YC F26 初创项目 Pomerado 试图在几分钟内把任意网站封装成 deterministic、self-healing 的 MCP 接口。它不追求让 Agent 更聪明,而是降低浏览器自动化的成本与失败率。
Agent 卡住的不是推理
不少 AI Agent 项目默认一个前提:目标系统提供了 API,或者至少能稳定地用 computer use 操作浏览器。
现实业务往往不是这样。
航空公司的改签流程可能横跨旧客服系统、内部规则和多层表单;银行网站依赖登录状态、设备验证与权限层级;保险理赔需要上传文件、补充材料,再等待人工审核;legacy portal 甚至没有开发者文档。
在这种环境里,Agent 的失败点通常不是“不知道该做什么”,而是无法可靠完成下一步:页面元素变了、按钮被遮挡、验证码出现、Session 过期,或者一次点击后页面进入了意料之外的分支。
LLM 每一步都重新观察、重新判断,也会不断付出 token、延迟和工具调用成本。业务自动化需要的是更窄的抽象:输入预订号、身份证件和改签原因,输出可核验的结果,而不是让 Agent 自由探索整个网站。
Pomerado 的团队把网站包装为 deterministic、self-healing APIs,再以 MCP 接口交给 Agent 使用,瞄准的正是这段断层。
浏览器自动化的三笔隐性成本
浏览器自动化并不是完全不能用。它适合低频、探索性强、页面变化较少的任务。问题在于,把浏览器当成生产级 API,通常要计算三笔额外成本。
第一笔是页面解析。
Agent 拿到的是截图或 DOM,不是业务字段。它需要识别“出发地”“航班日期”“乘客姓名”和“提交按钮”。按钮文案相近、字段没有稳定 selector、弹窗盖住内容,都会增加误判。每次重新理解页面,也意味着更多视觉 token、上下文和模型调用。
第二笔是动作执行。
真实点击比调用 JSON API 慢。一个 click 后面可能还有页面加载、动画等待、网络请求和状态确认。滚动、展开下拉菜单、切换 iframe,任何一步都可能是重试点。Agent 还得通过页面反馈判断动作是否生效,而不是依赖明确的成功响应。
第三笔是失败恢复。
这是最容易被 demo 隐藏的成本。网络超时后,是重试还是换路径?验证码出现后,是等待还是转人工?登录失效后,旧页面上的定位信息还有效吗?强模型有时能绕过去,但每次绕行都增加模型调用,还可能重复提交订单、重复扣款或丢失表单数据。
因此,“浏览器自动化慢、贵、不稳定”并不是模型能力不足。它首先是接口粒度不对:Agent 被迫理解页面,而业务真正需要的是一个稳定契约。
Pomerado 如何把网站封装成 MCP
按照 Launch HN 摘要,Pomerado 的产品路径是:几分钟内将网站转换成 deterministic、self-healing APIs,并以 MCP 接口提供给 Agent。接入方式宣称是 fully self-serve,不依赖人工逐页标注。
这与传统 RPA 录制脚本不同。传统方案常把 selector 固定下来,网站一改版就失效。Pomerado 强调 self-healing,目标应当是在页面结构变化后定位并恢复关键流程,而不是永久维护一套脆弱脚本。
对 Agent 来说,变化发生在接口边界。
理想情况下,上游看到的是业务工具,而不是浏览器操作:
{
"name": "search_available_flights",
"description": "查询指定日期和航线下的可售航班",
"inputSchema": {
"type": "object",
"properties": {
"origin": {"type": "string"},
"destination": {"type": "string"},
"departure_date": {"type": "string", "format": "date"}
},
"required": ["origin", "destination", "departure_date"]
}
}
这只是 MCP 工具描述的协议形状,不是 Pomerado 已公开的调用代码。它说明了产品设计的关键:把网页中的模糊步骤收敛成明确输入、结构化输出和可判定状态。
模型因此不必每次观察页面并决定点哪里。它调用一个接口,等待结果;网站发生局部变化时,恢复逻辑由封装层承担。
这里还要区分两个词。
“deterministic”不是指自然语言模型推理绝对稳定,而是同一个任务应有一致、可检查的业务行为。比如输入相同订单号,查询结果不应随机变化;查询不到时,应明确返回 not_found,而不是把空白页面解释成成功。
“self-healing”也不等于任何改版都能自动修复。它更合理的含义是:当局部 DOM、布局或流程分支变化时,系统能重新定位并继续执行。能否覆盖复杂业务,还要看实际实现和回归测试。
自助接入仍是最大变量
fully self-serve 是 Pomerado 最有吸引力、也最难验证的部分。
如果接入还要工程师逐个页面分析、标注字段、处理登录并持续修脚本,那么它解决的只是部分开发工作,没有解决浏览器自动化最重的运维成本。几分钟完成转换,意味着系统需要自行识别页面类型、关键字段、业务动作与结果状态。
但“任意网站”这个说法需要拆开验证。
网站改版是最直接的变量。航空公司可以调整日期选择器,银行可以重做登录流程,电商可能在结算前插入风控页面。封装层必须知道哪些变化只是布局噪声,哪些变化意味着业务规则已经改变。
验证码与反自动化机制是第二个变量。Pomerado 不应该被理解为绕过安全控制。合理做法是接入网站允许的 API、账号或企业授权,在必须人工完成验证时暂停并恢复,而不是替用户规避风控。
登录状态与权限边界是第三个变量。Agent 使用的是谁的账号?过期后如何续期?只读查询能否误触发付款、退款或信息变更?每个工具都应明确权限、操作范围和幂等性。
最关键的验证项是流程回归测试。一个页面能打开,只说明抓取成功,不等于业务流程可用。需要持续检查:
- 查询结果是否与网站原页面一致;
- 异常分支是否能返回明确错误;
- 页面改版后能否恢复;
- 重复调用是否造成重复订单或扣款;
- 登录过期、验证码和限流发生时是否安全停止;
- 关键步骤是否留下可审计日志。
对于企业场景,100% 自动化不是唯一目标。涉及支付、医疗记录或政府申报时,允许人工确认的 checkpoint 往往比追求端到端无人值守更可靠。
编辑思考
MCP 的价值正在变化。早期讨论里,它更像统一工具调用的插座:搜索、文件、数据库、代码执行,接上即可使用。现在更有价值的部分,是连接那些没有 API、文档稀缺、维护缓慢的封闭业务系统。Pomerado 选择航空公司、银行、保险和 legacy portal,说明市场开始从“Agent 能调用什么工具”转向“Agent 能否完成一笔真实业务”。
我的判断是,MCP 不会替代网站访问,而会形成两层结构:上层给 Agent 稳定工具,下层处理页面、认证和恢复。deterministic 接口尤其适合高频、可验证流程;开放式 computer use 则保留给一次性探索。
这次与过去不同之处,不只是“又做了一个 MCP Server”,而是尝试把浏览器适配成本从每次 Agent 运行,移到一次可维护的封装中。不过,“几分钟”和“任意网站”仍是产品宣称,不等于生产可靠性。真正该看的不是 demo 能否订到一张票,而是改版、登录过期和重复提交后,核心链路还能否正确完成。Pomerado 的上限,最终取决于失败时如何停下来,而不只是成功时走多快。