Chrome fängt Netzwerkverbindungen eines Test-Browsers ab und leitet sie an einen lokalen Proxy weiter, der synthetische Webseiten ausliefert. So kann ein Browser-Use-Agent realistische Aufgaben bearbeiten, ohne das öffentliche Web zu erreichen oder echte Daten zu verändern. Das ist keine bloße Nachbildung einzelner Seiten, sondern eine kontrollierte Testumgebung für agentisches Browsen.
Browser-Use-Agenten verändern die Art, wie Menschen mit Webseiten interagieren. Sie öffnen Unterseiten, suchen Inhalte, scrollen, klicken, füllen Formulare aus und führen mehrstufige Aufgaben aus, bei denen das Ziel oft nur verbal beschrieben wird. Für Entwicklerinnen und Entwickler entsteht daraus ein grundlegendes Problem: Solche Abläufe müssen zuverlässig getestet werden, obwohl sich das Web laufend verändert und ein ungeschützter Agent in echten Konten oder Diensten Schaden anrichten kann.
Chrome entwickelte dafür die „Mirror Dimension“, eine hermetische Parallelwelt des Webs. Der Agent sieht eine bekannte Adresse wie „youtube.com“, landet aber nicht bei YouTube, sondern bei einer nachgebildeten Version. Das Modell kann seine URL-Ableitung und Navigation wie im echten Netzwerk ausführen, während Netzwerk, Seiten und Testdaten vollständig unter der Kontrolle der Testumgebung bleiben.
Warum das öffentliche Web als Testboden kaum geeignet ist
Eine Evaluierung von Browser-Agenten umfasst typischerweise Hunderte oder Tausende von Seiten und zahlreiche Lese- und Schreibaktionen. Eine einzelne Aufgabe kann aus mehreren Suchvorgängen, Formularen und Bestätigungen bestehen. Würden solche Tests direkt gegen das öffentliche Web laufen, wäre jeder Durchlauf von sich ständig ändernden Inhalten, Werbeanzeigen, Fehlermeldungen und Layouts abhängig.
Das erschwert den Vergleich. Ein Agent, der heute scheitert, kann am nächsten Tag scheitern, obwohl sich das Modell nicht verändert hat. Gleichzeitig könnten Tests echte Warenkörbe verändern, Nachrichten versenden, Abonnements bestätigen oder sensible Daten in Systeme schreiben. Eine belastbare Sicherheitsprüfung verlangt deshalb nicht nur realistische Szenarien, sondern auch eine saubere Ausgangslage für jeden Durchlauf.
Die Mirror Dimension setzt diese Anforderungen um. Jede Testumgebung ist von der Außenwelt getrennt. Seitenzustände, Cookies, Konten und Bestellungen lassen sich kontrolliert zurücksetzen. Fehler oder Nebenwirkungen aus einem Testlauf werden nicht zum Bestandteil des nächsten. Wie bei einem Flughafen, auf dem Flugzeuge simuliert werden, bleibt die Bewegung der Agenten realistisch, während das eigentliche Netz von den Flugplätzen unberührt bleibt.
Besonders wichtig ist das Prinzip der Wiederholbarkeit. Sicherheitsteams können dieselbe Aufgabe, denselben Angriff und nahezu jeden Zeitpunkt erneut ausführen. Abweichungen im Verhalten des Agenten sind dann eher auf das Modell, die Toolchain oder eine Änderung in der Evaluierung zurückzuführen als auf zufällige Änderungen einer Live-Website.
Sandbox, Proxy und die unsichtbare Weiterleitung
Technisch besteht die Mirror Dimension aus zwei zentralen Komponenten: einer isolierten Sandbox mit synthetischen Websites und einem lokalen Interception Proxy, der den gesamten Browserverkehr abfängt. Chrome läuft im Test als Headless-Browser innerhalb einer gVisor-Sandbox. Sobald der Agent eine Domain kontaktiert, erreicht die Anfrage nicht externes DNS und nicht das öffentliche Internet, sondern den lokalen Proxy.
