เผยแพร่เมื่อวันที่ 25 กุมภาพันธ์ 2025
นักพัฒนาเว็บสร้างและเพิ่มประสิทธิภาพเว็บไซต์สำหรับกลุ่มเป้าหมายที่เป็นมนุษย์และไม่ใช่มนุษย์ ซึ่งรวมถึงโปรแกรมรวบรวมข้อมูลและบ็อตอื่นๆ Agent AI เป็นผู้ใช้เว็บรายล่าสุดที่จะได้รับประโยชน์จากการเพิ่มประสิทธิภาพของคุณ
โดยหลักๆ แล้ว Agent คือระบบที่รับอินพุต ตีความ แล้ววางแผนและดำเนินการในนามของผู้ใช้ (ไม่ว่าจะเป็นมนุษย์หรือ Agent อื่น) Agent มีคอมโพเนนต์หลายอย่าง ซึ่งอาจ รวมถึงโมเดล, API หรือเครื่องมืออื่นๆ
Agent มีลักษณะหลายอย่างที่กำหนดตัวตนของ Agent ในบริบทของการพัฒนาเว็บ คุณควรพิจารณาสิ่งต่อไปนี้
- ทำงานได้ด้วยตัวเอง: Agent สามารถทำงานได้โดยไม่ต้องมีมนุษย์เข้ามาแทรกแซงโดยตรง
- โต้ตอบได้: Agent สามารถสนทนากับ Agent อื่นและมนุษย์ได้
- ตอบสนองได้: Agent รับรู้สภาพแวดล้อมและตอบสนองต่อการเปลี่ยนแปลงได้
- เชิงรุก: Agent สามารถริเริ่มดำเนินการเพื่อให้บรรลุเป้าหมายที่เฉพาะเจาะจงได้
ตัวอย่างเช่น ร้านหนังสือตัวอย่างเป็นร้านหนังสือออนไลน์ ผู้ใช้สามารถรวบรวมคำแนะนำสำหรับหนังสือเล่มใหม่โดยอิงตามหนังสือที่ชอบและความสนใจอื่นๆ ด้วยการโต้ตอบกับโมเดลภาษาขนาดใหญ่ (LLM) Agent สามารถนำผู้ใช้ไปยังหน้าของหนังสือที่แนะนำและเริ่มกระบวนการชำระเงินได้ หากหนังสือหมด Agent สามารถนำผู้ใช้ไปซื้อหนังสือที่แนะนำในร้านหนังสือออนไลน์อื่นได้
เนื่องจาก Agent เป็นผู้ใช้ใหม่บนเว็บ คุณจึงมีเวลาอีกสักพักก่อนที่จะต้องนำแนวทางปฏิบัติแนะนำไปใช้ อย่างไรก็ตาม แนวทางปฏิบัติแนะนำหลายอย่างที่ช่วย Agent นั้นจริงๆ แล้วช่วยผู้ใช้ ทุกคน โดยเฉพาะอย่างยิ่ง การสร้างเว็บไซต์ที่เข้าถึงได้
ในเอกสารนี้ เราจะตรวจสอบวิธีที่ Agent ทำงานในฐานะผู้ใช้เว็บและเหตุผลที่คุณควรพิจารณาสร้างเว็บไซต์โดยคำนึงถึง Agent
วิธีที่ Agent ทำงานในฐานะผู้ใช้
การพูดคุยส่วนใหญ่เกี่ยวกับ AI และเว็บไซต์มุ่งเน้นไปที่โปรแกรมรวบรวมข้อมูลที่ใช้ในการดึงข้อมูลฝึกฝนสำหรับ LLM โดยมักจะเก็บข้อมูลที่ดึงมาเพื่อการฝึกไว้ใน ชุดข้อมูลแบบเปิด เช่น Common Crawl ซึ่งช่วยป้องกันไม่ให้ เว็บไซต์ถูกโปรแกรมรวบรวมข้อมูลเข้าชมมากเกินไป อย่างไรก็ตาม การฝึกเป็นเพียงเหตุผลหนึ่งที่คุณจะได้พบกับระบบ AI
