وقتی گوگل در مارس ۲۰۲۶ از Chrome 149 رونمایی کرد، بسیاری فکر میکردند با یک بهروزرسانی معمولی روبرو هستند — اما در واقع، گوگل پایههای یک معماری کاملاً جدید برای وب عاملی را ریخت. دو ابزار در کنار هم: WebMCP، یک پیادهسازی بومی مرورگر از پروتکل Model Context Protocol، و Gemini Spark، یک مدل زبانی سبکوزن تعبیهشده مستقیم در کروم. ترکیب این دو، مرورگر را از یک نرمافزار نمایش صفحهوب به یک عامل هوشمند تبدیل میکند که میتواند با محتوای هر صفحهای تعامل داشته باشد.
۱. WebMCP چیست: پروتکل MCP در قلب مرورگر
Model Context Protocol یا MCP را انتروپیک در اواخر ۲۰۲۴ معرفی کرد — یک پروتکل استاندارد برای اینکه مدلهای هوش مصنوعی بتوانند با ابزارهای خارجی ارتباط برقرار کنند. در پیادهسازی اولیه انتروپیک، MCP یک پروتکل server-side بود: توسعهدهندگان سرورهای MCP میساختند که مدلها میتوانستند از طریق API با آنها ارتباط بگیرند. این کار میکرد، اما پیچیدگی زیرساختی داشت — هر ابزار به یک سرور جداگانه نیاز داشت.
گوگل با WebMCP رویکرد کاملاً متفاوتی پیش گرفت: به جای سرور، ابزارهای MCP مستقیم داخل صفحهوب تعریف میشوند. توسعهدهندگان میتوانند یک فایل JSON با مشخصات ابزارهای خود در یک متاتگ HTML قرار دهند. مرورگر این اطلاعات را میخواند و آنها را به Gemini Spark منتقل میکند. به این ترتیب، هر صفحه وب میتواند خودش را به عنوان یک «منبع ابزار» برای عوامل هوش مصنوعی معرفی کند.
مثال ساده: یک سایت خبری میتواند در متاتگ خود تعریف کند: «من میتوانم آخرین خبرها را بر اساس موضوع به شما بدهم» یا «میتوانم این مقاله را خلاصه کنم». Gemini Spark این قابلیتها را میبیند و میتواند آنها را در پاسخ به درخواستهای کاربر فراخوانی کند — بدون اینکه کاربر حتی بداند در پسزمینه چه اتفاقی میافتد.
«WebMCP مرورگر را از یک پنجره نمایش وب به یک محیط اجرای عاملی تبدیل میکند. هر صفحهای میتواند حالا به یک ابزار برای عوامل هوشمند تبدیل شود.» — Ben Galbraith، مدیر محصول کروم، Google I/O 2026
webmcp-manifest در بخش head HTML قرار میدهند که به یک فایل JSON اشاره دارد. این فایل شامل نام ابزار، توضیحات، پارامترهای ورودی (طبق اسکیمای JSON Schema)، و آدرس اندپوینت اجرا است. Chrome 149 این متاتگ را هنگام بارگذاری صفحه میخواند و manifest را به Gemini Spark ارسال میکند.۲. Gemini Spark: مدل زبانی تعبیهشده در کروم
Gemini Spark نام نسخهای از مدل Gemini است که گوگل به صورت on-device داخل کروم تعبیه کرده است. این مدل با Gemini Ultra قابل مقایسه نیست — حجم پارامترهای آن در محدوده ۱ تا ۳ میلیارد است و برای اجرا روی دستگاههای مصرفی بهینه شده. اما برای وظایف مرورگری — خلاصهسازی، فرمپرکردن، ناوبری عاملی — کافی است.
Gemini Spark بخشی از سختافزار GPU دستگاه را برای اجرا استفاده میکند. گوگل اعلام کرده که مدل به صورت کامل روی دستگاه اجرا میشود — هیچ دادهای برای استنتاج اصلی به سرور ارسال نمیشود. البته وقتی وظیفهای از ظرفیت Spark فراتر میرود، کروم میتواند به Gemini Advanced ابری مراجعه کند — اما این انتخاب کاربر است، نه پیشفرض سیستم.
Gemini Spark از طریق یک API جاوااسکریپت جدید به نام window.ai قابل دسترسی است. این API به صفحات وب اجازه میدهد درخواستهای تکمیل متن یا استنتاج محدود ارسال کنند — البته با محدودیتهای امنیتی سخت که زیر آن توضیح داده میشود.
۳. معماری فنی: از HTML تا اجرای ابزار
زنجیره اجرایی WebMCP در Chrome 149 از چند لایه تشکیل شده است. وقتی کاربر یک صفحه را باز میکند، موتور رندر کروم (Blink) متاتگهای WebMCP را استخراج میکند. این اطلاعات از طریق یک IPC channel به یک فرآیند جداگانه به نام «WebMCP Broker» ارسال میشود. این Broker مسئول نگهداری رجیستری ابزارهای موجود در تبهای باز است.
