YC F26 新創專案 Pomerado 試圖在數分鐘內,將任何網站封裝成 deterministic、self-healing 的 MCP 介面。它並非著墨於提升 Agent 的推理能力,而是希望降低瀏覽器自動化的成本與失敗率。
Agent 卡關的不是推理
不少 AI Agent 專案都預設一項前提:目標系統提供 API,或者至少能穩定透過 computer use 操作瀏覽器。
實際業務環境往往並非如此。
航空公司的改票流程可能橫跨舊版客服系統、內部規則與多層表單;銀行網站仰賴登入狀態、裝置驗證及權限層級;保險理賠則需要上傳文件、補充資料,再等待人工審核;legacy portal 甚至可能沒有開發者文件。
在這類環境中,Agent 的失敗點通常不是「不知道該做什麼」,而是無法可靠地完成下一步:頁面元素改變、按鈕遭遮擋、驗證碼出現、Session 過期,或點擊後頁面進入預期外的分支。
LLM 每一步都要重新觀察與判斷,也會持續產生 token、延遲及工具呼叫成本。業務自動化需要的是更精確的抽象:輸入訂位編號、身分證件與改票原因,輸出可驗證的結果,而不是讓 Agent 自由探索整個網站。
Pomerado 團隊的做法,是將網站包裝為 deterministic、self-healing APIs,再透過 MCP 介面交由 Agent 使用,瞄準的正是這段落差。
瀏覽器自動化的三筆隱性成本
瀏覽器自動化並非完全不可用。它適合低頻、探索性強且頁面變動較少的任務。問題在於,將瀏覽器視為 production-grade API,通常必須額外負擔三項成本。
第一筆是頁面解析。
Agent 取得的是螢幕截圖或 DOM,而不是業務欄位。它必須辨識「出發地」「航班日期」「乘客姓名」與「送出按鈕」。按鈕文字相近、欄位缺乏穩定 selector,或彈窗遮住內容,都會提高誤判機率。每次重新理解頁面,也代表更多視覺 token、上下文與模型呼叫。
第二筆是動作執行。
實際點擊比呼叫 JSON API 更慢。一次 click 後,可能還伴隨頁面載入、動畫等待、網路請求與狀態確認。捲動、展開下拉選單、切換 iframe,任何一步都可能需要重試。Agent 還得依據頁面回饋判斷動作是否生效,而非等待明確的成功回應。
第三筆是失敗復原。
這是最容易在 demo 中被掩蓋的成本。網路逾時後,應該重試還是改走其他路徑?驗證碼出現後,應等待還是轉交人工?登入失效後,舊頁面上的定位資訊是否仍然有效?強模型有時能繞過障礙,但每次繞行都會增加模型呼叫,還可能重複送出訂單、重複扣款或遺失表單資料。
因此,「瀏覽器自動化緩慢、昂貴且不穩定」並非源於模型能力不足。首要問題其實在於介面粒度不對:Agent 被迫理解頁面,但業務真正需要的是一份穩定契約。
Pomerado 如何將網站封裝成 MCP
依據 Launch HN 摘要,Pomerado 的產品路徑是在數分鐘內將網站轉換為 deterministic、self-healing APIs,並以 MCP 介面提供給 Agent。官方宣稱整合方式為 fully self-serve,不需人工逐頁標註。
這與傳統 RPA 錄製腳本不同。傳統方案通常會固定 selector,網站一旦改版便容易失效。Pomerado 強調 self-healing,目標應是在頁面結構變動後重新定位並恢復關鍵流程,而非永久維護一套脆弱腳本。
對 Agent 而言,變化發生在介面邊界。
理想情況下,上層看到的是業務工具,而非瀏覽器操作:
{
"name": "search_available_flights",
"description": "查詢指定日期和航線下的可售航班",
"inputSchema": {
"type": "object",
"properties": {
"origin": {"type": "string"},
"destination": {"type": "string"},
