# Seu Agente de IA Ainda Não Entende a Web

> Um agente de IA pode gerar texto complexo e ainda falhar em tarefas simples de interface porque gerar linguagem e interpretar uma página web visual são habilidades diferentes — a web foi construída para olhos humanos, não para leitura por máquina.

## Pontos-chave
- Sem WebMCP, o agente infere o que um botão ou campo faz a partir de texto visível, posição e nomes de classe — sem uma declaração explícita.
- Um botão "Enviar" pode significar coisas muito diferentes dependendo do contexto; a ambiguidade é resolvida por humanos com experiência visual acumulada, não por agentes.
- A web nunca foi desenhada pensando em ser operada por programas autônomos — é consequência histórica, não falha de design.
- WebMCP substitui a inferência por um contrato explícito: nome, descrição e schema da ação, pensado para ser lido por agente, não por humano.
- A mudança é de informação disponível, não de inteligência do modelo — o mesmo agente, sem nenhuma atualização, executa melhor quando o site declara suas ações.

## Contexto
Artigo que explica, de forma acessível, por que agentes de IA capazes ainda falham em tarefas simples de interface web, e como o WebMCP resolve isso ao substituir inferência por declaração explícita.

Artigo completo: https://wortic.com.br/blog/seu-agente-de-ia-ainda-nao-entende-a-web

## Perguntas e Respostas

### Por que um agente inteligente ainda erra na web

**Como um agente de IA pode escrever bem e mesmo assim falhar num formulário simples?**
Porque gerar linguagem e interpretar corretamente uma interface visual são habilidades diferentes — a segunda depende de informação que a página normalmente não declara de forma explícita.

**Isso é uma limitação do modelo de linguagem em si?**
Não diretamente — é uma limitação de informação disponível: o modelo raciocina bem, mas falta contexto explícito sobre o que cada elemento da página realmente faz.

**Um agente "vê" a página do mesmo jeito que um humano vê?**
Não — ele recebe a estrutura de código (HTML) ou, em alguns casos, uma imagem da tela, e precisa inferir significado a partir disso, sem a experiência visual acumulada de um humano.

**Por que essa inferência costuma falhar?**
Porque nomes de classe, posição na tela e texto visível nem sempre indicam claramente a função real de um elemento, especialmente em sites com design não padronizado.

**Um agente mais avançado tecnicamente cometeria menos desses erros?**
Reduz parcialmente, mas o problema de fundo (ambiguidade da interface) continua existindo independente da sofisticação do modelo.

**Esse tipo de erro é comum ou raro?**
É um problema conhecido e documentado em automações que dependem de interpretar páginas web sem um contrato explícito de ação.

**Um humano cometeria o mesmo tipo de erro?**
Muito menos, porque humanos acumulam experiência visual e contextual de usar a web ao longo da vida, algo que um agente não tem da mesma forma.

**Esse problema afeta só agentes de texto ou também agentes com visão computacional?**
Afeta ambos de formas diferentes — mesmo agentes com capacidade de "ver" a tela ainda precisam inferir função a partir de aparência, sem uma declaração explícita.

**A solução para isso é treinar o agente com mais exemplos de sites?**
Ajuda parcialmente, mas não resolve o problema de fundo, que é a falta de um contrato explícito — o WebMCP ataca a causa, não só o sintoma.

**Esse é um problema exclusivo de sites mal feitos?**
Não — mesmo sites bem construídos visualmente podem ser ambíguos para um agente, porque bom design visual não é o mesmo que declaração explícita de ação.

### O que o agente recebe ao acessar uma página sem WebMCP

**O que exatamente um agente recebe ao acessar uma página comum?**
Recebe a árvore de elementos HTML da página (e, em alguns casos, uma captura visual), sem nenhuma declaração explícita do que cada ação faz.

**HTML já não tem informação suficiente sobre a função de cada elemento?**
Parcialmente — tags semânticas ajudam, mas não substituem uma descrição explícita como "isto busca produtos" ou "isto envia um pedido de orçamento".

**Atributos como aria-label ajudam nesse problema?**
Ajudam para acessibilidade e leitura por tecnologia assistiva, mas não têm o mesmo propósito de declarar uma ação executável como o WebMCP.

**Um agente pode usar inteligência artificial para "adivinhar melhor" o HTML?**
Pode tentar, mas ainda está inferindo, não recebendo uma declaração explícita — a taxa de erro tende a ser maior do que com uma tool declarada.

