Docs7、WebMCPで読み取り専用のドキュメント検索を公開し、エージェントと人間のクエリを分けて集計

Context7はDocs7に、エージェント向けのドキュメントサービスと分析機能を追加した。WebMCPをサポートするブラウザでは、ドキュメントページが読み取り専用の`search_docs`ツールを公開し、エージェントはDOM、画面認識、従来型のクローラーだけに頼ることなく、構造化クエリでコンテンツを取得できる。管理者は[AI Visibility](https://context7.com/docs/docs7/ai-visibility)で7日、30日、90日の期間を選択し、OpenAI、Claude、Perplexity、Cursor、OpenCode、Meta、Mistralなどの製品からのリクエスト数、人気のパス、送信元の国、時系列の推移を確認できる。WebMCP経由で送信されたクエリは、人間がWebサイトの検索ボックスに入力したキーワードとは分けて集計される。

技術的には、WebMCPにより、Webページは`document.modelContext`を通じて、名前、自然言語による説明、入力スキーマ、JavaScriptの実行関数を備えたツールを登録できる。エージェントがページを観察する際、ブラウザはこれらのツールを、画面やアクセシビリティツリーなどの情報とともにエージェントへ提供できる。注目すべき点として、[9月10日版の仕様](https://webmachinelearning.github.io/webmcp/)では、ブラウザにMCPのトランスポート形式を必ず使用するよう求めてはいない。実装側は、MCP、独自のfunction calling、その他のインターフェースに変換できる。したがってDocs7の変更は、バックエンドのMCP serverを別途デプロイするというよりも、「ドキュメントサイトをブラウザネイティブのツールプロバイダーにする」ものに近い。

SDKおよびプラットフォームチームにとっての価値は、エージェントが実際にどのAPIについて質問しているか、同じページを繰り返し取得しているか、バージョンやサンプルの不足が異常なクエリを引き起こしているかを把握できる点にある。これにより、ドキュメント管理の対象を人間向けSEOからAgent Experienceへと拡張できる。ただし公式は、1件のAI requestが、1人のユーザー、1回の会話、1件の引用、または1つの回答を意味するわけではないと明確に注意を促している。トラフィックが多くても、エージェントが最終的に正しく回答したことの証明にはならず、送信元の分類から正確なモデルバージョンを特定することもできない。

さらに、WebMCPは現在、W3C Web Machine Learning Community GroupのDraft Community Group Reportであり、W3C標準ではない。セキュリティの章も依然として非規範的な内容で、ツールの説明や戻り値を介したプロンプトインジェクションのリスクがすでに挙げられている。Docs7がまず読み取り専用検索を採用したことで、直接的な破壊の可能性は抑えられる。しかし、ブラウザ対応、送信元識別の精度、クエリのプライバシー、そしてエージェントがログイン状態をサイト間で持ち運ぶ際の分離方法については、本番導入前に引き続き注視すべき課題である。