鲸牙启量
HomeNews CenterGoogle 智能体浏览评估：AI Agent 时代的网站优化

Google 智能体浏览评估：AI Agent 时代的网站优化

15 min readBy 鲸牙启量View Markdown version
行业资讯Google智能体浏览AI AgentWebMCPllms.txtCLSGEO治理

Google 的“智能体浏览”评估正在把网站优化从搜索可见推进到 Agent 可理解、可导航、可执行。本文拆解 llms.txt、WebMCP、可访问性树与 CLS 的落地方法。

导语：Google 在 web.dev 与 Chrome 生态中持续强调 agent-friendly websites，并在当前 PageSpeed Insights 报告中把相关检查聚合到“智能体浏览”维度。对品牌官网来说，这不是一个孤立的性能分数，而是在提醒我们：未来的网站不仅要被搜索引擎抓取、被用户阅读，还要能被 AI Agent 稳定理解、可靠导航和安全执行。

核心结论

  • “智能体浏览”评估把网站质量从“人能不能看懂”推进到“机器代理能不能稳定完成任务”。它关注的不是单一 SEO 技巧，而是页面语义、可访问性树、布局稳定性、llms.txt、WebMCP 等信号的组合。
  • llms.txt 更像面向大模型的站点索引清单，帮助模型快速理解网站边界、核心资源与可引用内容；它不是 sitemap 的替代品，也不等同于排名因子。
  • WebMCP 仍处于 Chrome early preview 阶段，但它代表了一个方向：网站可以主动暴露结构化工具，让 AI Agent 不必只靠截图、DOM 猜测和点击模拟来完成任务。
  • CLS 之所以会出现在智能体浏览评估里，是因为布局跳动会让视觉型 agent 和自动化执行链路失去稳定坐标；它同时影响人类体验、Core Web Vitals 和 agent 操作可靠性。

一、Google 为什么开始强调“智能体浏览”

过去几年，网站优化的默认对象主要有两类：人类用户和搜索引擎爬虫。前者关注速度、可读性、转化路径，后者关注抓取、索引、结构化数据和链接关系。AI Agent 出现后，第三类访问者开始进入站点：它们不是简单抓取网页，也不只是回答“这篇文章讲什么”，而是可能代表用户完成一段目标导向的旅程。

web.dev 在《Introduction to agents》中把 agent 描述为接收输入、解释需求、制定计划并代表用户执行动作的系统；在网站场景里，agent 可能点击链接、填写表单、滚动页面、比较产品、提交工单或把页面内容整理成答案。也就是说，网站不再只是“内容容器”，而会变成 agent 的任务环境。

这也是为什么 Google 的相关检查会把无障碍结构、llms.txt、WebMCP 和 CLS 放在同一个视角下：这些东西看起来分属内容、协议、前端性能和交互工程，但对 agent 来说，它们共同决定了一个问题：我能否用足够低的成本、足够少的误判，完成用户交给我的任务？

二、智能体怎么看一个网站：截图、HTML 与可访问性树

web.dev 的《Build agent-friendly websites》提到，agent 通常会通过三种方式理解网站：截图、原始 HTML 和 accessibility tree。截图提供视觉线索，例如按钮位置、颜色、大小和邻近关系；HTML 提供 DOM 层级、文本和属性；可访问性树则把页面抽象成角色、名称和状态，让 agent 更清楚地知道一个元素到底是按钮、链接、输入框还是导航。

这意味着，品牌网站不能只追求“视觉上像按钮”。如果一个可点击区域只是一个绑定了点击事件的 div，没有 button 语义、没有 aria label、没有清晰的链接目标，那么人类用户也许能猜出来，agent 却可能把它当作普通容器。反过来，如果页面使用语义化 HTML、明确的 label、稳定的导航层级和可描述的状态，agent 就更容易建立可靠的页面地图。

从 GEO 的角度看，这一点非常关键。AI 搜索和 AI Agent 都在把“内容是否存在”升级为“内容是否可被机器准确解释”。文章、产品页、价格页、案例页、下载页和联系表单，都应当拥有清晰的页面标题、结构化段落、可识别 CTA、明确的实体信息和可验证来源。

三、llms.txt：给大模型看的站点说明书

截图里的 “llms.txt 符合建议” 说明，Google 的评估已经把大模型可读入口纳入了观察范围。按照 llms.txt 提案，站点可以在根路径提供 /llms.txt，用 Markdown 写清楚站点名称、摘要、核心资源列表和可选资源。它的价值不是列出所有 URL，而是给模型一份“优先读什么、如何理解这些资源”的导览。

这和 sitemap.xml 的角色不同。sitemap 更像给搜索引擎的索引清单，强调可抓取 URL 覆盖；llms.txt 更像给 LLM 和 agent 的上下文目录，强调哪些页面最能代表站点、哪些文档适合引用、哪些内容是补充材料。对品牌站来说，推荐至少包含四类资源：品牌与产品简介、核心方法论或白皮书、帮助文档或 FAQ、重要的案例和政策页面。

更进一步，站点可以提供 Markdown 版本的关键页面，例如文章 raw 版本、产品说明 raw 版本、FAQ raw 版本。这样做的目标不是绕过网页，而是减少模型从复杂视觉页面中提取正文时的噪声，提升引用与摘要的准确性。

四、WebMCP：从“猜按钮”到“暴露工具”

