سافاری ۲۷ به عامل‌های هوش مصنوعی برنامه‌نویسی اجازه می‌دهد مستقیماً مرورگر را کنترل کنند

اپل یک سرور پروتکل زمینه مدل (MCP) مستقیماً در سافاری ۲۷ تعبیه کرد که به عامل‌های هوش مصنوعی برنامه‌نویسی مانند Claude Code، Codex و Gemini امکان می‌دهد تب‌ها را باز کنند، روی دکمه‌ها کلیک کنند، گزارش‌های کنسول را بخوانند، درخواست‌های شبکه را بررسی کنند و از یک پنجره مرورگر واقعی و در حال اجرا اسکرین‌شات بگیرند — و به این ترتیب سافاری را از هدفی که توسعه‌دهندگان به‌صورت دستی آزمایش می‌کردند، به ابزاری تبدیل کرد که یک عامل هوش مصنوعی می‌تواند خودش آن را اداره کند.

این ویژگی ابتدا در Safari Technology Preview 247 در ماه جولای ظاهر شد و به‌طور گسترده همراه با سافاری ۲۷ و یک پست وبلاگ WebKit که مجموعه ابزارهای کامل را در ۱۷ سپتامبر شرح می‌داد، عرضه شد. این ویژگی یک مشکل خاص و آشنا در برنامه‌نویسی به‌کمک هوش مصنوعی را برطرف می‌کند: یک عامل می‌تواند کد فرانت‌اند به‌ظاهر معتبری تولید کند، اما تا پیش از این هیچ راهی برای دیدن اینکه آیا آن کد به‌درستی رندر می‌شود، خطای کنسول ایجاد می‌کند یا درخواست‌های شبکه‌ای را که توسعه‌دهنده انتظار داشت انجام می‌دهد یا نه، نداشت. سرور MCP سافاری این حلقه را با ارائه نزدیک به ۲۰ ابزار به عامل می‌بندد، از جمله browser_console_messages برای خواندن گزارش‌های بافرشده، list_network_requests برای خلاصه‌سازی URLها، متدها و کدهای وضعیت، screenshot برای تأیید بصری، و مجموعه‌ای از ابزارهای تعامل با صفحه شامل کلیک، تایپ، اسکرول و هاور کردن.

فعال‌سازی آن نیازمند یک انتخاب آگاهانه است: توسعه‌دهندگان باید به تنظیمات سافاری بروند، منوی Developer را باز کنند و گزینه «اجازه اتوماسیون از راه دور و عامل‌های خارجی» را علامت بزنند پیش از آنکه هر کلاینت MCP بتواند متصل شود. اپل این یکپارچه‌سازی را طوری محدود کرده که از ابتدا و به‌عنوان یک اصل طراحی، خطری برای حریم خصوصی ایجاد نکند نه صرفاً به‌عنوان یک سیاست — این سرور نمی‌تواند به داده‌های AutoFill یا تاریخچه مرورگر دسترسی داشته باشد، WebKit می‌گوید اصلاً به داده‌های شخصی سافاری دسترسی ندارد، و هیچ درخواست شبکه‌ای مستقل از آنچه در حال حاضر در صفحه‌ای که عامل بررسی می‌کند رخ می‌دهد، ایجاد نمی‌کند.

این اقدام سافاری را وارد رقابتی سه‌طرفه می‌کند که با پروتکل DevTools کروم آغاز شد — که مدت‌هاست ابزارهایی مانند Puppeteer و Playwright برای اتوماسیون مرورگر از آن استفاده می‌کنند — و با سرور MCP Playwright مایکروسافت ادامه یافت که پیش‌تر کنترل مشابهی به عامل‌ها روی مرورگرهای مبتنی بر Chromium داده بود. نسخه اپل در دامنه محدودتر است — ابزارهای خواندن و تعامل برای توسعه‌دهندگانی که سایت‌های خودشان را دیباگ می‌کنند، نه اتوماسیون عمومی وب — اما این نخستین بار است که یک تأمین‌کننده بزرگ مرورگر، کنترل عامل را به‌عنوان یک ویژگی داخلی و اصلی عرضه می‌کند، نه چیزی که نیازمند یک چارچوب اتوماسیون جداگانه روی آن باشد.

برای تیم‌هایی که از قبل از عامل‌های برنامه‌نویسی هوش مصنوعی در جریان کاری خود استفاده می‌کنند، مزیت عملی یک حلقه دیباگ کوتاه‌تر است: به‌جای توصیف یک باگ رندرینگ به یک عامل به‌صورت متنی و امیدواری به کارکردن راه‌حل، عامل می‌تواند خودش صفحه را باز کند، وضعیت واقعی DOM را ببیند، کنسول را برای خطا بررسی کند و راه‌حل خودش را پیش از بازگرداندن کنترل تأیید کند. محدودسازی حریم خصوصی برای پذیرش اهمیت دارد — ویژگی اتوماسیون مرورگری که به رمزهای عبور ذخیره‌شده یا تاریخچه مرورگر دسترسی داشته باشد، برای اکثر تیم‌های مهندسی سخت قابل پذیرش است — اما این نیز به این معناست که سرور MCP سافاری عمداً به صفحات باز فعلی محدود شده، نه راهی عمومی برای اینکه یک عامل بدون نظارت در وب بگردد.