Page Agent 中文教程：v1.12.4 集成、隐私与操作边界

Page Agent 是运行在网页内部的 JavaScript GUI Agent。它把页面 DOM 简化为文本交给模型，再执行点击、输入等页面动作。当前正式版为 v1.12.4，发布于 2026-09-06。

1. Demo CDN 只用于无敏感数据的评估

<script
  src="https://cdn.jsdelivr.net/npm/page-agent@1.12.4/dist/iife/page-agent.demo.js?autoInit=false"
  crossorigin="anonymous">
</script>

这个 bundle 使用官方免费测试 LLM API。条款限定为技术评估和研发，不能集成进生产产品；服务可能限流、降级或随时停止。请求经中国大陆的阿里云基础设施处理，受数据本地化要求约束的地区不应使用。

2. 生产集成使用自己的模型端点

npm install page-agent@1.12.4 zod

import { PageAgent } from 'page-agent'

const agent = new PageAgent({
  model: '你的模型名',
  baseURL: 'https://你的兼容端点/v1',
  apiKey: '从安全配置注入，不写进前端源码',
  language: 'zh-CN',
})

示例中的 key 如果直接打进浏览器 bundle，用户就能读取。生产环境应使用受控代理、短期令牌或本地模型，并限制来源、额度和模型权限。Page Agent 核心库本身没有后端，数据会直接发往你配置的模型服务。

3. 第一次只给 Agent 一个低风险页面

1. 建立不含真实账号、客户数据和付款信息的测试页。
2. 页面只放一个按钮、一个普通文本框和一个结果区域。
3. 记录模型收到的简化 DOM，确认隐藏字段、提示词和其他区域没有意外进入。
4. 测试元素缺失、重复标签、加载延迟和模型输出无效时是否停止。
5. 确认后再逐步增加组件，不要一次覆盖整套后台。

4. 有副作用的动作必须二次确认

提交表单、删除记录、发消息、下单和付款都要在最后一步弹出人类可读的确认内容，包括目标、字段变化和金额。模型只能准备动作，用户确认后才执行。还应设置动作白名单、最大步数、超时和取消信号，避免失败后反复点击。

5. 什么时候需要扩展或 MCP

单页功能能解决问题时不要先装扩展。使用扩展时，任务指令和所有受控页面的简化结构会发给配置的模型端点；配置只保存在浏览器本地，不等于任务数据不会离开设备。

6. Page Agent 与 Browser Use 的区别

Browser Use 控制独立或现有浏览器，可用 CDP、截图和视觉，也提供本地与付费云路径。Page Agent 更适合在自有 Web 产品里嵌一个单页 copilot；需要跨站导航、真实浏览器配置、服务端运行或托管浏览器时，Browser Use 的范围更广，同时权限和基础设施也更重。

7. 本次验证边界

验证状态：本次核对官方 README、package.json、Terms & Privacy、MIT LICENSE 和 v1.12.4 Release；没有安装 npm 包、Chrome 扩展或 MCP。

已经确认：版本、页内 DOM 路线、BYOK、免费测试 API 限制、扩展数据范围和 MCP Beta 状态都有官方材料对应。

没有验证：bundle、DOM 提取、模型兼容、动作成功率、跨页扩展、MCP、免费 API、数据处理和任何生产页面。

常见问题