付逐项核验。
每轮中位数 · 数值越低越少
Books to Scrape
同批各 5 轮；普通组允许 DevTools 和临时浏览器脚本。展示已安装工具的复用，构建与准备时间不计入。
BOOKS TO SCRAPE
批量读取 / 同批各 5 轮
重复的读取，
可以一次完成。
遍历 Fiction 四页、65 本书，找出最便宜的三本，再取回价格、UPC、库存和链接。
五轮 WebMCP 都主动选择了批量详情工具，没有额外导航。普通组已允许临时浏览器脚本；两组均完成全部字段。
规则明确、可以批量读取的任务，更容易把重复操作转化为可复用工具的收益。
- 完整成功
- 5/5 → 5/5
- 工具调用中位数
- 5 → 3
- 总 Token 中位数
- 92,559 → 44,440
普通浏览器 → WebMCP · 2026-09-10
X / THREE FIXED POSTS
简单读取 / 同批各 5 轮
简单读取，
也能直接调用。
读取三条固定帖子的作者、日期、完整原帖正文和链接，排除引用帖、回复与推荐内容。
两组全部成功 5/5。WebMCP 五轮均直接完成读取，没有使用 DevTools 兜底；普通组允许临时浏览器脚本。
WebMCP 耗时减少 10.3%，总 Token 增加 8.4%。简单任务中的收益体现在耗时，是否节省 Token 仍取决于调用步骤和上下文。
- 完整成功
- 5/5 → 5/5
- 耗时中位数
- 62.176s → 55.748s
- 总 Token 中位数
- 134,038 → 145,301
- 工具调用中位数
- 7 → 8
普通浏览器 → WebMCP · 2026-09-12
HACKER NEWS / TEN DISCUSSIONS
复杂整理 / 最终各 3 轮
读到正文，
还要读懂关系。
十个站内讨论，每帖前十条有效评论。除了正文，还要准确说明：每条评论回复了谁。
普通组只用 Computer Use 采集网页，但允许文件笔记与离线脚本。最后两轮都读齐了正文；多数父关系没有确认，因此完整成功仍为 0/3。
WebMCP 直接返回评论、父关系和耗尽状态，并提供站内导航。三轮共 282 条目标评论，内容、父关系与字符格式全部正确。
完整任务成功次数
已返回评论的父关系：普通组 55/220 确认，165 条未知；WebMCP 282/282 确认。普通组另有 80 条未采集。
固定的是帖子 ID，评论仍实时变化：WebMCP 当时每轮 94 条，普通组后来每轮 100 条。普通组还出现导航、焦点和元素失效问题，三轮均在 30 分钟上限前自行结束。结果反映本次 Harness 接入与执行，不代表所有 Computer Use 的能力上限。
WHAT BECOMES POSSIBLE
把验证过的操作，
留给更多次任务。
三组实验指向同一个机会：让 Agent 少做重复探索，直接得到任务需要的能力与信息。收益取决于工具如何设计。
批量完成重复工作
把多次详情读取合并，让模型专注于选择和判断。
明确表达任务信息
返回关系、顺序和完成状态，让最终结果可以核验。
只携带必要上下文
工具目录按需发现，源码按需读取，避免每一步重复负担。
METHOD & EVIDENCE
结论有依据，也有边界。
这是三个具体只读任务的实测记录。它展示潜力，不承诺所有网站都有相同收益。
普通组是否允许脚本和记笔记？
Book 和 X 普通组允许 DevTools、临时浏览器脚本。HN 最终普通组仅通过 Computer Use 取得网页内容，允许文件读写和离线脚本处理已读记录。禁止保存记录的旧组已被替换；Python 直接 HTTP 抓取组不计为 Computer Use。
成功、耗时和 Token 如何统计？
成功要求所有字段和执行条件满足，不以“访问过页面”或部分正确代替。耗时按每轮实际开始到结束计算，准备和轮间锁屏等待不计入。表中为中位数；总 Token 含缓存读取和重复输入，不等于费用。
为什么不提供一个总成功率或总加速倍数？
三类普通组能力不同，不能混算。Book 和 X 同批交错执行；HN 采用不同时间的历史对照，实时评论数量不同且普通组未完整完成，不能算同等工作加速。每组仅 3–5 轮，缓存和服务负载未完全控制，不宣称统计显著性。
哪些结果没有放进主对照？
X Following 曾出现空页面和不同样本，不能据此比较效率，也没有证实反爬。中断的 HN 笔记尝试、旧禁笔记条件和直接联网脚本组单独保留。Book 早期只记录一次首次构建，不与后续复用结果拼算回本次数。全部实验都是只读任务，未验证写入操作或任意 PC 软件。
用数据，了解每一项结果。
下载完整中文报告与公开汇总数据，查看三组实验结果及比较条件。
EXPLORE WITH DEEPDECK