seomaestro

Poradniki · Technika

NLWeb: jak Microsoft chce zamienić twoją stronę w rozmówcę

NLWeb od Microsoftu dodaje do strony okno rozmowy oparte na schema.org i RSS. Sprawdź, jak działa, co ma wspólnego z MCP i czy mała firma powinna się nim zająć.

Redakcja SEO Maestro18.11.20268 min czytaniaźródła sprawdzone 18.11.2026

Na twojej stronie klient może dziś kliknąć w menu, przewinąć listę albo wpisać słowo w wyszukiwarkę. NLWeb proponuje jeszcze jedną drogę: klient zadaje pytanie zwykłym zdaniem, a strona odpowiada na podstawie własnych danych. Ten sam mechanizm obsługuje agentów AI, którzy zamiast człowieka pytają twoją witrynę o produkty czy przepisy. Całość opiera się na danych strukturalnych schema.org i kanałach RSS. Jeśli porządnie je wdrożyłeś, masz już większość materiału, z którego NLWeb korzysta.

Rozmowa ze stroną zamiast wyszukiwarki w rogu

NLWeb to zbiór otwartych protokołów i narzędzi open source, które upraszczają budowanie interfejsów konwersacyjnych dla stron internetowych. Projekt jest publiczny w repozytorium Microsoftu na GitHubie, na licencji MIT, a jego główna implementacja referencyjna jest napisana w Pythonie.

Najprościej wyobrazić to sobie jak sprzedawcę w sklepie, który zna cały asortyment z katalogu. Nie musisz wiedzieć, na której półce coś leży. Pytasz: „macie coś wegetariańskiego na obiad dla czterech osób, do zrobienia w pół godziny?”, a on wskazuje konkretne pozycje. Zwykła wyszukiwarka na stronie dopasowuje słowa. NLWeb ma rozumieć pytanie i odpowiadać wynikami z twoich danych.

Projekt składa się z dwóch głównych części:

  • prostego protokołu do rozmowy ze stroną w języku naturalnym, który zwraca odpowiedzi w formacie JSON z użyciem słownika Schema.org,
  • implementacji, która wykorzystuje znaczniki już obecne na stronach z listami uporządkowanych obiektów, takimi jak produkty, przepisy, atrakcje czy recenzje. Po dodaniu gotowych widżetów interfejsu da się na tej podstawie postawić okno rozmowy.

Autorzy opisują przy tym swój kod skromnie: to demonstracje pokazujące jedno możliwe podejście, a nie ostateczne rozwiązanie. Liczą na to, że społeczność zbuduje lepsze implementacje. Ambicje są za to duże. NLWeb ma być warstwą fundamentów dla „sieci AI”, tak jak HTML stał się fundamentem udostępniania dokumentów.

Schema.org i RSS jako paliwo

Tu NLWeb spotyka się z SEO. Twórcy projektu zauważają, że Schema.org i pokrewne formaty półstrukturalne, takie jak RSS, są używane przez ponad 100 milionów stron. Służą już nie tylko do dystrybucji treści, ale działają jak warstwa znaczeń: mówią maszynie, że dany fragment strony to produkt z ceną, a inny to przepis z czasem przygotowania. NLWeb z tej warstwy korzysta, zamiast budować własną od zera.

Dane strukturalne to po prostu etykiety na pudłach w magazynie. Człowiek pozna zawartość po zajrzeniu do środka, a program potrzebuje napisu „Product”, „Recipe”, „Review”. Schema.org dostarcza wspólny słownik tych napisów. Jeśli zaczynasz od zera, przejdź przez przewodnik dla początkujących na schema.org, a potem przez nasz poradnik o danych strukturalnych Organization i Article.

Przykładowy fragment JSON-LD, który opisuje usługę jako obiekt z nazwą i opisem, może wyglądać tak:

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Renowacja krzesła tapicerowanego",
  "description": "Wymiana pianki i obicia, termin realizacji do 14 dni.",
  "brand": {
    "@type": "Organization",
    "name": "Pracownia Kowalski",
    "url": "https://przyklad.pl"
  }
}

Taki opis przydaje się NLWebowi w dwóch miejscach. Na wejściu służy jako materiał, który implementacja wczytuje i przeszukuje. Na wyjściu protokół zwraca odpowiedź w tym samym słowniku Schema.org, więc program po drugiej stronie dostaje uporządkowane obiekty, a nie akapit tekstu do rozbierania na części.