وقتی Gemini Spark تصمیم میگیرد یک ابزار فراخوانی کند، درخواست از طریق Broker به محیط اجرای سندباکسشده ارسال میشود. سندباکس WebMCP از همان مکانیزم Site Isolation کروم استفاده میکند — هر ابزار در یک محیط جداگانه با دسترسیهای صریح اجرا میشود. نتیجه اجرا به Broker برمیگردد و از آنجا به Gemini Spark میرسد که پاسخ نهایی را برای کاربر تولید میکند.
یکی از نوآوریهای مهم در این معماری، سیستم «اجازههای تدریجی» (Progressive Permissions) است. کاربر در اولین بار که یک صفحه میخواهد ابزاری را اجرا کند، یک پنجره مجوز میبیند که به طور دقیق توضیح میدهد «این ابزار چه کاری انجام میدهد و به چه دادههایی دسترسی دارد». مجوزها میتوانند به صورت دائمی یا فقط برای همین جلسه اعطا شوند.
۴. موارد استفاده واقعی: از رزرو پرواز تا پر کردن فرمها
گوگل در رویداد Google I/O 2026 چند دموی عملی نشان داد که قدرت ترکیب WebMCP و Gemini Spark را آشکار میکرد. در اولین دمو، یک سایت رزرو هتل WebMCP را پیادهسازی کرده بود. کاربر در یک پنجره مکالمه با Gemini Spark نوشت: «یک اتاق دو تخته در پاریس برای ۱۰ تا ۱۵ آوریل زیر ۲۰۰ یورو در شب پیدا کن». Spark ابزار جستجوی هتل صفحه را فراخوانی کرد، نتایج را دریافت کرد، آنها را فیلتر کرد و سه گزینه مناسب پیشنهاد داد — همه بدون اینکه کاربر حتی یک فیلد جستجو را پر کند.
دمو دوم، یک سیستم پر کردن فرمهای اداری بود. صفحات دولتی و سازمانی که فرمهای پیچیده دارند میتوانند ابزارهای WebMCP تعریف کنند. کاربر اطلاعات خود را یک بار به Gemini Spark میدهد، و Spark میتواند این اطلاعات را به تمام فرمهای مشابه منتقل کند — با رعایت کامل حریم خصوصی، چون همه چیز روی دستگاه اتفاق میافتد.
دمو سوم که هیجانانگیزترین بود، یک «عامل تحقیق» بود. کاربر درخواست داد: «مقایسه کن که سه لپتاپ این صفحه از نظر عمر باتری و قیمت چه تفاوتی دارند». Spark ابزار مقایسه سایت را فراخوانی کرد، دادهها را دریافت کرد، و یک جدول مقایسهای ساده در یک پنل کناری نشان داد.
«این اولین بار است که مرورگر واقعاً درک میکند که شما چه میخواهید — نه فقط آنچه تایپ کردید.» — Sundar Pichai، مدیرعامل گوگل، Google I/O 2026
۵. نگرانیهای حریم خصوصی و امنیتی
هر چقدر WebMCP قدرتمند است، نگرانیهای امنیتی آن هم به همان اندازه جدی هستند. اولین نگرانی «ابزار مخرب» است: یک سایت فیشینگ میتواند ابزارهایی تعریف کند که اطلاعات حساس را از تبهای دیگر استخراج کنند. گوگل ادعا میکند سندباکس کروم این حمله را غیرممکن میکند — اما محققان امنیتی پیش از انتشار Chrome 149 چند آسیبپذیری احتمالی پیدا کرده بودند که گوگل آنها را برطرف کرد.
نگرانی دوم «جمعآوری داده رفتاری» است. حتی اگر Gemini Spark کاملاً روی دستگاه اجرا شود، گوگل میتواند از طریق chrome.ai API متادادههایی جمعآوری کند: کدام ابزارها فراخوانی شدند، چند بار، و در چه زمینهای. این دادهها از نظر تبلیغاتی ارزشمند هستند — و گوگل هنوز سیاست شفافی برای استفاده از آنها اعلام نکرده است.
نگرانی سوم رقابتی است: گوگل بزرگترین موتور جستجو، بزرگترین مرورگر، و حالا بزرگترین زیرساخت عاملی مرورگر را کنترل میکند. اگر سایتهای بزرگ WebMCP را پیادهسازی کنند اما مرورگرهای دیگر از این استاندارد پشتیبانی نکنند، گوگل میتواند یک مزیت رقابتی انحصاری برای خود ایجاد کند. آپل و موزیلا هنوز موضع رسمیشان را اعلام نکردهاند.
