Google于周三发布首款网页操作AI智能体Project Mariner，该原型由DeepMind研发、Gemini驱动。它能接管Chrome浏览器，通过移动光标、点击按钮及填写表单等方式，像人类一样操作网站。
Google表示，该产品将率先面向少量预筛选测试人员开放。
Google正持续探索Gemini在阅读、总结及使用网站方面的新应用。一位高管向TechCrunch透露，这是“根本性的用户体验范式转变”：用户不再直接交互网站，而是通过与生成式AI系统互动来完成任务。
这一变革或将影响数百万企业——从TechCrunch等出版商到Walmart等零售商，它们长期依赖Google引导真实用户访问网站。
在TechCrunch的演示中，Google Labs总监Jaclyn Konzelmann展示了Project Mariner的运行机制。
通过Chrome扩展程序配置后，浏览器右侧会弹出聊天窗口。用户可下达如“根据清单创建杂货购物车”等指令。
随后，AI智能体会导航至目标网站（如Safeway），搜索并添加商品至虚拟购物车。值得注意的是，智能体响应较慢，每次光标移动约有5秒延迟；有时还会暂停任务，就商品数量等细节请求澄清。
出于安全与用户控制权考虑，Project Mariner无法执行结账（不填写信用卡或账单信息）、接受Cookie或签署服务条款等操作。
后台运行方面，智能体需经用户同意截取浏览器窗口截图，发送至云端由Gemini处理后再返回导航指令。
此外，Project Mariner还可用于查询航班酒店、购买家居用品、寻找食谱等原本需逐页浏览的任务。
主要限制在于，它仅在Chrome当前活动标签页运行。这意味着智能体工作时，用户无法同时使用电脑进行其他操作，必须全程注视其缓慢点击。Google DeepMind首席技术官Koray Kavukcuoglu解释称，此举旨在让用户清晰了解AI的操作过程。
Kavukcuoglu在接受TechCrunch采访时表示：“既然Gemini能代表用户执行操作，分步展示十分必要。作为个人你可以直接使用网站，现在你的代理也能完成相同操作。”
对于网站所有者而言，Google AI代理在用户屏幕端运行意味着出版商和零售商仍能吸引关注。然而，这也可能导致用户对网站的参与度降低，未来甚至无需亲自访问。
Konzelmann告诉TechCrunch：“[Project Mariner]代表了根本性的用户体验范式转变。我们需要找到正确方式，改变用户与网络的交互模式，以及出版商未来为用户和代理创建体验的方式。”
除Project Mariner外，Google周三还发布了多款针对特定任务的AI代理。
其中，Deep Research旨在通过制定多步骤计划帮助用户探索复杂主题，对标OpenAI的o1模型。但Google发言人强调，该代理并非用于解决数学逻辑、编写代码或数据分析。它今日已在Gemini Advanced上线，预计2025年登陆Gemini应用。
面对复杂问题时，Deep Research会生成多步骤行动计划。经用户批准后，它将花费数分钟搜索网络、回答问题并生成长篇报告。
另一款名为Jules的AI代理专为开发者设计，集成于GitHub工作流中，可直接查看现有项目并进行修改。Jules今日起向少量测试人员开放，计划于2025年晚些时候全面推出。
最后，Google DeepMind正基于游戏AI开发经验，打造一款协助导航电子游戏的AI代理。目前正与Supercell等开发商合作，测试Gemini对《Clash of Clans》等游戏世界的理解能力。虽未公布发布日期，但这项工作有助于构建能同时导航物理与虚拟世界的AI代理。
Project Mariner何时面向大众尚不确定，但其推出必将对互联网产生深远影响。互联网原为人类设计，而Google的AI代理或将重塑这一标准。