Chrome for Developers 在 2026 年 2 月发布 WebMCP early preview，提出让网站以结构化方式暴露工具，帮助 AI Agent 更快、更可靠、更精确地执行动作。官方文章提到两个方向：声明式 API，可用于 HTML 表单等标准动作；命令式 API，可用于更复杂、动态的 JavaScript 交互。

这背后的逻辑很直接：如果 agent 只能看页面截图和 DOM，它需要自己猜“这个按钮会做什么”“这个筛选项会影响哪组结果”“这个表单提交后是否会产生敏感操作”。WebMCP 的目标，是让网站告诉 agent：这里有哪些可用动作、动作需要哪些参数、动作会产生什么结果、哪些环节需要用户确认。

目前 WebMCP 还不是所有网站都必须立即部署的稳定标准，但它给品牌站提供了清晰方向。凡是高价值、低风险、可结构化的流程，都应该优先被工具化，例如站内搜索、资料下载、价格咨询、内容筛选、知识库查询、产品规格获取、预约演示和工单创建。复杂交易、支付、账号权限和敏感数据提交，则必须保留明确的人类确认和权限边界。

五、为什么 CLS 也会影响智能体浏览

很多人看到智能体浏览评估里出现 Cumulative Layout Shift 会困惑：CLS 不是性能指标吗，为什么和 AI Agent 有关？原因在于，agent 在执行任务时也需要稳定坐标和稳定页面状态。一个按钮如果在图片加载、字体切换、cookie 横幅、动态推荐模块插入后发生位移，人类用户会误点，视觉型 agent 同样可能误判。

web.dev 对 CLS 的建议阈值是 0.1 或以下，超过 0.25 通常视为较差。常见原因包括图片没有尺寸、广告或嵌入内容没有预留空间、动态注入内容、字体加载导致文本尺寸变化等。对 agent 来说，CLS 不只是“页面抖一下”，而是任务执行链路里的不确定性：截图阶段看到的按钮位置，点击阶段可能已经变了；DOM 阶段识别的卡片顺序，视觉阶段可能被新模块挤开。

因此，修复 CLS 也是 agent-ready 的基础工作。首屏容器宽度、Header 高度、图片比例、异步模块占位、字体 fallback、cookie banner 与悬浮 CTA，都应该在初始渲染阶段预留稳定空间。

六、品牌网站应该怎么落地

第一步，先把“机器可读入口”补齐。检查 sitemap.xml、robots.txt、llms.txt、ai.txt、RSS 或 feed、文章 raw Markdown、JSON-LD 是否存在且互相一致。不要让 sitemap 指向旧域名，也不要让 llms.txt 只列首页。

第二步，重做关键页面的信息层级。每个核心页面都应该有唯一 H1、清晰 H2、短摘要、实体名称、适用对象、证据来源和下一步行动。对文章页，要让开头 100-200 字回答核心问题；对产品页，要让价格、能力边界、使用场景和 FAQ 可被稳定抽取。

第三步，审计可访问性树。用 Chrome DevTools 查看按钮、链接、表单、导航、弹窗、标签页是否有正确 role、name 和 state。优先修复用 div 模拟按钮、label 未绑定 input、隐藏覆盖层挡住元素、交互区太小等问题。

第四步，控制布局稳定性。图片和视频必须声明尺寸或使用固定 aspect-ratio；异步加载模块提前预留高度；客户端挂载后才出现的主题 class、广告位、通知条和推荐卡片要避免推挤首屏；字体加载要使用稳定 fallback。

第五步，选择性探索 WebMCP。短期不必把所有页面都改造成 agent 工具，但可以从高价值流程开始做工具建模：站内搜索工具、文章摘要工具、产品信息查询工具、预约咨询工具、下载资料工具。每个工具都要定义输入、输出、失败状态、权限边界和需要用户确认的节点。

七、一个可执行的检查清单

维度检查点推荐动作
内容索引llms.txt 是否存在且有 H1、摘要和核心链接用 Markdown 列出品牌、产品、文章、FAQ、政策和 raw 内容入口
页面语义按钮、链接、表单是否能在可访问性树里被识别使用 button、a、label、aria-label、aria-expanded 等语义信号
布局稳定CLS 是否低于 0.1为图片、嵌入、字体、异步模块和首屏容器预留稳定空间
内容抽取AI 是否能引用正确段落和来源在正文中明确结论、证据、来源和更新时间
工具化是否有适合 agent 调用的高频流程从搜索、筛选、咨询、下载、工单等低风险流程试点 WebMCP 思路

FAQ：相关问题

1. 智能体浏览评估会直接影响 Google 排名吗？

目前不能把它简单理解为新的排名因子。更稳妥的判断是：它代表 Google 对 agent-friendly 网站质量的观察方向。即使不直接影响排名，它也会影响 AI 系统理解、引用和执行网站任务的成功率。

2. 有了 sitemap.xml，还需要 llms.txt 吗？

需要。sitemap.xml 面向搜索引擎索引，强调 URL 覆盖；llms.txt 面向 LLM 和 agent，强调上下文导览、重点资源和可读说明。两者互补，不互相替代。

3. WebMCP 现在必须马上接入吗？

不必。WebMCP 仍处于 early preview，更适合先研究和试点。但网站可以马上做准备：把高频任务流程拆成清晰输入、输出、确认和错误状态，为未来工具化保留接口边界。

4. 为什么修 CLS 也算 GEO 工作？

GEO 不只是内容写作，也包括让 AI 系统稳定读取和操作网站。CLS 会破坏视觉定位和任务执行稳定性，进而影响 agent 的理解成本与成功率，所以它属于 AI 可见度基础设施的一部分。

资料来源与口径