Eine naive Lösung wäre gewesen, alle Testseiten unter einer einzigen synthetischen Domain anzubieten. Eine URL wie „fake-sandbox-sites.web.app/evals/www.youtube.com“ verrät dem Modell jedoch sofort, dass es sich um eine Simulation handelt. Das erzeugt sogenannte Eval Awareness: Das Modell erkennt die Testumgebung und verhält sich anders als in einem realen Einsatz. Gerade Sicherheitsverhalten lässt sich dann besonders schlecht beurteilen.
Stattdessen erhält der Agent die reale Zieladresse. Der Browser fordert sie an, aber die Sandbox fängt die Verbindung ab und leitet sie intern um. Aus Sicht des Agenten sieht der gesamte Ablauf vertraut aus: bekannte Domain, plausible Pfade, normale URL-Struktur und realistisch aufgebaute Seiten. Die Tarnung ist dabei kein Selbstzweck. Sie sorgt dafür, dass die beobachteten Fähigkeiten auch dann aussagekräftig sind, wenn das Modell nicht um seine Testrolle weiß.
Der Proxy übernimmt also die Rolle einer unsichtbaren Weichenanlage. Auf der einen Seite liegt der echte Netzwerkpfad, den es im Test nicht weitergeben darf. Auf der anderen Seite stehen die synthetischen Inhalte. Für den Agenten wirkt die Verbindung unverändert; für die Testinfrastruktur ist vollständig kontrollierbar, welche Daten er sieht und welche Aktionen er ausführt.
Warum TLS und eigene Zertifikate unverzichtbar sind
Die Umleitung kollidiert mit einer zentralen Sicherheitsfunktion des Browsers. Eine abgefangene HTTPS-Verbindung ist grundsätzlich verdächtig, denn ein Angreifer im Netzwerk könnte sonst TLS-Zertifikate fälschen oder vertrauliche Daten mitlesen. Chrome muss solche Eingriffe verhindern. Ohne geeignete Identitätsnachweise würde jeder abgefangene Request mit einem schwerwiegenden TLS-Fehler enden.
Ein Wechsel auf einfaches HTTP löst das Problem nicht. Zwar wäre die Verbindung technisch leichter umzuleiten, der Browser würde die Seiten aber als nicht sicher kennzeichnen und damit erneut einen deutlichen Hinweis auf die Testumgebung geben. Auch das Verhalten wäre nicht mehr mit einer normalen HTTPS-Sitzung vergleichbar. Die Mirror Dimension braucht deshalb eine kryptografisch plausible Kette, obwohl der eigentliche Datenverkehr lokal bleibt.
Der Proxy erzeugt daher dynamisch TLS-Zertifikate für die angeforderten Domains. Diese leaf certificates werden auf eine eigene Root Certificate Authority zurückgeführt, die beim Start der kontrollierten Chrome-Instanz in deren Zertifikatsspeicher installiert wird. Im öffentlichen Internet könnte ein Angreifer diese Root-CA nicht einfach beliebig installieren, weil ihm dafür administrative Rechte auf dem Gerät fehlen. In der Sandbox ist die Installation dagegen legitim, weil die Testumgebung selbst kontrolliert wird.
Für den Browser sieht der Traffic damit wie eine gewöhnliche, gültig zertifizierte HTTPS-Verbindung aus. Die Besonderheit liegt nicht in einer Abschaltung der Prüfung, sondern in einer klar begrenzten Vertrauensgrenze. Das Testnetz besitzt sein eigenes Wurzelzertifikat, während die reale Chrome-Konfiguration eines Nutzers davon unberührt bleibt.
Synthetische Websites als interaktive Systeme
Eine bloße Sammlung statischer HTML-Seiten wäre für die Agentenevaluierung zu leicht zu erkennen. Mehrstufige Aufgaben benötigen funktionierende Warenkörbe, Formulare, Konten, Feeds, Suche, Filter und Checkout-Prozesse. Ein fehlender Button oder eine unrealistische Fehlermeldung kann dem Modell signalisieren, dass es mit einer vereinfachten Testseite interagiert. Deshalb bemüht sich die Mirror Dimension um ein hohes Maß an funktionaler und visueller Realismus.
