AIフロントライン

MM-WebAgentは、テキスト指示から画像・動画・チャートを含む完全なWebページを自動生成する階層型エージェントフレームワークである。従来手法の課題であった「個別生成による要素間のスタイル不一致」と「グローバルレイアウトとの不整合」を解決するため、2段階の計画機構を導入した。第1段階のグローバルレイアウト計画ではセクション構造・空間配置・スタイル属性を決定し、第2段階のローカル要素計画では各マルチモーダル要素の機能的役割・サイズ制約・スタイルガイダンスを生成する。生成後はローカル（個別要素の品質修正）・コンテクスト（HTML/CSSの統合調整）・グローバル（ページ全体の一貫性向上）の3レベルで階層的自己修正を行う。実装にはGPT-5.1（計画・評価）、GPT-Image-1（画像）、Sora-2（動画）を使用。提案したMM-WebGEN-Bench（120ページ）での評価では平均スコア0.75を達成し、GPT-4o・GPT-5・Gemini-2.5-Pro・Qwen3などのコード生成ベースラインやOpenHands・bolt.diyなどのエージェントベースラインを上回った。アブレーション実験ではAIGCツール単体では効果が限定的（0.42→0.45）であり、提案フレームワーク全体で初めて0.75に到達することが確認され、階層的設計の重要性が示された。