RSS gra podobną rolę dla treści publikowanych w czasie: wpisów, artykułów, nowości. Jeśli twój system zarządzania treścią generuje kanał RSS, masz gotową, regularnie aktualizowaną listę obiektów z tytułami, datami i opisami.

Projekt zwraca też uwagę na świeżość danych. Większość wdrożeń produkcyjnych, według autorów, podłączy NLWeb bezpośrednio do żywych baz danych zamiast kopiować treści. Kopia szybko się starzeje, a odpowiedź z nieaktualną ceną jest gorsza niż brak odpowiedzi.

NLWeb a MCP: ten sam punkt wejścia dla ludzi i agentów

MCP, czyli Model Context Protocol, to otwarty standard łączenia aplikacji AI z zewnętrznymi systemami. Dokumentacja MCP porównuje go do portu USB-C: tak jak jedno złącze pasuje do wielu urządzeń, tak jeden protokół pozwala asystentom AI, na przykład Claude czy ChatGPT, podłączać się do baz danych, narzędzi i usług. Szerzej omawiamy to w poradniku MCP co to.

NLWeb obsługuje MCP natywnie. Każda instancja NLWeb działa jednocześnie jako serwer MCP, a według repozytorium wkrótce także jako serwer A2A, czyli kolejnego standardu komunikacji między agentami. Serwer udostępnia podstawową metodę ask, która pozwala zadać stronie pytanie w języku naturalnym. Odpowiedź wraca w słowniku Schema.org.

Autorzy streszczają tę relację jednym zdaniem: NLWeb jest dla MCP/A2A tym, czym HTML dla HTTP. HTTP to sposób przesyłania, a HTML to treść, która nim płynie i którą przeglądarka umie odczytać. MCP daje agentowi kanał do twojej strony, a NLWeb określa, jak przez ten kanał zapytać o produkty i w jakiej postaci przyjdzie odpowiedź.

Dla firmy oznacza to jedną rzecz praktyczną: to samo wdrożenie obsługuje okienko rozmowy dla ludzi na stronie i zapytania od asystentów AI. O tym, jak agenci poruszają się po zwykłych stronach bez takiego punktu wejścia, piszemy w poradniku o agencie AI w przeglądarce.

Co jest w repozytorium i czego wymaga wdrożenie

Zanim zdecydujesz, czy to dla ciebie, zobacz, z czego projekt się składa. Repozytorium dzieli się na moduły:

  • AskAgent: rdzeń, czyli agent obsługujący pytania w języku naturalnym na podstawie danych Schema.org, z łącznikami do modeli językowych i baz wektorowych, narzędziami do wczytywania danych i przykładowym interfejsem,
  • AgentFinder: usługa wyszukiwania agentów NLWeb w sieci i kierowania do nich zapytań,
  • DataFinder: tłumacz pytań w języku naturalnym na zapytania SQL do firmowych źródeł danych, takich jak HubSpot, Dynamics 365 czy Jira,
  • ModelRouter: dobór modelu językowego, który spełnia próg jakości przy niższym koszcie,
  • NLWebScorer: modele oceniające jakość wyników wyszukiwania.

W repozytorium jest też katalog z kodem dla WordPressa. Jego zawartość warto obejrzeć, zanim założysz, że to gotowa wtyczka do zainstalowania jednym kliknięciem.

NLWeb nie wiąże cię z jedną platformą. Działa na Windowsie, macOS i Linuksie. Współpracuje z bazami wektorowymi Qdrant, Snowflake, Milvus, Azure AI Search, Elasticsearch, Postgres i Cloudflare AutoRAG oraz z modelami OpenAI, DeepSeek, Gemini, Anthropic, Inception i HuggingFace. Baza wektorowa to rodzaj katalogu, który układa treści według znaczenia, a nie alfabetu, więc pytanie o „szybki obiad” znajdzie przepis opisany jako „gotowy w 20 minut”.

