Webshot MCP endpointu ekledi: Yapay zeka ajanları artık web sayfalarının ekran görüntüsünü alıp inceleyebilecek

Ne sunuldu

Web sayfalarını headless bir tarayıcıda render edip ekran görüntüsü döndüren bir servis olan Webshot.site, Claude Desktop ve Cursor gibi istemcilerin yeteneklerini yapay zeka ajanlarına açmak için kullandığı standart olan Model Context Protocol desteğini ekledi. dev.to'da yayımlanan bir yazıya göre, MCP destekli herhangi bir istemci artık servisin /mcp endpointuna bağlanarak bir tool çağrısıyla sayfa yakalama yeteneği kazanabiliyor; temel kullanım için API anahtarı veya kayıt gerekmiyor.

Endpoint, HTTP POST üzerinden JSON-RPC 2.0 konuşuyor ve tek bir tool sunuyor: capture_sandbox_webshot. Bu tool bir URL ile isteğe bağlı viewport, full_page ve format parametrelerini alıyor. Yapılandırma tamamlandıktan sonra kullanıcı, bir asistandan bir sitenin ekran görüntüsünü almasını ve fold üstünde ne olduğunu anlatmasını isteyebiliyor; ajan tool'u çağırıyor, sonucu alıyor ve cevabını buna dayandırıyor.

Ham baytlar yerine bağlantı

En bilinçli tasarım tercihi, tool'un ne döndürdüğü. En bariz uygulama PNG'yi base64 ile kodlayıp modelin context'ine göndermek olurdu; ancak geliştirici, tipik bir ekran görüntüsünün 25–200 KB tuttuğunu, bunun base64 duvarına dönüşüp sohbeti işgal edeceğini, üstelik çoğu ajanın bu baytlarla zaten yararlı bir şey yapamadığını belirtiyor.

Bunun yerine tool, barındırılan bir görsel URL'si, çıktı formatı, yakalama modu, bayt sayısı ve kredi maliyetini içeren kompakt bir JSON zarfıyla yanıt veriyor. Bağlantı herkese açık, oturum gerektirmeyen ve yeniden kullanılabilir; yani başka bir tool'a verilebilir, bir ticket'a yapıştırılabilir veya bir insan tarafından açılabilir. Erişim yalnızca tahmin edilemez olarak tanımlanan 128 bitlik rastgele bir tokenla korunuyor.

Aynı zarf, ajan iş akışlarının dışında da kullanılabiliyor: Servisin normal yakalama endpointuna response= parametresi eklemek JSON biçimini döndürüyor, parametre olmadan yapılan istekler ise tam olarak eskisi gibi davranıyor. Değişiklik tamamen eklemeli nitelikte.

Krediler, kısıtlama ve gecikme

Ücretsiz, anahtarsız kullanım yakalama sayısıyla değil kredilerle ölçülüyor; yazı, planlama yaparken insanların yanlış anladığı ayrımın tam olarak bu olduğunu vurguluyor. Kota, IP başına 15 dakikalık pencerede beş kredi; ancak bir viewport yakalaması bir kredi, tam sayfa veya özel boyut yakalaması ise iki kredi tutuyor. Varsayılan mod tam sayfa olduğu için, anonim bir varsayılan çağrı iki kredi harcıyor; yani pencere başına beş değil iki çağrı yapılabiliyor. full_page değerini false yapmak veya düz HTTP üzerinden viewport modu istemek tek kredilik maliyeti geri getiriyor; çıktı formatı ise fiyatlandırmayı etkilemiyor. Bir throttle-status endpointu güncel bakiyeyi raporluyor ve ücretli planlar aylık 1,99 dolardan başlıyor; anahtarlar ödeme anında hemen veriliyor.

Gecikme ise diğer operasyonel uyarı. Her yakalama, sayfayı yükleyen, yerleşmesini bekleyen ve fotoğraflayan gerçek bir headless-Chrome render'ı; 10 ila 60 saniye sürüyor. Öneri, aslında sorunsuz olan yakalamalarda sahte hataları önlemek için MCP istemci timeout değerlerinin 90 saniye veya üzerine ayarlanması.

Tarayıcı içi ajanlar ve sandbox

MCP'nin ötesinde, sitedeki sayfalar aynı tool'u document.modelContext üzerinden kaydediyor; bu, sayfa yeteneklerini yapay zekaya açmak için geliştirilmekte olan bir W3C tarayıcı API'si. Edge 147'de yerleşik olarak çalışıyor, Chrome 149'da ise bir origin trial arkasında. Bu çağrılar same-origin olduğu için ziyaretçinin mevcut oturumunu ve kotasını kullanıyor; yani modele hiçbir zaman API anahtarı girmiyor — sırları geri alıntılayabilecek bir şeye tool verirken işe yarar bir özellik.

Güvenlik konusunda, yakalamalar izole bir sandbox'ta çalışıyor ve özel, loopback veya cloud-metadata adreslerine yönelik istekler reddediliyor. Bu, servisi şüpheli URL'leri incelemek için bilinçli olarak uygun kılıyor: Kendi tarayıcınız oraya gitmeden bir ajan sayfanın nasıl göründüğünü görebiliyor. Ajanlar için makine tarafından okunabilir belgeler bir llms.txt dosyasında, eksiksiz insan referansı ise developers sayfasında yer alıyor.

Neden önemli

Ekran görüntüleri, salt metin tabanlı bir ajana görsel ve yerleşime bağımlı bir web hakkında somut gerçeklik vermenin en basit yollarından biri ve MCP tam da bu tür yetenekler için kablolama standardı haline geliyor. Webshot'un uygulaması başka yerlerde de kopyalanmaya değer iki örüntü sergiliyor: Context window'u korumak için base64 blob'lar yerine barındırılan bağlantılar döndürmek ve same-origin tarayıcı API'lerinin mümkün kıldığı yerlerde kimlik bilgilerini tamamen modelin dışında tutmak. Kredi modeli ve 10-60 saniyelik render süreleri yüksek hacimli script'ler için gerçek kısıtlamalar; ancak sayfaların — şüpheli olanların dahil — anlık ajan incelemesi için anahtarsız, tek tool'luk bir entegrasyon herhangi bir ajan araç kutusuna ucuz bir katkı.