什么是 WebAgent

WebAgent 是一个让 LLM agent 像人类开发者一样在网页上完成任务的 API。你给一句中文或英文 instruction，它挑工具（浏览器、沙箱、搜索……）、跑步骤、返回结果。

你能拿到什么

WebAgent 暴露若干用户面 API，分两类：

• DoAnything API —— 开放型；自由输入，agent 自己定路径。session/task 资源面 + 7 态状态机 + 长程任务
• 定型 API —— 知道产物形态时直接走对应 API，给定型契约 + 质量承诺：
  • DeepResearch —— 研究 → 报告（final.md + citations + confidence）
  • WebSearch —— 查询 → 结果（结构化 search results + 可选摘要）
  • Track —— 监控 → snapshot 序列 + change notification

公共能力：

• Profiles —— 跨 session 复用登录态。不用每次重新登录
• Workspaces —— 持久文件系统，agent 可读可写
• Schedules —— cron / interval / event / autonomous（让 agent 自己决定何时再跑）
• SSE 事件流 —— Console 用的同一套 task.* 事件，直接推到你代码里

它不是什么

• 不是 low-code 自动化平台。没有可视化画布。任务是用代码（或 Console 当作原型工具）写出来的
• 不是托管 LLM API。你把任务给 WebAgent，它替你挑模型并按 credits 计费

三种产品形态：Console / OpenAPI / SDK

这些 API 都通过同一组三种形态对外提供，三者能力 1:1 等价、共享同一份资源面 / 事件流 / 计费：

你用 ……	来做 ……
REST API（OpenAPI）	任何事。Console 与 SDK 都只是它的客户端。api.web-agent.asix.inc/v1/... + Authorization: Bearer wa_...
Python / TypeScript SDK	同样的 API，更地道的类型 + 重试 + 流式 + wait_for_done
Console	可视化原型；非开发者也能用；Get Code 对话框直接给可运行片段

API 开发者优先——产品本质是一组 API；Console 是便利层，不是独立产品形态；不给 Console 特权端点。

心智模型

Session                            (一个容器；持有浏览器、profile、workspace)
└── Task #1  status: completed     (一条 instruction；生命周期 7 态)
└── Task #2  status: running       (在同 session 里追加一条 instruction)
    └── events: SSE 流             (status_changed, message, action.*, screenshot, …)

Session 持有运行时资源（浏览器、profile、workspace）。每个 task 是一条 instruction；同一 session 里追加 task 会共享前一条 task 留下的状态。Task 有 7 个状态：pending / running / awaiting_input / paused / done / failed / canceled，详见 Sessions 与 Tasks。

Standalone API（DeepResearch）走 task 资源面但不暴露 session——一次性产出，不需要跨 task 复用浏览器状态。

接下来读哪

• Quickstart —— 5 分钟从注册到看到第一个 SSE 事件
• 鉴权与 API key —— wa_ key 怎么用、怎么轮换
• Sessions 与 Tasks —— 核心资源模型