Z tej listy wynika też koszt wejścia. Potrzebujesz serwera z Pythonem, bazy wektorowej, dostępu do API modelu językowego, za który płacisz według zużycia, i kogoś, kto to skonfiguruje. Dokumentacja opisuje uruchomienie na własnym laptopie i na Azure, a instrukcje dla GCP i AWS są zapowiedziane. Gotowych procesów automatycznego testowania i wdrażania w repozytorium jeszcze nie ma. Autorzy zapraszają do ich dopisania.

Czy mała firma powinna się tym zająć

Uczciwa odpowiedź brzmi: wdrożeniem raczej jeszcze nie, przygotowaniem danych tak.

Za czekaniem z wdrożeniem przemawiają trzy rzeczy. Po pierwsze, sami autorzy nazywają swój kod demonstracją jednego podejścia. Po drugie, korzyść zależy od tego, czy asystenci AI będą masowo pytać strony przez NLWeb, a w materiale projektu nie ma danych, które by to potwierdzały. Nie ma gwarancji, że ChatGPT czy Perplexity zaczną częściej cytować twoją stronę, bo postawiłeś na niej serwer NLWeb. Po trzecie, wdrożenie ma realny koszt techniczny i bieżący koszt zapytań do modelu.

NLWeb ma sens wcześniej, jeśli masz dużo uporządkowanych obiektów, w których klient się gubi: sklep z setkami produktów, serwis z przepisami, katalog atrakcji, bazę ofert. Tam rozmowa zamiast filtrów może realnie pomóc, a projekt powstał właśnie z myślą o takich listach. Dla firmy z pięcioma usługami i stroną kontaktową okno rozmowy będzie zabawką.

Przygotowanie danych opłaca się każdemu, niezależnie od NLWeb. Poprawne Schema.org i działający RSS to ten sam materiał, z którego korzystają wyszukiwarki i asystenci AI. Jeśli kiedyś zechcesz uruchomić NLWeb, dane będą gotowe. Jeśli nie, i tak nie stracisz czasu. Więcej o danych w sklepach znajdziesz w poradniku sklep internetowy w odpowiedziach AI.

Sprawdź gotowość swojej strony dziś

Zajmie ci to godzinę i nie wymaga programisty.

  1. Wypisz swoje listy. Zapisz, jakie powtarzalne obiekty ma twoja strona: produkty, usługi, wpisy, realizacje, opinie. To one byłyby materiałem dla NLWeb.
  2. Otwórz źródło trzech podstron z tych list i poszukaj bloku application/ld+json. Sprawdź, czy jest typ (Product, Recipe, Review lub inny) oraz czy nazwa i opis zgadzają się z tym, co widzi człowiek.
  3. Znajdź swój kanał RSS. Spróbuj adresu w rodzaju przyklad.pl/feed albo poszukaj w ustawieniach systemu zarządzania treścią. Sprawdź, czy zawiera aktualne wpisy z datami.
  4. Zanotuj luki. Podstrony bez danych strukturalnych, ceny w JSON-LD inne niż na stronie, kanał RSS, który przestał się aktualizować. To lista zadań dla ciebie albo twojego wykonawcy.
  5. Odpowiedz sobie na jedno pytanie: czy klient na twojej stronie szuka wśród dziesiątek albo setek pozycji? Jeśli tak, przejrzyj z programistą repozytorium NLWeb i instrukcję uruchomienia na laptopie. Jeśli nie, poprzestań na poprawkach z punktu 4.

Przy okazji porządków zajrzyj do poradników o pliku llms.txt i o treści cytowanej przez AI. Wszystkie te działania opierają się na tym samym założeniu: maszyna, która rozumie twoje dane, ma większą szansę poprawnie o nich mówić.

Źródła

Zanim zainwestujesz w nowe protokoły, sprawdź, jak asystenci AI widzą twoją firmę dziś. W darmowym teście SEO Maestro zobaczysz, czy ChatGPT, Gemini, Perplexity, Claude i Grok cytują twoją stronę w odpowiedziach na pytania z twojej branży.