Web 代理通常只在英文界面上进行评估，导致其在全球多语言网站上的表现缺乏系统研究。低资源语言（LRL）尤其缺少统一的评估资源。为填补这一空白，我们提出 Low-Resource Web Agent Benchmark (LoWAgent)，用于在英语之外的四种低资源语言——印地语、孟加拉语、乌尔都语和阿姆哈拉语——上对网页代理进行对比评估。\ \ LoWAgent 包含六个完全本地化的网站，每个网站在五种语言下实例化，形成约 3,000 条任务实例。我们在所有语言、所有网站上测试了三款闭源模型和五款开源模型。实验表明，闭源和开源模型在低资源语言上的性能均出现下降，但开源模型的下降幅度更为显著。\ \ 进一步，我们在真实的界面干扰场景（如 cookie 通知、广告弹窗）下评估模型鲁棒性，发现这些干扰会进一步削弱代理的任务完成能力。\ \ 最后，针对 LoWAgent 的少量轨迹进行后训练（fine‑tuning），即可显著提升低资源语言的任务表现，验证了该基准的实用价值。\ \ 点评：LoWAgent 为多语言网页代理提供了系统化、可复现的评估平台，揭示了当前模型在低资源语言上的局限，并展示了通过少量微调即可实现性能恢复的潜力，为后续研究指明了方向。