Web Model Context Protocol

Programme wie ChatGPT oder Gemini können inzwischen nicht nur antworten, sondern auch Aufgaben erledigen. Sie sollen etwa einen Flug suchen oder einen Warenkorb füllen. Bisher tun sie das oft, indem sie einen Browser fernsteuern und wie ein Mensch auf Knöpfe klicken. Das Web Model Context Protocol dreht dieses Verhältnis um: Die Internetseite selbst beschreibt, was man bei ihr tun kann. Sie bietet dem Assistenten eine Liste klar benannter Aktionen an, zum Beispiel „Produkt suchen“ oder „Termin buchen“. Der Assistent muss dann nicht mehr raten, wo welcher Knopf liegt.

Warum Klicken durch Bots so schlecht funktioniert

Wenn eine KI eine Webseite bedient, sieht sie im Grunde nur einen Haufen Text und Bildpunkte. Sie muss daraus erschließen, welches Element ein Suchfeld ist und welches ein Werbebanner. Das klappt oft, aber eben nicht zuverlässig. Ändert der Betreiber das Layout, scheitert der Ablauf plötzlich. Für Firmen ist so etwas unbrauchbar, denn ein Bestellvorgang darf nicht in zehn Prozent der Fälle mitten drin abbrechen.

Dazu kommt der Aufwand. Ein Assistent, der Bildschirmfotos einer Seite auswertet, verbraucht sehr viel Rechenzeit, und Rechenzeit kostet Geld. Ein direkter Aufruf einer beschriebenen Funktion ist um ein Vielfaches billiger und schneller. Deshalb sehen viele Anbieter darin die Voraussetzung dafür, dass KI-Assistenten im großen Stil einkaufen oder buchen können.

Es geht außerdem um Kontrolle. Ein Shop möchte selbst festlegen, was ein fremdes Programm bei ihm darf. Preise anzeigen: gerne. Hundert Bestellungen pro Sekunde auslösen: eher nicht. Wenn die Seite die erlaubten Aktionen selbst definiert, behält der Betreiber die Hand darauf. Genau dieses Versprechen macht den Vorschlag für Unternehmen interessant.

Wie eine Seite ihre Aktionen anbietet

Der Grundgedanke ähnelt einer Speisekarte. Ein Restaurant lässt Gäste nicht in der Küche herumsuchen, sondern reicht eine Liste dessen, was bestellbar ist. Genauso hinterlegt eine Webseite eine Liste ihrer Funktionen. Zu jeder Funktion gehört ein Name, eine kurze Beschreibung in normaler Sprache und die Angabe, welche Informationen sie benötigt.

Technisch meldet die Seite diese Funktionen im Browser an, meist über eine kleine Menge JavaScript-Code. JavaScript ist die Programmiersprache, die in fast jeder Webseite mitläuft. Ein KI-Assistent, der im selben Browser arbeitet, kann die angemeldeten Funktionen abfragen und eine davon aufrufen. Die Seite führt die Aktion dann mit ihrem eigenen Code aus und liefert ein Ergebnis zurück.

Wichtig ist dabei, dass der Nutzer bereits angemeldet sein kann. Der Assistent arbeitet in der laufenden Sitzung des Menschen und braucht keine Passwörter. Sensible Schritte wie eine Zahlung lassen sich so gestalten, dass der Mensch sie ausdrücklich bestätigen muss. Der Name des Verfahrens verweist auf das Model Context Protocol, einen älteren Standard, mit dem KI-Modelle Werkzeuge auf Servern nutzen. Das Web-Pendant überträgt diese Idee auf ganz normale Internetseiten.

Stand der Standardisierung und erste Anwendungen

Der Vorschlag stammt aus dem Jahr 2025 und wird unter anderem von Microsoft und Google vorangetrieben. Beraten wird er in einer Arbeitsgruppe des W3C, jener Organisation, die Regeln für das Web festlegt. Ein fertiger Standard ist er noch nicht. Wer heute davon liest, liest über Entwürfe, Testversionen und einzelne Browser-Erweiterungen.

Trotzdem taucht der Begriff regelmäßig in Wirtschaftsnachrichten auf. Der Grund ist der Handel im Netz. Wenn Kunden künftig einen Assistenten einkaufen schicken, entscheidet die Technik mit darüber, welcher Shop überhaupt gefunden wird. Analysten diskutieren deshalb, ob Suchmaschinenwerbung an Bedeutung verliert. Verwechseln sollte man den Ansatz nicht mit einer klassischen Programmierschnittstelle: Diese läuft am Browser vorbei, während hier die sichtbare Seite selbst der Zugangspunkt bleibt.