alibaba/page-agent

它是什么

page-agent 是一个运行在网页内部的 JavaScript GUI Agent。它把“用自然语言控制网页界面”这件事放到页面里完成，核心思路是直接做文本化 DOM 操作，而不是依赖截图、特殊权限或多模态模型。 它主要面向想把网页自动化能力嵌入自家产品的开发者，也面向需要在 ERP、CRM、后台管理系统里做流程简化的人。

为什么值得关注

README 明确给出了“无需浏览器扩展、Python、headless browser”的集成路径，说明它不是传统重型自动化方案，而是更轻的页面内方案。榜单信号里它属于 Fast Growth Top 100，且 Forks 较多，说明关注度和传播速度都不低。

核心能力

• 在网页内用自然语言控制 Web 界面
• 基于文本 DOM 操作，不依赖截图识别
• 不需要浏览器扩展、Python 或 headless browser
• 支持接入自带 LLM，而非绑定单一模型

适合谁用

• 想给 SaaS 产品加 AI Copilot 的开发者
• 需要批量自动填表、减少多步点击的人
• 做 ERP、CRM、管理后台流程自动化的团队
• 希望提升网页自然语言可访问性的应用

使用前注意

• README 提到可选 Chrome 扩展只用于多页面任务
• MCP Server 目前是 Beta，外部控制能力要留意成熟度
• 项目许可证是 MIT
• README 强调由用户自己接入 LLM，需要自行准备模型能力

README 证据

• “The GUI Agent Living in Your Webpage. Control web interfaces with natural language.”
• “No need for browser extension / python / headless browser. Just in-page javascript.”
• “Text-based DOM manipulation. No screenshots. No multi-modal LLMs or special permissions needed.”
• “Bring your own LLMs”