"departure_date": {"type": "string", "format": "date"}
},
"required": ["origin", "destination", "departure_date"]
}
}
這只是 MCP 工具描述的協議格式,並非 Pomerado 已公開的呼叫程式碼。它呈現了產品設計的核心:將網頁中的模糊步驟收斂為明確輸入、結構化輸出與可判定的狀態。
模型因此不必每次觀察頁面並決定該點擊何處,只要呼叫介面並等待結果;當網站發生局部變化時,復原邏輯則由封裝層負責。
這裡還需要區分兩個概念。
「deterministic」並非指自然語言模型的推理必然穩定,而是同一項任務應具備一致且可檢查的業務行為。例如,輸入相同的訂單編號時,查詢結果不應隨機變動;查無結果時,應明確回傳 not_found,而非將空白頁面解讀為成功。
「self-healing」也不代表任何改版都能自動修復。較合理的定義是:當局部 DOM、版面或流程分支改變時,系統能重新定位並繼續執行。能否涵蓋複雜業務,仍須取決於實際實作與回歸測試。
自助整合仍是最大變數
fully self-serve 是 Pomerado 最吸引人、卻也最難驗證的部分。
如果整合過程仍需要工程師逐頁分析、標註欄位、處理登入並持續修補腳本,那麼它解決的只是部分開發工作,沒有處理瀏覽器自動化最沉重的維運成本。若真能在數分鐘內完成轉換,系統就必須自行辨識頁面類型、關鍵欄位、業務動作與結果狀態。
但「任何網站」一詞仍需拆開驗證。
網站改版是最直接的變數。航空公司可能調整日期選擇器,銀行可能重做登入流程,電商平台則可能在結帳前插入風險控管頁面。封裝層必須分辨哪些變動只是版面雜訊,哪些變動代表業務規則已經改變。
驗證碼與反自動化機制是第二個變數。Pomerado 不應被理解為繞過安全控制。合理做法是使用網站允許的 API、帳號或企業授權,在必須由人工完成驗證時暫停並於之後恢復流程,而不是替使用者規避風險控管。
登入狀態與權限邊界則是第三個變數。Agent 使用的是誰的帳號?到期後如何續期?唯讀查詢是否可能誤觸付款、退款或資訊異動?每項工具都應清楚界定權限、操作範圍與冪等性。
最關鍵的驗證項目是流程回歸測試。頁面能夠開啟,只代表擷取成功,並不表示業務流程可用。系統需要持續檢查:
- 查詢結果是否與網站原始頁面一致;
- 異常分支能否回傳明確錯誤;
- 頁面改版後能否恢復執行;
- 重複呼叫是否造成重複訂單或扣款;
- 登入過期、驗證碼與流量限制發生時,是否能安全停止;
- 關鍵步驟是否留下可稽核的日誌。
對企業情境而言,100% 自動化並非唯一目標。涉及付款、醫療紀錄或政府申報時,允許人工確認的 checkpoint,通常比追求端到端無人值守更可靠。
編輯觀察
MCP 的價值正在改變。早期討論中,它比較像統一工具呼叫的插座:搜尋、檔案、資料庫與程式碼執行,接上就能使用。如今更有價值的部分,是連結那些沒有 API、文件稀少且維護緩慢的封閉業務系統。Pomerado 選擇航空公司、銀行、保險與 legacy portal,顯示市場焦點正從「Agent 能呼叫哪些工具」轉向「Agent 能否完成一筆真實業務」。
我的判斷是,MCP 不會取代網站存取,而會形成兩層架構:上層提供穩定工具給 Agent,下層處理頁面、認證與復原。deterministic 介面尤其適合高頻且可驗證的流程;開放式 computer use 則繼續留給一次性探索任務。
這次與過去不同的地方,不只是「又多了一個 MCP Server」,而是嘗試將瀏覽器適配成本從每次 Agent 執行,移到一次可維護的封裝作業中。不過,「數分鐘」與「任何網站」目前仍只是產品宣稱,不能直接等同於 production reliability。真正值得觀察的,不是 demo 能否訂到一張票,而是經歷改版、登入過期與重複送出後,核心鏈路是否仍能正確完成。Pomerado 的上限,最終取決於失敗時能否妥善停下來,而不只是在成功時跑得多快。