MAKO 介绍

互联网并非为 AI 代理而设计。每当 ChatGPT、Perplexity 或购物助手访问一个网站时，它都需要下载导航栏、cookie 横幅、广告脚本以及数千行 markup——仅仅是为了找到一个产品名称和价格。

结果呢？在代理到达实际内容之前，已经消耗了超过 4,000 个 tokens。对于 JavaScript 渲染的 SPA 应用，情况更加糟糕：代理看到的只是一个空的 <div id="root"></div>，别无其他。

问题所在

以一个典型的电商产品页面为例。人类访问者看到的是一个简洁的布局——产品图片、标题、价格和一个"加入购物车"按钮。而 AI 代理看到的是：

• 181 KB 的原始 HTML
• 包含 47 个链接的导航
• 3 个 cookie 同意脚本
• 200 多个组件的内联 CSS
• 实际产品数据被埋没在页面中间某处

这意味着 93% 是噪音，只有 7% 是有效信号。

SPA 黑洞

对于现代 JavaScript 应用（React、Vue、Angular、Next.js CSR），情况更加严峻。当 AI 代理请求一个页面时，服务器返回的内容类似于：

<div id="root"></div>
<script src="/bundle.js"></script>

真正的内容——产品、文章、价格、描述——是由 JavaScript 在客户端渲染的。AI 代理不会执行 JavaScript。它们看到的是一个空白页面。你的整个网站对它们来说是不可见的。

服务端渲染（SSR）和静态生成有所帮助，但即便如此，HTML 仍然充斥着水合标记、嵌入状态和框架产物。一个使用 SSR 的 Next.js 页面仍然会发送比实际需要多 5 到 10 倍的 tokens，因为它在实际内容之外还包含了完整的 React 树。

Web 世界已经分裂：传统网站发送了太多噪音，而现代 SPA 什么都不发送。这两种格式都不是为增长最快的受众而设计的。

MAKO 的作用

MAKO 利用标准的 HTTP 内容协商机制，为任何网站添加了结构化的、AI 优化的内容层。当 AI 代理发送 Accept: text/mako+markdown 时，服务器会返回一个干净的 MAKO 文档，而非原始 HTML：

---
mako: "1.0"
type: product
entity: "无线耳机 Pro"
tokens: 276
language: zh
updated: "2026-02-20T10:00:00Z"
---

同一个 URL，同一台服务器——只是为不同的受众提供不同的响应。

关键设计决策

内容协商优于新建端点。 我们选择了 Accept 请求头模式，因为它不需要任何 URL 变更。每个现有页面都可以直接提供 MAKO 内容，无需创建重复路由。

Markdown 优于 JSON。 LLM 是基于 markdown 训练的。一个结构良好的 markdown 文档配合 YAML frontmatter，比等效的 JSON 更节省 tokens，也更易于语言模型自然理解。

10 种内容类型。 产品、文章、文档、着陆页、列表、个人资料、活动、食谱、FAQ 和自定义。每种类型都明确告诉代理应该期望什么结构。

声明式操作。 与其寄希望于代理在 HTML 中找到你的"加入购物车"按钮，MAKO 直接声明机器可读的操作，包括端点和参数。

数据说话

在我们对 50 多个真实页面的基准测试中：

这不是微小的改进。这意味着一个代理在单个上下文窗口中可以从处理 3 个页面提升到处理 45 个页面。

快速上手

MAKO 现已可用：

• WordPress： 安装 mako-wp 插件——激活即可与 WooCommerce、Yoast 和 ACF 配合使用
• 任何技术栈： 使用 @mako-spec/js——TypeScript SDK，内含 Express 中间件
• 验证： 使用 @mako-spec/cli 验证你的 MAKO 文件

该协议基于 Apache 2.0 许可证开源。完整规范请访问 makospec.vercel.app/docs。

下一步

我们正在开发 MAKO Score——一个审计工具，从四个维度衡量任何网站的 AI 就绪程度：可发现性、可读性、可信度和可操作性。立即在 makospec.vercel.app/score 检测你的网站。

互联网正在迎来一批全新的受众。MAKO 帮助你用它们的语言与之对话。