ระบบ AI สามารถกำหนดเป้าหมายหน้าเว็บที่เฉพาะเจาะจงเพื่อดึงข้อมูลตามคำขอของผู้ใช้ที่เฉพาะเจาะจง (ไม่ว่าจะเป็นมนุษย์หรือ Agent) ตัวอย่างเช่น ผู้ใช้สามารถระบุแหล่งที่มาให้กับ NotebookLM และระบบจะดึงข้อมูลเนื้อหาเพื่อช่วยผู้ใช้ทำงานที่เกี่ยวข้องได้ดียิ่งขึ้น เช่น การสรุปหรือการรวบรวมข้อมูล
Agent ทำตามรูปแบบที่คล้ายกันและรวบรวมข้อมูลหน้าเว็บในนามของผู้ใช้เพื่อตอบคำขอของผู้ใช้ แต่โฟลว์อาจไม่เป็นเส้นตรงมากนัก
แม้ว่า Agent จะถูกใช้สำหรับงานอัตโนมัติและการรวบรวมข้อมูลมานานแล้ว แต่ตอนนี้ Agent สามารถคลิกลิงก์และปุ่ม กรอกข้อมูลในช่อง และเลื่อนดูหน้าเว็บ รวมถึงทำเวิร์กโฟลว์ให้เสร็จสมบูรณ์ในนามของผู้ใช้ได้ งานเหล่านี้อาจเป็นงานเล็กๆ เช่น การกรอกแบบฟอร์มติดต่อ หรือเป็นงานที่ซับซ้อนมากขึ้น เช่น การจองเที่ยวบินให้ครอบครัว
ความเข้าใจเรื่องความยินยอมเป็นทักษะที่สำคัญที่สุดสำหรับ Agent ประเภทใหม่เหล่านี้ เนื่องจาก Agent ทำหน้าที่เป็นเพื่อนร่วมงานของมนุษย์ Agent ควรขอการยืนยันในจุดสำคัญๆ เช่น ขั้นตอนการซื้อหรือการส่งแบบฟอร์มที่มีข้อมูลที่ละเอียดอ่อน
Agent ในฐานะเพื่อนร่วมงาน
Agent สามารถเป็นเพื่อนร่วมงานหรือแม้แต่เป็นตัวแทนของผู้ใช้ที่เป็นมนุษย์ โดยช่วยให้ผู้ใช้ทำงานที่ซับซ้อนบนเว็บไซต์หรือเว็บแอปพลิเคชันของคุณให้เสร็จสมบูรณ์ได้ โดยหลักๆ แล้ว กระบวนการของ Agent จะเหมือนกันเสมอ ดังนี้
- รับคําค้นหา
- ประมวลผลและวางแผนวิธีจัดการกับคําค้นหา
- ดำเนินการตามแผน
- บันทึกสิ่งที่ได้เรียนรู้ไว้ในหน่วยความจำ
Agent เหมาะสมที่สุดในการสนับสนุนงานจากหลาย แหล่งที่มา ในกรณีของการซื้อหนังสือ Agent อาจทำงานให้เสร็จสมบูรณ์ในแหล่งที่มาของคุณ ขณะเดียวกันก็ไปยังแหล่งที่มาอื่นๆ ที่คล้ายกันด้วย เว็บไซต์ของคุณรองรับ Agent ในการทำงานให้เสร็จสมบูรณ์ได้ดีเพียงใด ก็มีแนวโน้มมากขึ้นที่ Agent จะทำงานให้เสร็จสมบูรณ์ในแหล่งที่มาของคุณ
หน้าที่ของคุณในฐานะนักพัฒนาเว็บคือการสนับสนุนและสร้างเครื่องมือที่จะช่วยให้มนุษย์และ Agent ทำงานที่สำคัญให้เสร็จสมบูรณ์ได้อย่างมีประสิทธิภาพ แต่เครื่องมือเป็นเพียงส่วนหนึ่งของโครงสร้างพื้นฐานของ Agent
โครงสร้างพื้นฐานของ Agent
Agent เป็นหน่วยที่ประกอบด้วยส่วนต่างๆ ที่เชื่อมต่อกัน ดังนี้
