Lighthouse Agentic Browsing Scoring چیست و چطور باید آن را بفهمیم؟
این صفحه، خلاصه آموزشی و اجرایی مستند Chrome درباره امتیازدهی Agentic Browsing در Lighthouse است؛ یعنی اینکه سایت شما چقدر برای تعامل ماشین ها، AI Agents و مرورگرهای عامل محور آماده است.
ایده اصلی مستند در یک نگاه
Agentic Browsing در Lighthouse بررسی میکند سایت تا چه حد برای تعامل ماشینی ساخته شده است؛ یعنی آیا Agent میتواند صفحه، فرم ها، ابزارها و عناصر تعاملی را درست تشخیص دهد و بدون خطا با آنها کار کند یا نه.
Agentic Browsing دقیقا چه چیزی را می سنجد؟
آیا ساختار سایت به شکلی هست که عامل های هوش مصنوعی بتوانند آن را بخوانند، بفهمند و با آن تعامل کنند؟
Lighthouse از مجموعه ای از Audit های deterministic استفاده میکند تا خروجی قابل تکرار باشد.
هدف این نیست که فقط امتیاز بگیریم؛ هدف این است که سایت برای مرور و اقدام توسط Agent ها قابل اعتمادتر شود.
امتیازدهی در این بخش چطور نمایش داده میشود؟
یعنی Lighthouse فقط نمیگوید این بخش کاملا خوب است یا کاملا بد؛ بلکه نسبت پاس شدن چک های مرتبط را نشان میدهد. مثلا اگر از 10 بررسی مهم، 7 مورد درست باشد، وضعیت این بخش به صورت نسبی نمایش داده میشود تا بفهمید چقدر از مسیر را درست رفته اید و کجا هنوز نیاز به اصلاح دارید.
هر Audit یک بررسی مشخص است؛ مثلا آیا یک عنصر تعاملی نام قابل فهم دارد یا نه. اگر شرایط درست باشد Pass میگیرد، اگر مشکل جدی داشته باشد Fail میشود و اگر نکته ای وجود داشته باشد که باید بررسی شود، به شکل هشدار یا اطلاع نمایش داده میشود.
این بخش مثل یک خلاصه سریع عمل میکند. به جای اینکه مجبور باشید تک تک Audit ها را باز کنید، در بالای هر دسته میبینید چند مورد از بررسی ها پاس شده و چند مورد هنوز مشکل دارد. این عدد برای اولویت بندی کارها مفید است؛ مثلا سریع میفهمید مشکل اصلی در Accessibility است یا در ثبت ابزارهای WebMCP یا در پایداری چیدمان صفحه.
چرا ممکن است نتیجه ها نوسان داشته باشند؟
| عامل نوسان | توضیح ساده | اثر روی نتیجه |
|---|---|---|
| Dynamic Tool Registration | اگر ابزارهای WebMCP با JavaScript ثبت شوند، زمان ثبت آنها مهم میشود. یعنی اگر این ابزارها بعد از لود اولیه صفحه، با تاخیر یا وابسته به یک رویداد خاص فعال شوند، ممکن است Lighthouse هنگام گرفتن Snapshot هنوز آنها را نبیند. در نتیجه ابزار واقعا در سایت وجود دارد، اما در زمان تست شناسایی نمیشود. | ممکن است Lighthouse در Snapshot بعضی ابزارها را ببیند یا نبیند. |
| A11y Tree Complexity | تغییرات زیاد در DOM یا پیچیدگی صفحه میتواند ساختار Accessibility Tree را تحت تاثیر قرار دهد. | Agent ممکن است عناصر مهم را سخت تر تشخیص دهد. |
| Cumulative Layout Shift | جابجایی عناصر به دلیل تبلیغات، تصویر بدون ابعاد یا محتوای تزریقی. | Agent چیزی را پیدا میکند، اما هنگام تعامل جای آن تغییر میکند. |
Lighthouse چه سیگنال هایی را بررسی میکند؟
توصیه های اجرایی برای بهبود Agentic Readiness
1. WebMCP را جدی بگیرید
اگر سایت شما فرم، ابزار، فیلتر، رزرو، ثبت سفارش یا فرآیند تعاملی دارد، باید به مرور به سمت آشکارسازی منطق این بخش ها برای AI Agents حرکت کنید.
2. HTML معنایی و ARIA درست استفاده کنید
HTML معنایی یعنی از تگ ها و ساختارهایی استفاده کنیم که معنی واقعی بخش های صفحه را منتقل کنند؛ مثلا دکمه واقعا با button ساخته شود، لینک با a، فرم با label مشخص، تیترها با h1 تا h3 و بخش های اصلی با ساختارهای قابل فهم. وقتی همه چیز با div و span ساخته شود، شاید ظاهر صفحه برای انسان خوب باشد، اما ماشین سخت تر میفهمد هر بخش چه کاری انجام میدهد.
برای Agent ها، Accessibility Tree شبیه چشم ماشینی صفحه است. اگر دکمه، فرم، منو یا لینک شما Label درست نداشته باشد، Agent هم درک ناقصی از عملکرد آن خواهد داشت. ARIA زمانی کمک میکند که HTML عادی به تنهایی کافی نیست؛ اما نباید جایگزین استفاده درست از تگ های معنایی شود.
3. CLS را کاهش دهید
ابعاد تصاویر را مشخص کنید، تبلیغات و محتوای تزریقی را کنترل کنید و اجازه ندهید عناصر تعاملی بعد از لود صفحه جابجا شوند.
4. llms.txt را به نقشه محتوا اضافه کنید
وجود یک فایل خلاصه و ماشین خوان در ریشه دامنه میتواند به کشف بهتر ساختار و محتوای سایت توسط عامل ها کمک کند.
برداشت مهم برای سئوکارها
این مستند نشان میدهد مسیر آینده سئو فقط تولید محتوا و گرفتن رتبه نیست. سایت ها باید برای فهم ماشینی، تعامل ماشینی و تصمیم گیری Agent ها آماده شوند.
ساختار HTML، Accessibility، Stability و Schema مانند قبل فقط جزئیات فنی نیستند.
صفحه خوب فقط برای چشم انسان طراحی نمیشود؛ باید برای Agent هم قابل استفاده باشد.
به جای یک Score ساده، باید مجموعه ای از سیگنال های قابل اقدام بررسی شود.
منبع اصلی این آموزش
این HTML بر اساس مستند رسمی Chrome for Developers درباره Lighthouse Agentic Browsing Scoring طراحی شده است.