💬 NLP

Mango: Multi-Agent Web Navigation via Global-View Optimization

既存の Web エージェントがルート URL からの探索に依存する非効率性を克服するため、Mango はウェブサイト構造を活用して最適な開始点を動的に決定し、マルチアームバンディット問題としての URL 選択とエピソードメモリを組み合わせたマルチエージェント手法を提案し、WebVoyager や WebWalkerQA などのベンチマークで既存の最良のベースラインを大幅に上回る成功率を達成しました。

原著者： Weixi Tong, Yifeng Di, Tianyi Zhang

公開日 2026-04-22

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Weixi Tong, Yifeng Di, Tianyi Zhang

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

🍊 マンゴー（MANGO）：ネット探検の「地図」を持った天才ガイド

この論文は、**「MANGO（マンゴー）」**という新しい AI 技術について紹介しています。

想像してみてください。あなたは巨大な迷路のような図書館（ウェブサイト）に迷い込み、特定の本（情報）を探し出さなければなりません。しかし、この図書館には何十万冊もの本があり、入り口（ホームページ）から一冊一冊探していくのは、一生かかっても終わらないかもしれません。

これまでの AI は、**「入り口から始めて、とりあえず右に行ったり左に行ったりして、運よく本を見つけるまで歩き続ける」**という方法をとっていました。でも、迷路が深すぎると、AI は疲れてしまい（予算切れ）、目的の本にたどり着く前に諦めてしまいます。

MANGOは、この問題を解決するために生まれました。その仕組みを、3 つのステップでわかりやすく説明します。

1. 🗺️ まず「全体図」を描く（グローバル構造の分析）

従来の AI は「入り口からスタート」ですが、MANGO は**「まず図書館の全体図（地図）を手に入れる」**ところから始めます。

どんなこと？
図書館の入り口（ホームページ）に立つと、MANGO はすぐに「この図書館のどこに、私が探している本がありそうか？」を推測します。
- 軽く図書館を歩き回って（クロール）、本棚の配置を把握します。
- もし図書館が広すぎて全部見られない場合は、Google 検索のような「案内人」に「この本はどのエリアにありますか？」と聞いて、候補地をリストアップします。

これにより、MANGO は「入り口から一歩一歩進む」のではなく、「目的のエリアに一番近い入り口」を最初に見つけます。

2. 🎲 確率で「一番良さそうな道」を選ぶ（バンディット問題とトンプソンサンプリング）

候補となる「入り口」がいくつか見つかりました。でも、AI には「歩く回数（予算）」が限られています。全部の入り口を調べる時間はありません。

ここで MANGO は**「確率の天才」**として振る舞います。

どんなこと？
各入り口には「成功する確率」のカードが貼られています。
- 最初は、検索結果の良さでカードの確率を決めます。
- 一つ試して「ダメだった！」と思ったら、そのカードの確率を下げます。
- 「少し面白そうだった！」と思ったら、確率を上げます。
- この作業を**「トンプソンサンプリング」**という確率のテクニックを使って、瞬時に行います。

まるで**「宝くじ」**を買うような感覚です。当たりそうな番号（URL）に集中して投資し、外れそうな番号にはお金をかけないようにするのです。これにより、限られた歩数で最も効率的にゴールを目指せます。

3. 📝 失敗をメモして次に活かす（エピソード記憶）

MANGO には**「経験のノート（エピソード記憶）」**という特別な機能があります。

どんなこと？
もしある入り口から進んで「行き止まり」だった場合、MANGO は「あそこはダメだった」とノートにメモします。
次に同じ場所に行こうとしたとき、ノートを見て「あ、ここはダメだったな」と思い出し、無駄な歩き方をしません。
また、「ここは少し面白そうだったけど、もう少し先まで行けばよかった」という経験も記録し、次回に活かします。

🏆 結果：どれくらいすごいのか？

この「MANGO」を実際にテストしたところ、驚異的な結果が出ました。

WebVoyager（一般的なネット検索タスク）：
従来の最高峰の AI よりも7.3% 多くのタスクを成功させました。
WebWalkerQA（複雑な情報収集タスク）：
なんと26.8% もの差をつけて、他を圧倒しました！