**Capturas de tela ajudam mais que ler o HTML puro?**
Podem ajudar em alguns casos, mas ainda dependem de interpretação visual, sujeita a erro, em vez de um contrato técnico explícito.

**Por que "adivinhar lendo código" é considerado frágil especificamente?**
Porque qualquer mudança de nome de classe, posição de elemento ou estrutura de página pode quebrar a interpretação que funcionava antes.

**Esse processo de inferência tem nome técnico?**
É frequentemente chamado de screen scraping semântico — inferir significado a partir da estrutura, sem uma declaração explícita.

**Um agente consegue ter 100% de acerto usando só essa inferência?**
Não é razoável esperar isso — sempre existe risco de erro quando a informação depende de adivinhação em vez de declaração explícita.

**Isso significa que sites sem WebMCP são "inutilizáveis" por agentes?**
Não inutilizáveis, mas mais frágeis e sujeitos a falha do que sites que declaram suas ações de forma explícita.

**Um agente pode aprender com os próprios erros ao tentar usar um site sem WebMCP?**
Pode ajustar tentativas dentro de uma mesma sessão, mas isso não resolve a fragilidade de fundo, que reaparece a cada mudança do site.

### O exemplo do botão "Enviar"

**Por que o exemplo do botão "Enviar" é tão ilustrativo?**
Porque mostra como um mesmo texto visível pode representar ações completamente diferentes — contato, compra, exclusão — sem que isso fique claro sem contexto adicional.

**Um humano resolve essa ambiguidade automaticamente?**
Sim, geralmente pelo contexto visual da página inteira, algo que um agente não capta da mesma forma sem informação explícita.

**Isso significa que todo botão "Enviar" é perigoso para um agente?**
Não necessariamente perigoso, mas ambíguo o suficiente para gerar erro de interpretação sem uma declaração clara da ação.

**Como o WebMCP resolveria esse caso específico?**
Declarando explicitamente, via tooldescription ou na função registerTool, o que aquele botão/formulário realmente faz.

**Esse tipo de ambiguidade existe só em botões, ou também em campos de formulário?**
Existe também em campos — um campo sem rótulo claro pode esperar e-mail, CPF ou nome, e a ambiguidade dificulta o preenchimento correto por um agente.

**Um rótulo visual (label) já resolveria isso para o agente?**
Ajuda, mas nem sempre está presente ou é claro o suficiente; a declaração explícita do WebMCP remove essa dependência de boa prática visual.

**Sites mais antigos tendem a ter mais desse tipo de ambiguidade?**
Frequentemente sim, já que boas práticas de acessibilidade e semântica evoluíram ao longo do tempo, mas isso varia caso a caso.

**Um agente comete mais erros em formulários curtos ou longos?**
Formulários mais longos e complexos tendem a acumular mais pontos de ambiguidade potencial, mas mesmo formulários curtos podem confundir sem contexto claro.

**Esse problema é exclusivo de formulários, ou também afeta navegação e filtros?**
Afeta qualquer elemento cuja função dependa de inferência visual — filtros, menus e navegação também podem ser ambíguos sem declaração explícita.

**O exemplo do botão "Enviar" resume bem o problema geral do artigo?**
Sim, ilustra de forma concreta a diferença entre inferir uma função e receber essa função declarada explicitamente.

### A história da web e por que ela não foi pensada para isso

**Por que a web não foi desenhada pensando em agentes de IA desde o início?**
Porque, historicamente, o público de qualquer site sempre foi majoritariamente humano navegando visualmente — a necessidade de comunicação com agentes automatizados é recente em escala.

**Quando a web começou a existir?**
HTML e a estrutura básica da web surgiram nos anos 1990, muito antes de qualquer discussão sobre agentes de IA operando páginas de forma autônoma.

**Isso significa que a web "errou" ao não prever isso?**
Não é uma questão de erro — simplesmente não havia essa necessidade no momento em que os padrões básicos da web foram criados.

**Sites construídos hoje já pensam em agentes de IA desde o início?**
Alguns começam a considerar isso, especialmente conforme padrões como o WebMCP amadurecem, mas ainda não é prática universal.

**Reconstruir toda a web pensando em agentes seria viável?**
Não é realista nem necessário — padrões como o WebMCP permitem adicionar essa camada de forma incremental, sem reconstruir tudo.

