Lighthouse führt experimentelle Audits für Agentic Browsing ein

ArtikelGoogle Chrome Developers TeamSammlung

Google dokumentiert eine experimentelle Audit-Kategorie in Lighthouse, die Websites auf ihre Interaktionsfähigkeit mit KI-Agenten überprüft. Statt eines Scores von 0 bis 100 zeigt der Bericht den Anteil bestandener Prüfungen.

Das Wichtigste

  1. Voraussetzung für die Tests sind Chrome 150 oder neuer sowie die Teilnahme am WebMCP Origin Trial.
  2. Die Bewertung erfolgt nicht über eine gewichtete 0–100-Skala, sondern als Bruchzahl erfolgreicher Readiness-Checks neben Pass/Fail-Status.
  3. Lighthouse prüft die Registrierung von WebMCP-Tools sowohl deklarativ in HTML als auch prozedural via JavaScript über das Chrome DevTools Protocol.
  4. Der Barrierefreiheitsbaum dient KI-Agenten als zentrales Datenmodell; geprüft werden unter anderem programmatische Namen, Labels und Baum-Integrität.
  5. Visuelle Instabilität (Cumulative Layout Shift) und das Vorhandensein einer llms.txt im Domain-Root fließen ebenfalls in die Bewertung ein.

Warum das relevant ist

Automatisierte KI-Agenten steuern Websites zunehmend direkt an. Entwickler müssen Schnittstellen und Accessibility-Bäume gezielt für maschinelle Interaktionen optimieren, um von Agenten zuverlässig bedient werden zu können.

Einordnung

Mit der neuen Lighthouse-Kategorie institutionalisiert Google die Vorbereitung von Websites auf Web-Agenten. Anstelle spekulativer Heuristiken stützt sich das Audit auf greifbare Schnittstellen wie WebMCP, standardisierte Accessibility-Strukturen und Web Vitals wie CLS, die verhindern, dass Bedienelemente während einer Interaktion verrutschen.

Erwähnte Links

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Repository:ChromeDevTools/chrome-devtools-mcp

    Chrome DevTools MCP: Browser-Debugging und Performance-Analyse für Coding-Agents

    chrome-devtools-mcp verbindet KI-Assistenten und Coding-Agents über das Model Context Protocol (MCP) mit Google Chrome. Das Werkzeug erlaubt Agents, den Browser per Puppeteer zu steuern, Netzwerk- und Konsolen-Logs inklusive Source Maps zu inspizieren und Performance-Traces auszuwerten.

    50.830SterneTypeScript

    KI & AI· Tool

  • Repository:nekuda-ai/WindTunnel

    WindTunnel: Benchmark für Browser-Agenten-Schnittstellen und WebMCP

    WindTunnel ist ein Open-Source-Benchmark-Harness, das unterschiedliche Interaktionsmethoden von Browser-Agenten auf Webseiten vergleicht. Untersucht werden WebMCP (direkt von Websites bereitgestellte Aktionen), Screenshots (Computer Use via Koordinaten) und klassische Seitenstrukturen (DOM und Accessibility Tree).

    34SterneHTML

    KI & AI· Forschung

  • Link:webmcp.com

    WebMCP Adoption Tracker: Status bei Browsern und KI-Agenten

    Der WebMCP Ecosystem Adoption Tracker dokumentiert den Implementierungsstand des WebMCP-Standards in Browsern und KI-Agenten. Während OpenAI WebMCP in ChatGPT bereits standardmäßig aktiviert hat und Chrome eine Veröffentlichung mit Version 157 anpeilt, zeigen sich Mozilla neutral und WebKit ablehnend.

    KI & AI· Sammlung

  • Repository:captivus/chrome-agent

    chrome-agent: Direkte CDP-Steuerung für KI-Coding-Agenten

    chrome-agent ist ein CLI-Werkzeug und eine Python-Bibliothek, die KI-Coding-Agenten direkten Zugriff auf den Chrome-Browser über das Chrome DevTools Protocol (CDP) bietet. Das Tool verzichtet auf einschränkende Abstraktionsschichten und erlaubt die gleichzeitige, isolierte Nutzung durch mehrere Agenten und menschliche Nutzer.

    243SternePython

    KI & AI· Tool

  • Repository:vercel-labs/agent-skills

    Vercel Labs Agent Skills: Regelwerke und Prüfroutinen für KI-Coding-Agents

    Vercel Labs stellt mit Agent Skills eine standardisierte Sammlung von Instruktionen und Skripten für KI-Coding-Agents bereit. Das Repository bündelt Best Practices für Vercel-Optimierung, React- und Next.js-Performance, UI-Design sowie Dokumentation.

    31.253SterneJavaScript

    KI & AI· Sammlung

  • Link:Jeremy Howard

    Spezifikation llms.txt v2 für KI-Agenten

    Jeremy Howard aktualisiert seinen Standardvorschlag llms.txt auf Version 2. Die Spezifikation definiert, wie Websites strukturierte Markdown-Übersichten bereitstellen, damit KI- und Coding-Agenten gezielt und token-sparend auf Inhalte zugreifen können.

    KI & AI· Sammlung

Zurück zur Wissensbasis

Lassen Sie uns über Ihr Projekt sprechen

Kontakt aufnehmen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.