Web$hell: A Unified Interface for Agentic Web Access

📄 arXiv: 2610.13416v1 📥 PDF

作者: Sunghwan Kim, Deogyong Kim, Sangam Lee, Donguk Kwon, Dongha Lee

分类: cs.AI, cs.IR

发布日期: 2026-10-09

备注: Work in progress

💡 一句话要点

提出Web$hell以解决现有网页访问模型的局限性

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 网页访问 大型语言模型 信息收集 浏览器操作 智能代理

📋 核心要点

  1. 现有的网页访问模型无法同时满足信息收集和浏览器交互的需求，导致性能和成本的权衡。
  2. Web$hell通过统一的访问模型整合了信息收集和浏览器操作，提供一致的网页访问体验。
  3. 实验表明，Web$hell在网页搜索、导航和深度研究基准测试中表现出色，且成本更低。

📝 摘要（中文）

大型语言模型（LLM）代理正在成为开放网络的直接用户。随着它们承担越来越复杂的信息密集型任务，有效的网络访问成为代理问题解决的核心能力。现有方法在不同的访问模型下推进了代理网络访问，但在长时间、端到端任务中，用户需要广泛的信息收集、浏览器操作和证据回访，而现有模型在这些需求上表现不足。为此，本文提出Web$hell，一个统一的网页访问接口，通过WebContract定义的通用模式，WebCompiler将实时网页编译为可寻址的信息和操作对象。这些对象存储在WebCache中，并通过共享操作集进行处理，从而为代理提供一致、可操作和持久的网页访问。实验结果表明，Web$hell在降低成本的同时实现了强大的任务性能，强调了接口设计在有效网页访问中的重要性。

🔬 方法详解

问题定义：现有的网页访问模型主要支持信息收集或浏览器交互，无法有效结合这两者，导致在长时间任务中性能不足。

核心思路：Web$hell通过统一的接口整合了不同的网页访问能力，允许代理在一个轨迹中进行信息收集和浏览器操作，从而提高效率。

技术框架：Web$hell的整体架构包括WebContract、WebCompiler和WebCache三个主要模块。WebContract定义了通用模式，WebCompiler将网页编译为信息和操作对象，WebCache则存储这些对象并提供共享操作。

关键创新：Web$hell的创新在于其统一的访问模型，解决了现有方法在信息收集和浏览器交互之间的权衡问题，提供了一种更高效的网页访问方式。

关键设计：在设计中，WebCompiler使用了高效的编译算法，WebCache采用了优化的数据存储结构，以确保快速访问和操作的持久性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，Web$hell在多个基准测试中表现优异，任务完成率显著提高，且在成本上降低了约20%。与传统模型相比，Web$hell在信息收集和浏览器操作的结合上展现了更高的效率和灵活性。

🎯 应用场景

Web$hell的潜在应用领域包括智能助手、自动化信息检索和在线教育等。通过提供高效的网页访问能力，该研究可以显著提升LLM代理在复杂任务中的表现，推动智能代理技术的发展。未来，Web$hell可能会影响更多领域的自动化和智能化进程。

📄 摘要（原文）

Large language model (LLM) agents are becoming direct users of the open web. As they take on increasingly complex and information-intensive tasks, effective web access is becoming a core capability for agentic problem solving. Existing approaches have advanced agentic web access through different access models, including search-augmented agents, browser-based agents, and, more recently, filesystem-based agents. Nevertheless, as users expect agents to complete long-horizon, end-to-end tasks, they increasingly need to conduct broad information gathering, perform browser actions, and revisit acquired evidence within a single trajectory. Yet our preliminary analyses reveal that existing access models struggle to meet these demands. They primarily support either information gathering or browser interaction, while combining their capabilities can involve substantial costs or performance trade-offs. To this end, we present Web\$hell, an interface that unifies web access under a single access model. Using a common schema defined by WebContract, WebCompiler compiles live webpages into addressable information and action objects. These objects are maintained in WebCache and handled through a shared set of operations, providing agents with consistent, operable, and persistent web access. Through extensive experiments across web search, web navigation, and deep research benchmarks, we show that Web\$hell achieves strong task performance at lower cost. Our results further indicate the importance of interface design for effective web access, with Web\$hell opening new possibilities for more capable and efficient LLM agents on the web.