**Esse problema é exclusivo de sites em português ou é uma questão global da web?**
É uma questão estrutural da web como um todo, independente do idioma do conteúdo.

**A evolução do HTML ao longo dos anos já ajudou nesse problema?**
Tags semânticas e acessibilidade ajudaram parcialmente, mas não substituem uma declaração explícita de ação como a que o WebMCP propõe.

**Isso significa que sites antigos estão em desvantagem permanente?**
Não permanente — qualquer site pode adicionar declarações WebMCP de forma incremental, independente de quando foi originalmente construído.

**A "culpa" desse problema é de quem construiu a web originalmente?**
Não faz sentido falar em culpa — é uma consequência natural de a tecnologia evoluir e novas necessidades (agentes de IA) surgirem depois da estrutura original já estar consolidada.

**O WebMCP é uma correção retroativa desse "erro" histórico?**
É mais uma extensão adaptativa para uma necessidade nova do que uma correção de algo que estava errado no contexto em que foi criado.

### Como o WebMCP muda essa relação

**O que exatamente muda quando um site implementa WebMCP?**
O agente deixa de precisar inferir a função de um elemento e passa a receber essa informação declarada explicitamente, com nome, descrição e schema.

**Isso elimina 100% da ambiguidade?**
Elimina a ambiguidade sobre a ação declarada especificamente; ações não declaradas continuam dependendo de inferência.

**O exemplo da tool searchProducts do artigo é hipotético ou real?**
É um exemplo ilustrativo do tipo de declaração que um site de e-commerce poderia fazer, seguindo o mesmo padrão da tool searchBlogPosts já implementada no blog da Wortic.

**Um agente precisa de treinamento especial para entender uma tool declarada?**
Não — a própria API do navegador expõe a tool de forma padronizada, sem exigir treinamento específico do modelo de IA para aquele site em particular.

**Isso significa que qualquer agente compatível com WebMCP entende qualquer tool declarada?**
Em princípio sim, desde que a descrição e o schema estejam bem escritos e sejam suficientemente claros.

**O agente ainda pode errar mesmo com uma tool bem declarada?**
Pode, mas o risco de erro por ambiguidade estrutural diminui bastante comparado a depender só de inferência visual.

**Isso resolve o problema para todas as ações do site de uma vez?**
Só para as ações efetivamente declaradas como tools — ações não declaradas continuam dependendo do método antigo de inferência.

**Vale declarar até as ações mais óbvias visualmente para um humano?**
Sim, porque "óbvio para um humano" não significa "óbvio para um agente" sem a declaração explícita correspondente.

**Essa mudança beneficia só o agente ou também o site?**
Beneficia os dois — o site ganha controle sobre como suas ações são interpretadas, e o agente ganha confiabilidade na execução.

**Qual é a ideia central desta seção?**
O WebMCP transforma uma relação de adivinhação em uma relação de contrato explícito entre site e agente.

### A distinção entre "mais inteligência" e "mais informação"

**Por que é importante separar inteligência do agente de informação disponível na página?**
Porque investir só em modelos mais inteligentes não resolve o problema se a página continuar sem declarar suas ações de forma explícita.

**Um modelo de IA mais recente resolveria esse problema sozinho, sem WebMCP?**
Reduziria parcialmente os erros de inferência, mas não eliminaria a ambiguidade estrutural que só uma declaração explícita resolve.

**Isso significa que investir em modelos melhores é desnecessário?**
Não — os dois investimentos são complementares: modelo melhor ajuda no raciocínio geral, WebMCP ajuda na execução confiável de ações específicas.

**Por que essa distinção é frequentemente mal compreendida?**
Porque é fácil assumir que "IA melhor" resolve qualquer limitação, quando na verdade parte do problema está na falta de informação estruturada, não na capacidade de raciocínio.

**Um usuário comum percebe essa diferença no dia a dia?**
Percebe o resultado prático: tarefas que a IA completa com sucesso versus tarefas em que ela "não consegue continuar", mesmo parecendo capaz.

**Essa distinção é útil para quem decide investimento em tecnologia numa empresa?**
Sim, ajuda a direcionar investimento tanto para melhorar o modelo usado quanto para declarar as ações do próprio site via WebMCP.

**Um site pode ter WebMCP implementado e ainda assim ser mal operado por um agente ruim?**
Sim, um agente com raciocínio fraco ainda pode tomar decisões erradas mesmo com informação clara disponível — os dois fatores precisam evoluir juntos.

