今天的网站默认用户会打开网页，通过菜单、按钮和表单获得服务。

因此，一个网站不仅要开发后台业务，还要设计首页、导航、详情页、个人中心、订单页和各种操作流程。用户进入不同网站，也要重新学习按钮在哪里、菜单叫什么、下一步怎么操作。

随着 AI Agent 开始替人操作软件，这套结构正在变化。

未来的网站可能主要向 Agent 提供数据、能力和操作权限。用户只面对自己的 Agent，Agent 再根据任务调用服务，并临时生成界面。

可以概括为：

网站负责提供服务，Agent 负责生成界面。

一、网页自动化只是过渡阶段

现在的网页 Agent，主要通过识别页面、寻找按钮、填写表单和模拟点击完成任务。

这种方式本质上仍在适应传统网站。网页是为人设计的，Agent 必须从文字、布局和按钮位置中推测：

• 网站能做什么；
• 哪个按钮对应哪个动作；
• 当前处于什么状态；
• 操作完成后会发生什么。

网页一旦改版，Agent 的操作流程就可能失效。

更合理的方式，是网站直接把能力告诉 Agent。

二、什么是“Agent + 无头网站”

这里的“无头”，指的是不把某一套固定前端当作网站唯一入口。

网站继续保留数据、账户、权限和业务流程，同时向 Agent 暴露标准化能力。

例如，一个酒店网站可以提供：

搜索房间 查询价格 查看取消条件 创建订单 修改订单 取消订单 申请退款

用户只需要说：

帮我找下周去上海、距离会场两公里以内、每晚不超过800元、可以免费取消的酒店。

Agent 调用多家酒店服务，把结果整理成统一格式，再生成一张比较表和几个确认按钮。

用户不需要进入每个网站，也不需要适应不同的筛选方式。底层服务商可以变化，用户面对的界面保持一致。

网站结构也会从：

用户 → 网页界面 → 网站后台

变成：

用户 → Agent → 标准中间件 → 网站服务

三、相关技术已经出现

这套结构还没有形成统一标准，几个关键组成部分已经开始出现。

1. MCP：让网站暴露能力

Model Context Protocol，简称 MCP，是一种连接 AI 应用与外部数据、工具和工作流的开放协议。

MCP Server 可以向 Agent 声明：

• 有哪些工具；
• 每个工具需要什么参数；
• 调用后返回什么结果。

官方将 MCP 类比为 AI 应用的“USB-C 接口”。[1]

在“Agent + 无头网站”结构中，MCP 可以承担能力接入层：

Agent ↓ MCP ↓ 订单、库存、账户、支付、退款等后台服务

Agent 不再寻找网页中的“退款”按钮，而是直接调用退款能力。

2. VOIX：网站主动声明动作和状态

VOIX 提出通过声明式标签，让网站直接向 Agent 暴露动作和上下文状态。

网站可以明确声明：

• 提交订单；
• 取消预约；
• 查询余额；
• 当前对象状态；
• 可执行的下一步操作。

Agent 不需要从页面中猜测按钮和流程。

研究者将其视为网站与 Agent 之间的机器可读契约。[2]

3. A2UI：由 Agent 临时生成界面

网站提供能力后，用户仍然需要看到操作结果。

Google 推出的 A2UI，目标是让 Agent 根据当前任务生成合适的交互界面。Agent 可以组合表格、表单、输入框、按钮和审批面板，再发送给客户端显示。[3]

用户需要比较时，Agent 生成表格；需要选日期时，生成日历；需要确认高风险操作时，生成确认按钮。

界面不再提前固定，而是随着任务临时出现。

4. MCP Apps：服务进入对话框

MCP Apps 允许工具返回可交互界面，并直接显示在 Agent 对话中，例如：

• 表单；
• 仪表盘；
• 图表；
• 多步骤工作流。

这已经接近“网站服务进入统一 Agent 界面”的形态。[4]

用户不再进入网站，网站功能直接出现在 ChatGPT、Claude 或其他 Agent 中。

四、为什么无头网站更适合 Agent

已有研究开始比较 Agent 通过传统 HTML 页面和结构化接口访问网站的效果。

一项针对电商任务的研究比较了 HTML、MCP、RAG 和 NLWeb。

实验中，HTML 方案平均每项任务消耗约 24.1 万 token，其他方案约为 4.7 万至 14 万 token。HTML 平均运行时间约为 291 秒，其他方案约为 50 至 62 秒。[5]

这说明，让 Agent 阅读完整网页，是一种成本很高的方式。

人类需要排版、颜色和视觉层级，Agent 更需要：

• 明确字段；
• 参数说明；
• 权限边界；
• 动作定义；
• 状态变化；
• 可验证结果。

网站直接提供机器可读能力后，Agent 不必截图、识别页面和猜测按钮含义，也不容易因为网页改版而失效。

五、网站开发重点将发生变化

今天的网站开发，大量时间花在：

• 页面设计；
• Figma 还原；
• 手机和电脑适配；
• 菜单位置；
• 按钮样式；
• 页面跳转；
• 多端重复开发。

在“Agent + 无头网站”模式下，重点会转向：

• 网站提供哪些能力；
• 每个动作需要什么参数；
• 谁可以调用；
• 哪些操作必须确认；
• 操作是否可以撤销；
• 失败后如何恢复；
• 结果如何验证和审计。

过去网站验收主要看页面是否还原。

未来还要检查：

Agent 能否发现能力，正确调用，解释结果，并安全完成任务。

界面不会消失，但它不再是网站本体。

网站的本体，是它能够提供的服务。

六、所有网站可能拥有同一张脸

这种模式很方便，也会带来新的问题。

当用户只面对一个 Agent，成千上万的网站可能都被转换成同一种对话框、同一种卡片和同一套按钮。

底层服务来自不同公司，用户看到的世界却都经过同一个 Agent 解释和重组。

过去，搜索引擎决定用户先看到哪个网站。

未来，Agent 可能直接决定调用哪个网站，并替用户完成交易。

网站会从用户入口变成服务供应商。真正控制流量的，是掌握用户意图和服务路由权的 Agent 平台。

这有点像《黑客帝国》中的史密斯特工：

Agent 不一定消灭网站，而是把所有网站都变成自己的样子。

结语

“Agent + 无头网站”还不是一套成熟标准，它的技术路线已经逐渐清晰：

网页自动化 ↓ 结构化能力接口 ↓ Agent 标准中间件 ↓ 动态生成界面 ↓ Agent 成为网站统一入口

MCP 解决 Agent 如何连接服务，VOIX 探索网站如何声明能力，A2UI 和 MCP Apps 解决服务如何在 Agent 中生成交互界面。

这些技术正在拼出同一个未来：

用户不再学习怎样使用一百个网站，而是一百个网站通过 Agent 学会怎样为用户服务。

网站不一定需要复杂的固定界面。

它只需要把能力、数据、权限和状态组织清楚。

至于用户最终看到什么，由 Agent 决定。

参考文献

[1] Model Context Protocol Documentation, “Introduction to MCP.”

[2] S. Schultze et al., “Building the Web for Agents: A Declarative Framework for Agent-Web Interaction,” arXiv:2511.11287, 2025.

[3] Google, “Introducing A2UI: An Open Project for Agent-Driven Interfaces,” 2025.

[4] MCP Core Maintainers, “MCP Apps: Bringing UI Capabilities to MCP Clients,” 2026.

[5] A. Steiner, R. Peeters, and C. Bizer, “MCP vs RAG vs NLWeb vs HTML: A Comparison of the Effectiveness and Efficiency of Different Agent Interfaces to the Web,” 2025.