Seguro que has visto esas demos vistosas de navegadores agénticos: la red neuronal abre una pestaña, hace una captura de la interfaz, quema un buen puñado de tokens de visión por ordenador, localiza el botón «Comprar» y hace clic en las coordenadas calculadas. Parece magia venida del futuro, pero en cuanto te asomas a las tripas de ingeniería, se te ponen los pelos de punta.
Ese enfoque es desesperantemente lento, se rompe al mínimo cambio de maquetación CSS y quema dólares en inferencia de imágenes. Pero lo peor es que aísla por completo al usuario. Yoav Weiss, arquitecto principal de Shopify y copresidente de grupos de trabajo del W3C, ha publicado el manifiesto programático del estándar WebMCP (Web Model Context Protocol), explicando por qué el futuro pertenece a la navegación compartida (co-browsing) y no a los autoclickers ciegos.
Tres caminos para un agente en la web
Weiss distingue tres enfoques arquitectónicos para integrar agentes de IA con sitios web:
- Backend directo (MCP Servers): el agente habla con la API del servidor saltándose el navegador. El problema es que el usuario pierde el control visual, la sesión autenticada y el carrito, quedando relegado a mero espectador.
- Incrustación de interfaces (MCP Apps): fragmentos de páginas web se retransmiten directamente dentro de la ventana de chat del asistente.
- Navegación compartida (Co-browsing): el agente trabaja codo con codo con la persona dentro de la propia pestaña abierta del navegador. El usuario mantiene las manos «al volante», ve cada paso y el agente asume la navegación rutinaria y la recopilación de datos.
Para que la navegación compartida sea rápida y fiable, al sitio web le basta con registrar funciones tipadas directamente en el contexto JavaScript de la página:
// Registro de la herramienta de búsqueda en el catálogo de la tienda
document.modelContext.registerTool({
name: "searchProducts",
description: "Поиск товаров в магазине с фильтрацией по параметрам и бюджету",
inputSchema: {
type: "object",
properties: {
query: { type: "string", description: "Поисковый запрос" },
maxPrice: { type: "number", description: "Максимальная цена в рублях" },
category: { type: "string", description: "Категория товара" }
},
required: ["query"]
},
execute: async ({ query, maxPrice, category }) => {
const results = await window.storeCatalog.search({ query, maxPrice, category });
return {
count: results.length,
items: results.slice(0, 5).map(item => ({
id: item.id,
title: item.title,
price: item.price,
inStock: item.inStock
}))
};
}
});
En lugar de escanear píxeles y parsear el árbol DOM, el modelo recibe un esquema JSON listo para usar e invoca el método nativo de la página. De forma idéntica se resuelve añadir artículos al carrito:
// Registro de la herramienta para añadir un producto al carrito de la sesión actual
document.modelContext.registerTool({
name: "addToCart",
description: "Добавление выбранного артикула в корзину активного пользователя",
inputSchema: {
type: "object",
properties: {
productId: { type: "string", description: "Идентификатор товара" },
quantity: { type: "integer", minimum: 1, default: 1 }
},
required: ["productId"]
},
execute: async ({ productId, quantity }) => {
return await window.storeCart.addItem(productId, quantity);
}
});
47 veces más barato y 7 veces más rápido
Los números de los experimentos reales impresionan. Según las mediciones del equipo de nekuda.ai, las llamadas a métodos nativos mediante WebMCP resultaron entre 2,5 y 7,5 veces más rápidas y hasta 47 veces más baratas que los autoclickers clásicos basados en visión por ordenador.
Y en una prueba en entorno real del equipo de Shopify Checkout, los flujos de compra se completaron 2,7 veces más rápido y un 58 % más baratos, logrando 60 ejecuciones exitosas de 60 (mientras que los scripts tradicionales de navegador fallaban y se quedaban en 56 de 60).
Respuesta a los críticos de Apple WebKit
El equipo de Apple WebKit había expresado antes su escepticismo por miedo a que WebMCP partiera la red en una «web para humanos» y una «web para robots». Yoav Weiss responde con contundencia: los sitios ya bloquean hoy a los bots con captchas draconianos. Un estándar abierto y explícito, combinado con mecanismos de autorización (Web Bot Auth) y restricción de permisos para iframes de terceros mediante Permissions Policy, convertirá a los agentes en participantes legítimos de la web abierta.
Ya analizamos antes la arquitectura de WebMCP y la plataforma ChatGPT Sites, y los nuevos argumentos de Weiss confirman una idea clara: la web sobrevivirá a la era de la IA solo cuando aprenda a hablar con los modelos mediante interfaces tipadas sin echar al usuario del navegador.