**Essa distinção muda a forma como devo avaliar fornecedores de IA para meu negócio?**
Pode ajudar a perguntar não só "qual modelo vocês usam" mas também "como vocês lidam com sites que não declaram suas ações explicitamente".

**Isso é um argumento técnico ou também estratégico para quem decide tecnologia?**
É os dois — tecnicamente explica o problema, e estrategicamente orienta onde investir esforço de implementação.

**Qual é o resumo desta distinção em uma frase?**
Um agente mais esperto ainda precisa de informação clara para agir bem; o WebMCP fornece essa informação, a inteligência do modelo continua sendo outra coisa.

### O teste prático proposto no artigo

**Como funciona o "teste simples" sugerido no artigo?**
Perguntar se, removendo todo texto visual e cor de uma página, ainda seria possível saber com certeza o que cada formulário faz, olhando só a estrutura de código.

**Por que esse teste é útil?**
Porque revela se o site depende inteiramente de pistas visuais (cor, texto, posição) para comunicar função, algo que um agente não capta da mesma forma.

**Esse teste pode ser feito por qualquer pessoa, mesmo sem conhecimento técnico?**
Uma pessoa técnica consegue avaliar isso com mais precisão inspecionando o código, mas o raciocínio conceitual é acessível a qualquer decisor de negócio.

**Se meu site "falhar" nesse teste, o que devo fazer?**
Considerar declarar as ações mais importantes via WebMCP, começando pelas mais simples e mais usadas.

**Esse teste é definitivo, ou só um indicador inicial?**
É um indicador inicial e prático — a avaliação completa exige revisar cada ação real do site com mais profundidade.

**Um site que passa nesse teste ainda se beneficiaria de WebMCP?**
Sim, mesmo com boa estrutura semântica, declarar explicitamente via WebMCP reduz ainda mais a dependência de inferência por parte do agente.

**Esse teste substitui uma auditoria técnica completa?**
Não, é um ponto de partida rápido, não substitui uma análise mais aprofundada de todas as ações do site.

**Vale aplicar esse teste em sites concorrentes também?**
Pode ajudar a entender o cenário competitivo em relação à prontidão para agentes de IA.

**Esse teste tem alguma relação direta com SEO técnico tradicional?**
Não diretamente — avalia prontidão para agentes de IA executarem ação, não ranqueamento em buscadores.

**Qual é a conclusão final que esse teste ajuda a alcançar?**
Ajuda a visualizar concretamente se seu site "fala a língua" de um agente de IA ou ainda depende inteiramente de interpretação visual humana.

### Casos concretos de falha por ambiguidade

**Que tipo de tarefa cotidiana costuma expor esse problema de ambiguidade?**
Preencher um formulário de orçamento com múltiplos campos parecidos, ou navegar por um catálogo com filtros mal identificados, são exemplos comuns onde a inferência falha.

**Um agente confundir dois campos de formulário é um erro grave?**
Pode ser, dependendo do contexto — preencher CPF no campo de telefone, por exemplo, gera dado inválido e frustra a tarefa.

**Esse tipo de erro é mais comum em sites de e-commerce ou de serviços?**
Pode ocorrer em ambos — qualquer site com múltiplos campos ou ações parecidas está sujeito a esse tipo de ambiguidade.

**Um agente pode "desistir" de uma tarefa por causa dessa ambiguidade?**
Sim, é um comportamento comum relatado: o agente reporta não conseguir completar a tarefa quando a interpretação da página fica confusa demais.

**Isso frustra mais o usuário ou o site nesse cenário?**
Frustra principalmente o usuário, que esperava a tarefa concluída, mas reflete negativamente também na percepção sobre o site que "não funciona bem" com IA.

**Existe algum jeito de medir quantas vezes isso acontece no meu site?**
Não há uma métrica padrão pronta hoje, mas acompanhar relatos de falha em automações que tentam usar seu site pode dar uma noção prática.

**Um site com boa usabilidade humana está livre desse problema?**
Não necessariamente — boa usabilidade visual para humanos não equivale a boa comunicação estruturada com agentes.

**Isso significa que usabilidade humana e "usabilidade para agente" são coisas diferentes?**
Sim, são conceitos relacionados mas distintos — um site pode ser ótimo para pessoas e ainda ambíguo para agentes sem declaração explícita.