- โมเดล: โมเดลภาษาขนาดใหญ่ (LLM) เป็นพื้นฐานสำหรับ AI Agent โดยโมเดลเหล่านี้มีความสามารถในการให้เหตุผล มีฐานความรู้ และมีความสามารถในการประมวลผลและสร้างภาษา
- กฎ: ข้อจำกัดต่างๆ ซึ่งรวมถึงบุคลิก คำแนะนำ และเป้าหมาย จะช่วยให้ Agent ทำงานได้อย่างสม่ำเสมอ
- หน่วยความจำ: หน่วยความจำระยะสั้นและหน่วยความจำระยะยาวช่วยให้ Agent จัดการ บริบท เพิ่มประสิทธิภาพ และโดยทั่วไปแล้วทำงานได้ดีขึ้นสำหรับผู้ใช้
- เครื่องมือ: Agent สามารถใช้เครื่องมือต่างๆ ได้มากมาย ซึ่งรวมถึง API, ฟังก์ชัน, ฐานข้อมูล และแม้แต่ Agent อื่นๆ ตัวอย่างเช่น WebMCP (ในช่วงทดลองใช้จากต้นทาง) เป็น ข้อเสนอเพื่อรองรับการโต้ตอบที่มีโครงสร้างบนเว็บไซต์ของคุณ
เมื่อ Agent ถือว่าเว็บไซต์เป็นแหล่งข้อมูลหรือโต้ตอบกับหน้าเว็บโดยตรง Agent จะทำเช่นนั้นด้วยภาพหรือความหมาย
- การโต้ตอบด้วยภาพ: Agent จะถ่ายภาพหน้าเว็บที่แสดงผล และใช้โมเดลการมองเห็นเพื่ออ่านเนื้อหาและระบุองค์ประกอบแบบอินเทอร์แอกทีฟ
- การโต้ตอบตามความหมาย: Agent จะวิเคราะห์ DOM และอ่านข้อความโดยตรง ซึ่งเป็นเรื่องปกติสำหรับ Agent ที่ทำงานอัตโนมัติ
ทั้งการโต้ตอบด้วยภาพและการโต้ตอบตามความหมาย Agent จะได้รับประโยชน์จากเว็บไซต์ที่ออกแบบมาอย่างดี ใช้งานง่าย และมีลำดับชั้นของเนื้อหาที่ชัดเจน
Agent ต้องมีสิทธิ์เข้าถึงข้อมูล
วิธีหนึ่งในการกำหนด Agent คือการพิจารณาความสัมพันธ์ของ Agent กับข้อมูล เจ้าของ Agent และข้อมูลเป็นบุคคลเดียวกันหรือต่างกัน การเลือกนี้จะกำหนดเลเยอร์การตรวจสอบสิทธิ์ที่จำเป็นและระดับความยากในการทำงานให้เสร็จสมบูรณ์
Agent บุคคลที่ศูนย์
Agent บุคคลที่ศูนย์ คือ Agent ที่ทำงานในเบราว์เซอร์ซึ่งทำงานในบริบทภายในเครื่องโดยใช้ข้อมูลผลิตภัณฑ์ในพื้นที่ เนื่องจากเบราว์เซอร์จัดเก็บค่ากำหนดของผู้ใช้ที่กำหนดเองซึ่งอาจถือเป็นข้อมูลส่วนบุคคลที่ระบุตัวบุคคลนั้นได้ (PII) Agent บุคคลที่ศูนย์จึงป้องกันการดำเนินการที่แชร์ข้อมูลนี้กับบุคคลอื่นๆ ได้
Agent บุคคลที่หนึ่ง
Agent บุคคลที่หนึ่ง คือกรณีที่เครื่องมือและข้อมูลเป็นของบุคคลเดียวกัน นักพัฒนาซอฟต์แวร์จึงเป็นเจ้าของและสนับสนุนเครื่องมือ รวมถึงจัดการสิทธิ์เข้าถึงข้อมูลและการกำหนดค่าได้
