Аудитуйте задачі, а не технології.

Починайте з реальної customer goal, а не з прохання переглянути homepage. Зафіксуйте persona, initial state, immutable prompt, required data, allowed actions, terminal state і criticality. Production run зупиняється перед payment, booking confirmation, account deletion або іншою irreversible action. Sandbox може продовжити сценарій лише із synthetic fixtures та explicit authorization.

Запишіть deterministic assertions до run. Очікувана page, database state, cart contents, reservation summary або API response мають визначати success. Власне повідомлення агента про завершення є evidence для review, а не доказом completion.

Перевірте status codes, redirects, TLS, robots.txt, sitemap entries, canonical URLs і server-rendered critical content. З'ясуйте, чи може агент визначити authoritative product, policy або support page без hidden navigation path чи search result snippet, який суперечить сайту.

Перевіряйте headings, internal links, structured data і content freshness разом. Інвентаризуйте llms.txt, llms-full.txt та machine-readable alternatives, якщо вони є, але не нараховуйте readiness лише за публікацію file. Факти мають збігатися з canonical HTML і вести до usable task path.

Перевірте semantic DOM та accessibility tree: names, roles, values, relationships і state changes. Потім виконайте задачу keyboard navigation та controlled browser baseline. Візуально очевидний control може залишатися неоднозначним для агента, якщо accessible name відсутнє, дублюється або не пов'язане з intended action.

Перевірте menus, dialogs, forms, validation, autocomplete, focus restoration і live updates. Error має визначати affected field і надавати recovery step. Cookie banners, popups, CAPTCHA та authentication gates слід вимірювати як частину path, а не відкидати як setup noise.

Вимірюйте час від delivery goal до незалежної final-state verification. Зберігайте startup, navigation, network, tool waits, retries, policy approvals і unexpected human interventions як окремі durations, щоб slow або fragile path не ховався за одним average number.

Вимірюйте standards-based Cumulative Layout Shift і пов'язуйте relevant shifts із найближчим agent step. Зберігайте before та after target rectangles, якщо control рухається між perception і action. Тримайте custom target displacement або action-window movement окремо від CLS, щоб report не називав корисну diagnostic стандартною web metric.

Виявляйте OpenAPI, remote MCP, WebMCP та інші structured interfaces, релевантні customer goal. Перевіряйте tool names, descriptions, schemas, authentication, permissions, structured errors і final results. Registered tool корисний лише тоді, коли агент правильно його обирає, а underlying business action залишається safe і deterministic.

Тримайте technology inventory окремо від outcome scoring. Accessible browser path може пройти без emerging protocol, а broken MCP або WebMCP implementation може створити окремий security і reliability finding, навіть якщо visual interface працює.

За можливості використовуйте synthetic identities і controlled accounts. Не допускайте credentials, tokens, cookies, payment data, financial records, medical data та direct identifiers до prompts і report artifacts. Визначте retention, authorized viewers і deletion rules до запису browser sessions.

Тестуйте prompt-injection exposure в untrusted page content, hidden instructions і third-party widgets. Executor має відділяти website content від operator policy, не розкривати secrets і вимагати explicit human decision на declared confirmation gates.

Завершуйте кожен run predefined assertions, а потім пакуйте prompt, executor profile, timestamps, step trace, screenshots, accessibility evidence, console і network signals, performance data та final state в один reviewable record. Stable IDs і hashes роблять result traceable між baseline та retest.

Класифікуйте primary cause як website, agent-specific, agent policy, infrastructure або inconclusive. Finding має містити severity, reproduction steps, expected та observed results, evidence, root cause, remediation, owner і acceptance criteria. Confidence залишається окремим від readiness, коли access або evidence неповні.