مقایسه موارد استفاده عملی WebMCP در Chrome 149
گوگل در رویداد Google I/O 2026 سه مورد استفاده عملی برای ترکیب WebMCP و Gemini Spark نشان داد که نشان میدهد چگونه یک مرورگر میتواند عامل هوشمندی عمل کند. هر مورد استفاده بخش متفاوتی از زندگی کاربران را نشانگر است: ناوبری خرید آنلاین، تکمیل مستندات اداری، و تحقیقات مقایسهای. در همه این موارد، ابزار برای Gemini Spark شفاف است و نتیجه بدون دخالت دستی کاربر تولید میشود.
| مورد استفاده | نوع ابزار | درخواست کاربر | نتیجه |
|---|---|---|---|
| رزرو هتل | جستجوی هتل و فیلترینگ | اتاق دو تخته در پاریس ۱۰-۱۵ آوریل تحت ۲۰۰ یورو | سه گزینه مناسب بدون جستجوی دستی |
| پر کردن فرمهای اداری | تکمیل فرمهای حکومتی | اطلاعات شخصی یک بار وارد کن | تمام فرمهای مشابه اتوماتیک پر شده |
| عامل تحقیق | مقایسه محصول | مقایسه لپتاپهای این سایت | جدول مقایسه بر اساس عمر باتری و قیمت |
| ناوبری هوشمند | خلاصهسازی صفحه | این صفحه درباره چه است؟ | خلاصهای فوری بدون بارگذاری مجدد |
این موارد استفاده نشان میدهد که WebMCP تنها برای وظایف ساده نیست، بلکه میتواند عاملی هوشمند را به عنوان بخشی از تجربه مرورگر روزمره کاربران ادغام کند. بیشتر اهمیت داشت که هیچ یک از این موارد نیاز به افزونه نداشتند یا برای کار کردن نیاز به سرور راهاندازی نداشت.
نتیجهگیری: وب عاملی یا وب گوگلی؟
ترکیب WebMCP و Gemini Spark در Chrome 149 یکی از مهمترین تحولات معماری وب در یک دهه گذشته است. برای اولین بار، یک مرورگر میتواند نه فقط صفحات را نمایش دهد، بلکه با آنها به عنوان ابزار تعامل کند — و این تعامل از طریق یک مدل هوش مصنوعی واقعی و نه صرفاً اتوماسیون ساده انجام میشود. اما موفقیت این معماری به یک شرط بستگی دارد: آیا WebMCP یک استاندارد باز واقعی خواهد شد که موزیلا، اپل، و مایکروسافت هم آن را پیادهسازی کنند؟ یا فقط یکی دیگر از ویژگیهای اختصاصی کروم خواهد بود که وب را بیشتر به سمت انحصار گوگل سوق میدهد؟ پاسخ این سوال، آینده وب عاملی را تعیین میکند.
پرسشهای پرتکرار
WebMCP چیست؟
WebMCP پیادهسازی بومی مرورگری از پروتکل Model Context Protocol (MCP) است که گوگل برای Chrome معرفی کرد. توسعهدهندگان یک متاتگ HTML به نام webmcp-manifest قرار میدهند که ابزارهای خود را توضیح دهد. Chrome این اطلاعات را میخواند و آنها را به Gemini Spark منتقل میکند. بدین ترتیب، هر صفحه وب میتواند خودش را به عنوان یک منبع ابزار برای عوامل هوش مصنوعی معرفی کند.
تفاوت WebMCP و MCP انتروپیک چیست؟
MCP انتروپیک یک پروتکل server-side است که نیاز به سرورهای جداگانه و مدیریت احراز هویت دارد. WebMCP به جای سرور، ابزارها را مستقیم در صفحات وب تعریف میکند و بدون زیرساخت پیچیده کار میکند. با این حال، WebMCP محدودیتهایی دارد: ابزارها نمیتوانند فایلسیستم یا شبکه خارج از مرورگر را لمس کنند. اما برای وظایف مرورگری مانند خلاصهسازی و ناوبری، کاملاً کافی است.
Gemini Spark چگونه روی دستگاه اجرا میشود؟
Gemini Spark مدل زبانی سبکوزن است که به صورت on-device داخل Chrome اجرا میشود — هیچ دادهای برای استنتاج اصلی به سرور ارسال نمیشود. پارامترهای مدل در محدوده ۱ تا ۳ میلیارد است و برای دستگاههای مصرفی بهینهسازی شده. برای وظایفی که از ظرفیت Spark فراتر میرود، کروم میتواند اختیاریالی به Gemini Advanced ابری متصل شود. این رویکرد حریم خصوصی را بهتر حفاظت میکند.
آیا WebMCP از لحاظ امنیتی محفوظ است؟
گوگل ادعا میکند سندباکس Chrome ابزارهای مخرب را از دسترسی به تبهای دیگر محروم میکند و از مکانیزم Site Isolation استفاده میکند. کاربران برای اولین بار همانگاه یک ابزار فراخوانی میشود، یک پنجره مجوز میبینند. با این حال، نگرانیهایی درباره جمعآوری دادههای رفتاری درباره کدام ابزارها استفاده میشوند وجود دارد. گوگل هنوز سیاست شفاف برای استفاده این دادهها در تبلیغات اعلام نکرده است.