ブラウザのエージェントが実際に使えるドキュメントエディタ

使い方

1. WebMCP API を提供するブラウザを使います（Chrome のオリジントライアル）。
2. エディタを通常のタブとして開きます——ツールはトップレベルのページでのみ登録されます。
3. ブラウザの AI エージェントに、ドキュメントを開く・読む・変換する・書き出すよう依頼します。
4. エージェントがツールを直接呼び出します。処理はお使いの端末で行われ、何もアップロードされません。

多くのウェブアプリは、AI エージェントから見ると不透明です。ボタンの並んだページが見えるだけで、どれがファイルを変換するのかを推測し、クリックが当たったことを祈るしかありません。WebMCP——W3C Web Machine Learning Community Group の提案——は、ページが自分にできることを型付きの入力を持つ構造化されたツールとして宣言できるようにし、その推測をまるごと省きます。このエディタは 7 つのツールを宣言します。

ツールは open_document_url、open_document_buffer、create_document、save_document、get_document_text、set_readonly、get_document_state です。これらは別実装ではありません——ボタンが呼ぶのと同じ端末内のコードを呼びます。iframe の埋め込み API が動かしているのも同じコードです。つまりエージェントは人間とまったく同じ機能を、同じ保証のもとで使えます——変換エンジンはタブ内で動く WebAssembly であり、ファイルが端末から出ることはありません。

エージェントにアクセスを許すことがここで妥当である理由が、まさにこの性質です。通常、ドキュメントをエージェントに渡すということは、そのエージェントが通信する先のサーバーに渡すということです。ここではエージェントが段取りをするだけで、ドキュメントは動きません——ディスクからタブへ読み込まれ、タブ内で変換され、そのまま書き出されます。契約書の本文を読んで質問に答えるエージェントも、その契約書をどこにもアップロードしません。

意図した制約が 2 つあります。ツールはエディタがトップレベルのページであるときにのみ登録されます——クロスオリジンの iframe では埋め込み側ページが allow="tools" を付与する必要があり、それは埋め込みの本来の使い方と衝突するため、埋め込まれたエディタは代わりに postMessage API で操作します。もう 1 つ、全文の読み取りはワープロ文書で利用できます。表計算とプレゼンテーションはこのエンジンでは全文を公開していないため、エージェントが「空のファイル」と誤解しかねない空の答えを返す代わりに、その旨を明示します。

よくある質問