特に、**「複数のページをまたいで情報を集める」**ような難しいタスクでは、MANGO は他の AI が「もう無理だ」と諦めてしまうところまで進み、見事ゴールにたどり着くことができました。

💡 まとめ

MANGO は、**「入り口から blindly（盲目に）歩き回る」のではなく、「地図を見て、確率でベストな道を選び、失敗をメモして学習する」**という、人間が迷路を攻略するのと同じような賢い戦略を採用しています。

これにより、AI はネット上の巨大な情報海で、**「最短ルート」**を見つけて、必要な情報を素早く見つけ出せるようになったのです。まるで、迷路の入り口で「あ、その道は行き止まりだよ、こっちが近道！」と教えてくれる、超優秀なガイドが付き添っているようなものです。

以下は、提示された論文「MANGO: Multi-Agent Web Navigation via Global-View Optimization」の技術的な詳細な要約です。

1. 背景と課題 (Problem)

既存の Web 探索エージェント（大規模言語モデル：LLM を活用したエージェント）は、多くの場合、ウェブサイトのルート URL（ホームページ）から探索を開始します。しかし、複雑で階層構造が深い大規模ウェブサイトにおいて、このアプローチには以下の重大な非効率性があります。

探索の非効率性: ルートからトップダウンに構造を辿るため、無関係なサブツリーを探索したり、ナビゲーションの罠に陥ったりします。
予算の浪費: 限られたアクション予算（Action Budget）内で目標情報に到達する前に、汎用的な中間ページにリソースを浪費してしまいます。
部分観測の限界: 各ステップでの部分観測に依存しており、サイト全体の構造を把握できないため、最適な開始点を特定できません。

2. 提案手法：MANGO (Methodology)

MANGO は、ウェブサイトの構造を事前に把握し、最適な開始点を動的に決定する「マルチエージェント・ウェブナビゲーション手法」です。そのプロセスは以下の 4 つの主要コンポーネントで構成されます。

A. グローバル構造分析 (Global Structure Analysis)

ナビゲーション開始前に、サイト全体の階層構造を構築し、クエリに関連する URL の候補セット $U$ を特定します。

軽量クロール: 幅優先探索（BFS）を用いて、ドメイン内の到達可能な URL を収集します（画像や外部リンクは除外）。
Google 検索による補完: クロールだけでは網羅できない大規模サイト（例：arXiv）に対応するため、LLM にクエリに基づいた検索キーワードを生成させ、Google 検索のサイト内検索（site operator）を用いて追加の関連ページを取得します。
候補選定: 収集した URL に対して BM25 アルゴリズムを用いてクエリとの意味的類似性をスコアリングし、上位 10 件を候補セット $U$ として選出します。

B. URL 優先順位付けと選択 (URL Prioritization and Selection)

限られたナビゲーション予算の中で、どの URL から探索を開始するかを決定するために、**多腕バンディット問題（Multi-Armed Bandit, MAB）**としてモデル化し、**トンプソン・サンプリング（Thompson Sampling）**を適用します。

アームの定義: 候補 URL 集合 $U$ をアームとみなします。
確率分布の初期化: BM25 スコアに基づき、各 URL のベータ分布のパラメータ $(\alpha, \beta)$ を初期化します。
動的選択: 各ステップで、アクティブな URL 群からベータ分布に従ってサンプリングし、最も有望な URL を選択します。
更新: ナビゲーション結果に基づき、ベータ分布のパラメータを更新し、成功した URL の選択確率を高め、行き止まりとなった URL は「枯渇（Exhausted）」として除外します。

C. Web ナビゲーションエージェント (Web Navigation Agent)

選択された URL からブラウザ環境でタスクを実行します。

エピソード記憶の活用: 以前に訪問した URL の履歴や反射（Reflection）情報をエピソード記憶から取得し、エージェントに提示することで、同じ失敗を繰り返すのを防ぎます。
環境適応: Playwright や Crawl4AI などの異なるブラウザ環境に対応可能なプラグイン構造を採用しています。

