PageAgent：9640⭐的阿里开源网页 GUI Agent
阿里巴巴最近开源了一个有意思的项目：PageAgent，一个纯前端的网页 GUI Agent，可以用自然语言控制网页界面。它不像传统的自动化工具那样需要浏览器扩展、Python 脚本或后端服务，而是直接在页面内运行，几行代码就能集成。
项目概览
| 属性 | 内容 |
|---|---|
| GitHub | alibaba/page-agent |
| Stars | 9,640 |
| 语言 | TypeScript |
| 特点 | 纯前端、自然语言控制、BYO-LLM |
| 最后更新 | 今天 |
它解决了什么问题
传统的网页自动化通常有几种方案：
- Selenium/Playwright：需要后端服务，依赖无头浏览器，部署成本高
- 浏览器扩展：需要用户安装，跨域限制多
- MCP Browser：同样需要服务端支持，配置复杂
PageAgent 走了一条不同的路：直接在页面内注入 JavaScript，利用 LLM 理解 DOM 结构并执行操作。这意味着：
- 不需要服务器，纯客户端运行
- 不需要浏览器扩展（虽然提供了可选的扩展用于跨页面任务）
- 可以嵌入到任何现有产品中作为 AI Copilot
核心特性
1. 基于文本的 DOM 操作
PageAgent 不使用截图或多模态模型，而是通过文本方式处理 DOM。它会对页面元素进行标注，让 LLM 基于这些标注决定点击哪个元素、输入什么内容。
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',
language: 'zh-CN',
})
await agent.execute('点击登录按钮，输入用户名 admin 和密码 123456')2. 自带美观的 UI
除了底层 API，PageAgent 还提供了一个开箱即用的聊天界面，支持人机协作。用户可以看到 AI 的执行步骤，随时介入或纠正。
3. 支持多页面任务（可选）
虽然核心是单页面的，但通过配套的 Chrome 扩展，PageAgent 可以处理跨页面的工作流，比如搜索商品→打开详情→加入购物车→结算。
4. 可替换的 LLM
PageAgent 本身不绑定特定模型，你可以用 OpenAI、Anthropic、通义千问，甚至是本地模型。只要支持 OpenAI 兼容的 API 格式即可。
快速体验
最快的方式是通过 CDN 引入（注意：这仅用于技术评估，使用阿里提供的测试 LLM）：
<script src="https://cdn.jsdelivr.net/npm/page-agent@1.5.8/dist/iife/page-agent.demo.js" crossorigin="true"></script>生产环境建议通过 npm 安装：
npm install page-agent与同类工具对比
| 工具 | Stars | 架构 | 特点 |
|---|---|---|---|
| browser-use | 51k | Python + 无头浏览器 | 功能强大，但需要后端 |
| Playwright MCP | 8k | Node.js + 浏览器 | 微软官方，稳定性高 |
| PageAgent | 9.6k | 纯前端 JS | 无需后端，易于集成 |
如果你需要一个轻量级、易于嵌入产品的网页自动化方案，PageAgent 是一个值得考虑的选择。特别是对于 SaaS 产品想要快速添加 AI Copilot 功能的场景，几行代码就能实现。
适用场景
- SaaS AI Copilot：在现有产品中快速添加 AI 助手，无需重构后端
- 智能表单填写：将复杂的 20 步操作简化为一句话，适合 ERP、CRM、后台管理系统
- 无障碍辅助：通过自然语言控制任何网页应用，支持语音命令、屏幕阅读器
- 自动化测试：结合 LLM 理解能力，编写更易维护的 UI 测试
注意事项
- CSP（内容安全策略）严格的网站（如 GitHub）可能需要使用浏览器扩展版本
- 目前不支持 Shadow DOM 内部元素的交互
- 需要自备 LLM API Key，免费演示版仅供评估使用
项目信息
| 属性 | 内容 |
|---|---|
| 仓库 | https://github.com/alibaba/page-agent |
| 许可证 | MIT |
| 语言 | TypeScript |
| 维护者 | @alibaba |
项目还在快速迭代中，今天还有代码提交。如果你对这个方向感兴趣，可以去 GitHub 点个 Star 关注后续发展。