Chrome entwickelte dafür einen autonomen Harness zur Erstellung synthetischer Websites. Ein Mensch beschreibt zunächst die wichtigsten User Journeys. Spezialisierte Sub-Agenten übernehmen anschließend Recherche, Entwicklung und Prüfung. Das Ziel ist nicht, beliebig viele Seiten zu produzieren, sondern aus wenigen Vorgaben vollständige, zustandsbehaftete Anwendungen entstehen zu lassen.
Der Research Agent formuliert zunächst Anforderungen. Für einen E-Commerce-Auftrag können dazu ein filterbarer Produktkatalog, ein persistenter Warenkorb, die Validierung von Gutscheinen und ein mehrstufiger Checkout gehören. Fehlt eine Vorgabe, ergänzt der Agent sinnvolle Details wie Seitenarchitektur, zentrale Customer Journeys und grundlegende visuelle Elemente.
Der Builder Agent übersetzt diese Spezifikation in HTML, CSS und JavaScript. Er erstellt responsive Layouts und Mehrseiten-Navigation, damit der Agent realistische Wege durch die Anwendung nehmen kann. Danach übernehmen Critic Agents die Qualitätskontrolle. Sie prüfen etwa ARIA-Rollen und Beschriftungen, Formularfehler, JavaScript-Meldungen in der Konsole, Elementgrenzen und die Darstellung auf verschiedenen Bildschirmgrößen.
Chrome DevTools for Agents spielt dabei die Rolle von Augen und Händen der prüfenden Agenten. Über die Chrome DevTools MCP Server können sie Screenshots untersuchen, tatsächliche Klicks und Tastatureingaben ausführen, Seiten navigieren und Reaktionen direkt beobachten. Das ist grundsätzlich anders als eine reine Codeanalyse. Der Critic prüft nicht nur, ob eine Datei plausibel aussieht, sondern ob die Anwendung sich unter einer realen Interaktion korrekt verhält.
Red-Teaming über mehrere unsichtbare Oberflächen
Die Mirror Dimension dient nicht nur der Funktionalitätsprüfung. Sie soll zeigen, ob die Schutzmechanismen eines Browser-Agenten gegen indirekte Prompt-Injection-Angriffe standhalten. Dabei ist der Angriffsraum ungewöhnlich breit, weil ein moderner Agent neben sichtbarem Text auch DOM-Elemente, ARIA-Beschriftungen, Bilder, strukturierte Tool-Aufrufe und WebMCP-Antworten verarbeiten kann.
Eine bösartige Anweisung muss dabei nicht wie ein offensichtlicher Text auf der Seite stehen. Sie kann in einem Bild eingebettet, in einem scheinbar harmlosen Attribut oder in einer manipulierten Tool-Antwort platziert werden. Sie kann außerdem erst zu einem späteren Schritt erscheinen, wenn der Agent bereits ein Formular ausgefüllt oder eine vertrauenswürdige Seite besucht hat. Eine Evaluierung muss daher Payload, Darstellungsform und Zeitpunkt gemeinsam variieren.
Weil der Sandbox-Webserver vollständig kontrolliert wird, lassen sich solche Mutationen programmatisch erzeugen. Der Test kann Texte und Bilder mit Anweisungen versehen, ARIA-Labels verändern oder Antworten von WebMCP-Tools dynamisch überschreiben. Aus der hermetischen Testumgebung entsteht damit ein Red-Teaming-Labor, das Angriffe über mehrere Kanäle und über längere Agenten-Trajektorien hinweg erprobt.
Ein erster Ansatz steuerte die Payloads über sichtbare URL-Parameter. Das war auffällig. Modelle erkannten ungewöhnliche Query-Parameter wie einen angehängten Schlüssel und wurden misstrauisch. Chrome verlagerte die Kennungen deshalb in HTTP-Header. Der Orchestrator setzt beispielsweise einen speziellen Injection-Key. Der Webserver fängt ihn ab, verändert die ausgelieferte Seite und entfernt oder filtert die Steuerinformationen, bevor der Agent die Seite zu sehen bekommt.
