Page Agent
活跃简介
Page Agent 是阿里巴巴开发的 JavaScript 页面内 GUI 智能体，通过自然语言控制网页界面，实现自动化表单填写、页面导航和元素操作等任务。
核心特性
- 页面内JavaScript GUI智能体，无需浏览器扩展、Python或无头浏览器
- 基于文本的DOM操作，不依赖截图或多模态大模型
- 自带LLM，兼容任何OpenAI兼容API
- 可选Chrome扩展，支持跨标签页的多页面Agent任务
- MCP Server（Beta），支持通过MCP协议从外部控制Agent
- 一行CDN集成，快速上手评测
适用场景
💡 SaaS产品内嵌AI Copilot，无需重写后端
💡 智能表单填写：将ERP、CRM等系统的20步操作缩减为一句话
💡 通过自然语言语音命令为任意Web应用添加无障碍访问层
💡 借助Chrome扩展实现跨标签页的多页面浏览器自动化
💡 MCP客户端通过编程方式控制浏览器交互
优势与不足
✅ 优势
- • 活跃维护，近期持续更新
- • 社区热度高（29.0k stars）
- • 开源许可证友好（MIT）
- • Issue 响应及时，积压少
分类
快速开始
npm install page-agent && import { PageAgent } from 'page-agent'; const agent = new PageAgent({ model: 'qwen3.5-plus', baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1', apiKey: 'YOUR_API_KEY' }); await agent.execute('点击登录按钮')