D. 反射エージェント (Reflection Agent)

ナビゲーションの試行後、その軌跡と最終出力を評価し、次のアクションを決定します。

状態評価: タスク完了か、予算切れか、あるいは「有望だが継続が必要」かを判断します。
報酬付与: 評価結果に基づき、トンプソン・サンプリングのベータ分布を更新する報酬（ $r \in \{0, 1\}$ $r \in {0, 1}$ ）を付与します。
- 不十分な結果だが有望な場合： $r=1$ （再探索を促進）。
- 非有望な場合： $r=0$ （再訪問を抑制）。
記憶への保存: 軌跡、出力、評価結果をエピソード記憶に保存し、将来の意思決定に活用します。

3. 主要な貢献 (Key Contributions)

グローバル視点の最適化: ルートからの探索に依存せず、サイト構造を事前に分析してクエリに関連する「エントリーポイント」を特定する新しいパラダイムを提案しました。
適応的な予算配分: URL 選択を多腕バンディット問題として定式化し、トンプソン・サンプリングを用いて限られた予算を最も有望な候補に動的に配分する手法を開発しました。
エピソード記憶の統合: 過去の探索履歴と反射情報を記憶し、エージェントが同じミスを繰り返さないようにするメカニズムを導入しました。
広範な検証: オープンソースモデル（Qwen3 シリーズ）とクローズドソースモデル（GPT-5-mini）の両方を用いた実験により、手法の汎用性を証明しました。

4. 実験結果 (Results)

WebVoyager と WebWalkerQA の 2 つのベンチマークで、最先端（SOTA）手法である AgentOccam と WebWalker と比較されました。

成功率（Success Rate, SR）:
- WebVoyager: GPT-5-mini を使用した場合、MANGO は 63.6% の成功率を達成し、最良のベースライン（AgentOccam: 56.3%）を 7.3% 上回りました。
- WebWalkerQA: GPT-5-mini を使用した場合、MANGO は 52.5% の成功率を達成し、最良のベースライン（WebWalker: 25.7%）を 26.8% 上回りました。
- 全てのバックボーンモデル（Qwen3-4B〜32B, GPT-5-mini）において、一貫して SOTA ベースラインを上回る性能を示しました。
効率性（Action Count）:
- Qwen3 モデルを使用する場合、高い成功率を維持しつつ、ベースラインと同等かそれ以下のアクション数でタスクを完了しました。
- GPT-5-mini を使用する場合、アクション数は増加しましたが、これはより複雑で長期的なタスクを解決するために探索を継続した結果であり、その投資が成功率の大幅な向上に繋がりました。
アブレーション研究:
- ランダムな URL 選択、Google 検索のみの利用、MCTS（モンテカルロ木探索）ベースの手法と比較し、MANGO の「グローバル構造分析」と「トンプソン・サンプリング」の有効性を証明しました。特に MCTS 版は予算制約下で性能が劣りました。

5. 意義と結論 (Significance)

MANGO は、従来の「ルートから順次探索する」アプローチの限界を克服し、**「サイト構造の事前把握」と「確率的な予算配分」**を組み合わせることで、複雑な Web 環境におけるエージェントの効率と成功率を劇的に向上させました。

実用性: 大規模で階層の深い実世界のウェブサイト（e コマース、学術データベースなど）において、限られたリソースで情報を迅速に取得する能力を飛躍的に高めます。
将来展望: 部分的な構造可視性がボトルネックとなる場合もありますが、このアプローチは Web 自動化におけるエージェント設計の新たな基準となり得ます。また、失敗ケース分析を通じて、LLM の推論能力や反射メカニズムのさらなる改善の必要性も示唆されています。

要約すれば、MANGO は「どこから始めるか（Global View）」と「どこにリソースを割くか（Bandit Optimization）」を最適化することで、Web ナビゲーションタスクの性能を大幅に引き上げた画期的な手法です。