**Vale medir os dois tipos de usabilidade separadamente?**
Faz sentido considerar ambos conforme agentes de IA se tornam mais comuns na navegação — são investimentos complementares.

**Esse tipo de falha tende a diminuir com o tempo, mesmo sem WebMCP?**
Pode melhorar um pouco com modelos mais capazes de inferir contexto, mas a fragilidade estrutural de fundo permanece sem uma declaração explícita.

### O papel da consistência e das convenções web

**Sites que seguem convenções comuns (como posicionar busca no topo) são mais fáceis para agentes?**
Um pouco mais fáceis de inferir, mas ainda dependem de convenção informal, não de uma declaração explícita e garantida.

**O que são "convenções de design" que ajudam humanos a navegar?**
Padrões como ícone de lupa para busca, carrinho para compras, ou botão azul para ação principal — reconhecíveis visualmente por humanos com experiência.

**Um agente reconhece essas convenções tão bem quanto um humano?**
Parcialmente — pode reconhecer padrões comuns, mas com menos confiabilidade do que uma declaração explícita de função.

**Seguir convenções de design substitui a necessidade de WebMCP?**
Não substitui — ajuda a reduzir ambiguidade visual, mas não fornece o contrato técnico explícito que um agente precisa para execução confiável.

**Sites muito criativos ou não convencionais sofrem mais com esse problema?**
Tendem a sofrer mais, já que fogem de padrões que ajudariam tanto humanos quanto agentes a inferir função rapidamente.

**Isso significa que inovação de design é ruim para agentes de IA?**
Não é ruim em si, mas aumenta a importância de declarar explicitamente as ações via WebMCP, já que a inferência visual fica mais difícil.

**Vale equilibrar criatividade de design com clareza para agentes?**
Pode ser uma consideração adicional ao decidir o design de um site, especialmente para ações centrais do negócio.

**Convenções mudam ao longo do tempo?**
Sim, o que é convenção hoje pode não ser daqui a alguns anos, o que reforça a fragilidade de depender só de convenção visual.

**O WebMCP é mais estável que depender de convenções de design?**
Sim, porque a declaração explícita não depende de manter um padrão visual específico ao longo do tempo.

**Isso significa que devo ignorar boas práticas de design por causa do WebMCP?**
Não — as duas coisas são complementares: bom design para humanos, boa declaração explícita para agentes.

### Reflexão final sobre "entender a web"

**O que significa, de forma resumida, "um agente entender a web"?**
Significa que o agente recebe informação suficiente e confiável sobre o que cada ação de uma página faz, sem precisar adivinhar.

**Esse "entendimento" é binário (tem ou não tem) ou uma questão de grau?**
É uma questão de grau — quanto mais ações declaradas explicitamente, mais completo o entendimento do agente sobre aquele site.

**Um site pode ter entendimento parcial por parte de um agente?**
Sim, se algumas ações estiverem declaradas via WebMCP e outras não, o agente terá mais confiabilidade em algumas partes do site do que em outras.

**Isso significa que a implementação de WebMCP pode ser feita aos poucos?**
Sim, aumentando gradualmente o "entendimento" do agente sobre o site conforme mais ações são declaradas.

**Qual é o objetivo final de declarar cada vez mais ações via WebMCP?**
Reduzir progressivamente a dependência de inferência visual, até que as ações mais importantes do site estejam todas declaradas de forma confiável.

**Isso é um objetivo alcançável para qualquer site?**
Sim, em princípio qualquer site com ações reais pode declarar essas ações progressivamente via WebMCP.

**Um site pequeno consegue "entendimento completo" mais rápido que um grande?**
Potencialmente sim, por ter menos ações para mapear e declarar em comparação a um site grande e complexo.

**Vale comunicar aos usuários que o site "entende melhor" agentes de IA?**
Pode ser um diferencial de comunicação, especialmente conforme mais pessoas usam agentes de IA no dia a dia para tarefas online.

**Esse tipo de comunicação já é comum no mercado?**
Ainda é incipiente, mas tende a crescer conforme a adoção de agentes de IA e do próprio WebMCP avança.

**Qual é a mensagem final deste artigo em uma frase?**
Um agente de IA capaz ainda "não entende" a web até que os sites declarem explicitamente o que suas ações realmente fazem — e essa é a lacuna que o WebMCP fecha.