Für das Modell bleibt die sichtbare URL unverändert und wirkt vollständig normal. Gleichzeitig kann der Test bestimmen, welche Payload an welcher Stelle erscheint. Diese Trennung von unsichtbarer Teststeuerung und realistisch wahrgenommener Oberfläche ist entscheidend. Nur wenn der Agent keinen Hinweis auf die Simulation erhält, misst das System tatsächlich seine Robustheit und nicht seine Fähigkeit, Testumgebungen zu erkennen.
Skalierbare Sicherheitsprüfung mit menschlicher Kontrolle
Eine Handvoll manuell ausgearbeiteter Angriffe pro Tag reicht nicht aus, um komplexe Agentenschutzsysteme zu bewerten. Menschliche Sicherheitsingenieure können einzelne Szenarien tief durchdacht entwerfen, doch die Prüfung vieler Varianten über unterschiedliche Websites, DOM-Strukturen und Zeitpunkte wird schnell zum Engpass. Genau hier setzt die automatisierte Red-Teaming-Pipeline an.
Die Pipeline nutzt die Mirror Dimension, um Ideen der Sicherheitsteams in großer Zahl reproduzierbar zu testen. Eine Payload, die an einer Stelle Schutzmechanismen umgeht, kann anschließend auf Varianten, verschiedene Oberflächen und neue Abläufe angewendet werden. Das System erzeugt dabei nicht nur Treffer und Fehlschläge, sondern liefert auch eine kontrollierte Umgebung, in der Gegenmaßnahmen erneut geprüft werden können.
Die Automatisierung ersetzt dabei nicht die fachliche Bewertung. Menschen definieren das Bedrohungsmodell, entwickeln realistische Angriffsideen und entscheiden, welche Verhaltensweisen tatsächlich sicherheitsrelevant sind. Die Infrastruktur übernimmt die wiederholte Ausführung, kontrollierte Zustandsverwaltung und breitere Parametrisierung. Das ist eine sinnvolle Arbeitsteilung: Kreativität und Risikoverständnis bleiben beim Menschen, während Volumen und Reproduzierbarkeit automatisiert werden.
Für Browser-Use-Agenten entsteht damit eine Evaluierungsumgebung, die zugleich Realismus und Kontrolle vereint. Sie kann komplexe Alltagsaufgaben abbilden, realistische Websites in unterschiedlichen Zuständen bereitstellen und feindliche Inhalte an genau die Stellen setzen, die für eine konkrete Sicherheitsfrage relevant sind.
Was die Mirror Dimension für die Praxis bedeutet
Die Mirror Dimension ist mehr als eine Sammlung synthetischer Webseiten. Sie ist eine hermetische Sandbox mit lokalem Interception Proxy, eigenem TLS-Vertrauensrahmen, automatischer Website-Entwicklung und adversarialen Testmöglichkeiten. Hinter dem scheinbar normalen Browsen verbirgt sich eine vollständig kontrollierte Infrastruktur, die den Agenten realistisch handeln lässt, ohne echte Webdienste oder Nutzerkonten zu gefährden.
Für die Entwicklung sicherer Browser-Agenten bedeutet das weniger Flakes, reproduzierbare Fehleranalysen und realistischere Red-Teaming-Tests. Eine Testsuite kann wachsen, ohne dass jedes Experiment die Stabilität des öffentlichen Webs zur Bedingung macht. Gleichzeitig bleibt die Umgebung so unauffällig, dass Modelle nicht schon durch die technische Infrastruktur ein anderes Verhalten an den Tag legen.
Der eigentliche Fortschritt liegt in der Verbindung von Isolation und Realismus. Eine zu künstliche Sandbox erzeugt verzerrte Ergebnisse. Eine echte Sandbox im Web bringt Sicherheitsrisiken und fehlende Reproduzierbarkeit mit sich. Die Mirror Dimension setzt dazwischen einen kontrollierten Pfad: bekannte URLs, glaubwürdige Interaktionen, flexible Zustände und präzise platzierte Angriffe, ohne echten Schaden anzurichten.
Quelle: blog.google
