alibaba/page-agent

解決的問題

Page Agent 提供了一種方法，僅需引入單一腳本，即可將 AI 機器人直接嵌入網頁。它消除了對複雜設定（如無頭瀏覽器、Python 後端或強制安裝瀏覽器擴充套件）的需求，讓開發者能快速為網站加入由 AI 驅動的互動功能，適用於簡單的頁面自動化。

工作原理

與許多依賴螢幕截圖和多模態大語言模型的網頁機器人不同，Page Agent 使用基於文字的 DOM 操作。它作為頁面內的 JavaScript 執行，透過與頁面結構互動來執行命令。它相容於大多數主流大語言模型，包括本地部署的模型，並可透過可選的 Chrome 擴充套件（用於跨多頁面任務）或 MCP 伺服器（用於外部控制）進行擴展。

適用對象

• SaaS 開發者：希望在其產品中內建 AI 協作夥伴，卻不需重寫後端的開發者。
• 企業使用者：使用 ERP、CRM 或管理系統的人，希望透過自然語言自動化重複性的多點擊工作流程。
• 無障礙專精人員：希望透過語音指令和自然語言讓網頁應用更具可及性的開發者。
• 網頁自動化工程師：需要一個可透過 MCP 外部控制的客戶端代理。

特色亮點

• 輕鬆整合：僅需一個 script 標籤或 NPM 套件即可加入頁面。
• 基於文字的控制：操作 DOM 而非影像，無需多模態模型。
• 自備 LLM：支援多種主流及本地大語言模型。
• 客戶端執行：所有操作皆在網頁內完成，無需伺服器端自動化工具。