Existe uma contradição que confunde muita gente: como um agente de IA capaz de escrever um contrato jurídico complexo ainda falha ao tentar preencher um formulário simples de contato? A resposta é que gerar linguagem e entender uma interface visual são habilidades completamente diferentes — e a web foi construída para olhos humanos, não para agentes.
O que o agente vê quando “olha” para uma página
Quando um agente de IA acessa uma página sem WebMCP, ele recebe, no fundo, uma árvore de elementos HTML (ou, em casos mais avançados, uma captura visual da tela). Ele precisa inferir, a partir de nomes de classe, posição na tela e texto visível, o que cada botão faz, qual campo espera qual tipo de dado, o que acontece ao clicar em determinado lugar. Não existe, nessa leitura, uma declaração explícita de “isto é uma busca” ou “isto envia um pedido de orçamento”.
Por que isso é mais difícil do que parece
Um botão com o texto “Enviar” pode enviar um formulário de contato, finalizar uma compra, ou confirmar exclusão de uma conta — o texto sozinho não diz qual. Um campo sem rótulo claro pode esperar um e-mail, um CPF, ou um nome. Um humano resolve essa ambiguidade com contexto visual e experiência acumulada de usar a web a vida toda. Um agente, sem essa vivência, erra com mais frequência do que se imagina.
A web nunca foi desenhada pensando nisso
Isso não é uma falha de design dos sites — é simplesmente uma consequência de décadas de web sendo construída para pessoas navegando visualmente. Ninguém previu, ao criar HTML nos anos 1990, que décadas depois programas tentariam operar essas páginas de forma autônoma, sem um humano no controle visual.
O que o WebMCP muda nessa relação
Em vez de o agente inferir, o WebMCP permite que o site declare diretamente: esta é uma tool chamada searchProducts, ela busca produtos por nome, aceita um parâmetro de texto, e devolve uma lista com nome e preço. Não sobra espaço para adivinhação — o contrato está escrito, com nome, descrição e schema, exatamente pensado para ser lido por um agente, não por um humano olhando a tela.
Isso muda o “entendimento”, não a inteligência do agente
É importante não confundir os dois: o modelo de linguagem por trás do agente pode continuar exatamente igual, sem nenhuma atualização, e mesmo assim passar a executar aquela ação corretamente — porque o que mudou não foi a inteligência dele, foi a informação disponível sobre o que a página realmente faz.
Um teste simples para saber se seu site “fala” com agentes
Pergunte-se: se eu removesse todo o texto visual e as cores do meu site, deixando só a estrutura de código, alguém (ou algo) conseguiria saber com certeza o que cada formulário faz? Se a resposta for “só adivinhando”, seu site ainda depende inteiramente da interpretação visual — e um agente de IA vai continuar “não entendendo” sua web até que isso mude.