Page Agent 是阿里巴巴开源的页内 JavaScript GUI Agent。它把当前网页的 DOM 简化为文本交给用户配置的模型，再在同一页面执行点击、输入等动作；核心库不需要 Python、无头浏览器或截图。
来源：github.com/alibaba/page-agent 查看 GitHub 仓库 → 📘 使用教程 →它把自然语言操作直接嵌入现有 Web 产品，适合表单、后台和 SaaS copilot，不必另外部署浏览器集群。当前版本还提供可选 Chrome 扩展处理多标签页，以及 Beta MCP Server 供外部客户端调用。
来源：github.com/alibaba/page-agent核心库运行在网页中，读取简化 DOM 并执行页面动作，不依赖截图或多模态模型。
来源：github.com/alibaba/page-agent可配置 OpenAI 兼容端点或本地模型；开源库自身不带后端，数据直接发往用户选择的模型服务。
来源：github.com/alibaba/page-agent (1) · github.com/alibaba/page-agent/blob/main/docs/terms-and-privacy.md (2)可选 Chrome 扩展把控制范围扩展到多个标签页，配置保存在浏览器本地存储。
来源：github.com/alibaba/page-agent/blob/main/docs/terms-and-privacy.mdBeta MCP Server 允许 MCP 客户端从页面外部调用 Page Agent；该入口仍需单独评估权限。
来源：github.com/alibaba/page-agentpage-agent 包把自然语言任务、页面控制器、模型适配器和 UI 组件装入当前页面。页面控制器生成简化 HTML/DOM 表示，模型返回动作计划，执行器在页面上下文中调用 DOM 交互。Chrome 扩展增加标签页控制，MCP Server 把能力暴露给外部 Agent；核心开源库仍是客户端 BYOK 架构。
来源：github.com/alibaba/page-agent (1) · github.com/alibaba/page-agent/blob/main/docs/terms-and-privacy.md (2)@page-agent/core@page-agent/llms@page-agent/page-controller@page-agent/ui用户自备的 OpenAI 兼容或本地模型适合为自有 SaaS、ERP、CRM 或管理后台增加自然语言表单填写、页面导航和辅助访问功能。它不是服务端爬虫框架，也不适合在未经许可的第三方页面自动提交订单、付款或隐私数据。
来源：github.com/alibaba/page-agent (1) · github.com/alibaba/page-agent (2)当前最新正式版为 v1.12.4，发布于 2026-09-06；README 的 CDN 示例和 packages/page-agent/package.json 也已同步到 1.12.4。
来源：github.com/alibaba/page-agent/releases/tag/v1.12.4 (1) · github.com/alibaba/page-agent/blob/main/packages/page-agent/package.json (2)status: official_docs_checked_not_locally_installed | checked_at: 2026-09-23 | environment: 核对官方 README、package.json、Terms & Privacy、MIT LICENSE 和 GitHub v1.12.4 Release；未安装 npm 包、扩展或 MCP | limitations: 未验证 bundle、DOM 提取、模型兼容、动作成功率、跨页扩展、MCP、免费 API、数据处理或任何生产页面 | observed_output: package.json、README CDN 示例和 GitHub latest release 均为 1.12.4；release 发布于 2026-09-06；条款说明核心库 BYOK、无内置后端，demo API 仅限评估
来源：github.com/alibaba/page-agent/releases/tag/v1.12.4 (1) · github.com/alibaba/page-agent/blob/main/docs/terms-and-privacy.md (2)Page Agent 嵌入自有网页，通过文本 DOM 做客户端增强；Browser Use 控制独立或现有浏览器，会使用 CDP，并可选择截图/视觉、本地浏览器或付费云浏览器。给自己的 Web 产品加页内 copilot 时 Page Agent 更轻；需要跨站导航、真实浏览器配置或服务端自动化时 Browser Use 覆盖更广，但权限和基础设施也更重。
来源：github.com/alibaba/page-agent (1) · github.com/browser-use/browser-use (2)Page Agent 适合在自有网页内做低门槛自然语言操作。生产前要用 BYOK、限制可操作元素，并为提交、删除和付款设置人工确认；免费 demo、扩展和 Beta MCP 只能分别按其数据与权限边界测试，不能把单页演示直接当成生产自动化。
来源：官方 Releases不能。官方条款只允许技术评估和研发，服务可能限流、降级或停止；生产环境应使用自己的合规模型 API 或本地模型。
它会发送任务指令和简化后的页面结构。官方明确提醒清理过程不能保证移除可见文字、表单值等敏感信息，因此要先限制页面与数据范围。
核心单页用法不需要扩展。只有多标签页任务才需要可选扩展；外部 MCP 控制则使用仍处于 Beta 的 MCP Server。
是。README、package.json 与 GitHub latest release 均指向 1.12.4；该版本发布于 2026-09-06。