ตัวอย่างเช่น สมมติว่าคุณเป็นผู้ใช้ที่วางแผนจะไปเที่ยวโตรอนโตและต้องการสร้างรายการสถานที่ที่ควรไป Agent ที่ Google Maps ให้บริการสามารถใช้ชุดเกณฑ์และข้อมูลเพื่อสร้างรายการสถานที่น่าสนใจในนามของคุณ โดยทำเครื่องหมายแต่ละรายการบนแผนที่ ซึ่งถือเป็น Agent บุคคลที่หนึ่งเนื่องจาก Agent ให้บริการโดย Google ซึ่งเป็นเจ้าของข้อมูลแผนที่และค่ากำหนดส่วนบุคคลอื่นๆ ที่ผู้ใช้ที่เข้าสู่ระบบจัดเก็บไว้ด้วย
Agent บุคคลที่สาม
Agent บุคคลที่สาม สร้างขึ้นโดยนักพัฒนาซอฟต์แวร์หรือองค์กรภายนอก และมีฟังก์ชันและข้อมูลจากบริการภายนอก ตัวอย่างเช่น คุณอาจต้องการให้ผู้ให้บริการปฏิทินบุคคลที่สามรองรับฟีเจอร์ตามเหตุการณ์ในเว็บไซต์ คุณสามารถเสนอเครื่องมือให้กับ Agent เหล่านี้ เช่น WebMCP หรือผสานรวม Agent เข้ากับเวิร์กโฟลว์ของคุณ (โดยสมมติว่า Agent ผ่านการตรวจสอบความเป็นส่วนตัวของคุณ)
Agent บุคคลที่สามสามารถทำงานการแมปเดียวกันให้เสร็จสมบูรณ์ได้เมื่อสร้างเป็นส่วนขยาย
นักพัฒนาซอฟต์แวร์สามารถสร้าง Agent ที่ใช้แหล่งที่มาที่เฉพาะเจาะจงเพื่อสร้างรายการ เช่น การดึงร้านอาหารที่ดีที่สุดจากหนังสือพิมพ์ท้องถิ่น Agent นี้จะต้องมีสิทธิ์เข้าถึงแบบอ่านอย่างเดียวในเว็บไซต์หนังสือพิมพ์ท้องถิ่น นอกเหนือจากสิทธิ์เข้าถึงแบบอ่านและเขียนในเครื่องมือสร้างรายการ ไม่ว่าจะเป็น Google Maps หรือบริการอื่น ซึ่งต้องได้รับความยินยอมและสิทธิ์หลายระดับ รวมถึงเครื่องมือที่เฉพาะเจาะจง เพื่อโต้ตอบกับเว็บไซต์ (เช่น เครื่องมือ Playwright)
เว็บไซต์หรือเว็บแอปพลิเคชันของคุณมีแนวโน้มที่จะเป็นผู้ให้บริการข้อมูลบุคคลที่สามแก่ Agent ในกรณีนี้ คุณอาจต้องการเสนอโครงสร้างสิทธิ์ที่ช่วยให้ Agent และมนุษย์ทำงานร่วมกับคุณได้
สรุปประเด็นสำคัญ
เมื่อเข้าใจวิธีที่ Agent ทำงานแล้ว คุณจะตัดสินใจได้ว่าเว็บไซต์ของคุณจะรองรับ Agent ได้ดีที่สุดอย่างไร
- อ่านเกี่ยวกับ WebMCP และ ลงชื่อสมัครใช้การทดลองใช้แบบออริจิน
- ดูวิธีสร้างเว็บไซต์ที่เข้าถึงได้
- เรียนหลักสูตร Learn AI เพื่อทำความเข้าใจวิธีเพิ่มระบบ AI ลงในเว็บไซต์
เราจะอัปเดตซีรีส์นี้ต่อไปด้วยแนวทางปฏิบัติแนะนำที่นำไปใช้ได้จริงเพื่อรองรับการโต้ตอบระหว่างเว็บไซต์และเว็บแอปพลิเคชันของคุณกับ Agent