WebAnything: как автоматизировать сборку тестовых веб-сред для агентов

Веб-агенты (программы, которые сами кликают по интерфейсу сайта) учатся и проверяются на сайтах. Сайты нужны разные, воспроизводимые и сбрасываемые в исходное состояние. Статья arXiv:2610.37786v1 от 30 октября 2026 описывает WebAnything — фреймворк, который собирает такие среды автоматически.

Авторы — Tianci Xie и ещё шесть человек. Работа в разделе cs.AI. Кода и данных в карточке не указано, только PDF, HTML-версия и исходник TeX.

Зачем агенту именно среда, а не просто сайт

Веб-агент работает с интерфейсом: находит кнопку, заполняет форму, переходит по ссылке. Чтобы этому учить и замерять результат, нужен сайт, который ведёт себя одинаково при каждом прогоне. Иначе сравнить две модели или два запуска нельзя.

Отсюда три требования из аннотации: разнообразие (много разных сайтов), исполняемость (действия реально выполняются) и сбрасываемость (reset — возврат в исходное состояние между прогонами).

Пример: если агент прошёл регистрацию, следующий прогон должен начаться с пустой формы, а не с уже занятым логином. Без сброса второй запуск бессмыслен.

Почему готовые подходы не закрывают задачу

Аннотация перечисляет три известных способа и их ограничения.

Первый — зеркала с ручной сборкой (human-assisted mirrors). Каждый сайт кто-то воспроизводит вручную. Это работает, но требует инженерии под каждый сайт: масштабировать дорого.

Второй — генеративная сборка. Модель сочиняет сайт по описанию. Быстро, но результат может разойтись с реальным сайтом, который указан в задании. Если нужно проверить агента на конкретном ресурсе, подделка искажает замер.

Третий — capture-and-replay (запись и воспроизведение): сохраняются наблюдения и ответы, потом проигрываются. Покрытие взаимодействий ограничено тем, что записали, и тем, что умеет плеер. Шаг за пределы записи — и среда ломается.

Общий вывод: нужен автоматический способ, который при этом остаётся привязанным к исходному сайту.

Что делает WebAnything

По аннотации, это полностью автоматический фреймворк. Он реконструирует среды на основе исходного сайта — source-grounded, то есть опирается на реальный ресурс, а не на выдумку модели.

Схема, как её описывает аннотация: берём сайт из «дикого» веба, автоматически превращаем в исполняемую и сбрасываемую среду. Ручная инженерия под каждый сайт не нужна.

Дальше в тексте аннотации обрыв: «reconstructs source-grounde». Деталей механики — как именно снимается состояние, как реализован reset, сколько сайтов обработано — в предоставленных фактах нет. Писать «данных нет» честнее, чем достраивать.

Пример постановки задачи, не из статьи: агент должен оформить заказ на сайте-образце. Среда должна принять клики, показать корзину и после прогона вернуться к пустой корзине. Как WebAnything этого добивается — в карточке не раскрыто.

Где это пригодится и где границы

Польза прямая: воспроизводимое обучение и оценка. Если среда сбрасывается, один и тот же сценарий прогоняется на разных моделях и результаты сравнимы. Если среда привязана к исходному сайту, замер ближе к реальности, чем на синтетике.

Ограничения тоже видны из постановки. Автоматическая реконструкция — это приближение: часть поведения сайта может не воспроизвестись. Насколько велика эта часть, из аннотации не следует.

Отдельный вопрос — правовой и этический: снимать чужие сайты и крутить на них агентов. В карточке об этом ничего нет, поэтому и выводов не делаю.

Наконец, статус работы: это препринт на arXiv, версия v1 от 30 октября 2026. Рецензирования и независимых проверок по фактам не зафиксировано.

Что с этим делать

• Прочитать PDF целиком: в аннотации обрыв, механика и метрики не раскрыты.
• Проверить, есть ли код: в карточке ссылок на репозиторий не указано, ищите отдельно.
• Смотреть на reset и покрытие взаимодействий — это узкие места всех подходов из обзора.
• Сравнивать с capture-and-replay на своих сценариях, а не на абстрактных примерах.
• Держать в уме, что это препринт v1: цифры и выводы могут поменяться в следующих версиях.