OmniTools
返回目录
page-agent

page-agent

嵌入网页的 GUI Agent，通过自然语言控制网页界面，无需后端部署。

访问官网
智能推荐

适用建议

根据产品介绍、官方账号、教程资源和公开信息，帮你快速判断这个工具更适合哪些使用场景。

52.0
推荐指数
52
适用场景

适合做什么

外贸获客 / 邮件 / 线索开发中的客户画像、线索获取

推荐工作流环节

可辅助的环节

B2B 获客

客户画像

可辅助
B2B 获客

线索获取

可辅助
代码与应用开发

需求拆解

可辅助
代码与应用开发

开发实现

可辅助

编辑点评

"阿里开源的轻量级网页内嵌 Agent，以纯文本 DOM 操控替代多模态方案，集成极简且支持自带大模型。"

优势

  • • 无需后端与浏览器扩展，一行 JS 即可嵌入网页
  • • 采用纯文本 DOM 解析，降低多模态模型依赖与算力成本
  • • BYOK 架构保障数据隐私，支持接入任意兼容 LLM

局限

  • • 复杂动态渲染页面的 DOM 解析稳定性依赖网页结构规范
  • • 跨标签页控制需依赖 Chrome 扩展，纯网页内嵌模式能力受限
  • • 官方免费测试 API 仅限技术评估，生产环境需自备合规 LLM 密钥

Q&A

快速了解这个工具的常见问题与答案

Q
这个工具是否提供免费版？
Answer

项目基于 MIT 协议完全开源免费，官方提供免费的测试 LLM API 仅供技术评估，生产环境需用户自备大模型 API 密钥。

Q
这个工具支持哪些访问方式？
Answer

支持通过在网页中嵌入 JavaScript 脚本使用，提供可选的 Chrome 浏览器扩展以支持多标签页任务，并开放 API 与 MCP Server（Beta）用于 Agent 协作。

Q
这个工具是否支持中文或多语言？
Answer

UI 和文档提供英文与简体中文版本。自然语言指令支持取决于您配置的 LLM，page-agent 本身不执行翻译或语言切换。

Q
使用这个工具需要技术背景吗？
Answer

基础使用仅需在前端页面引入一行 JavaScript 代码，门槛较低；但自定义模型接入、MCP 集成或深度二次开发需要一定的前端开发经验。

Q
这个工具有哪些主要限制？
Answer

官方免费测试 API 仅限评估不可用于生产；纯网页内嵌模式无法跨标签页操作（需依赖扩展）；复杂动态页面的 DOM 解析效果受网页结构影响。

工具介绍

产品简介

page-agent 是阿里巴巴开源的 JavaScript 网页内嵌 GUI Agent。与传统浏览器自动化工具不同，它无需浏览器扩展、Python 环境或无头浏览器，仅通过一行 JavaScript 代码即可嵌入任意网页。它采用纯文本 DOM 操作技术，不依赖截图或多模态大模型，支持自带 LLM（BYOK），并提供可选的 Chrome 扩展与 MCP Server（Beta），方便跨标签页任务与外部集成。

核心功能

  • 无需后端与浏览器扩展，一行 JS 即可嵌入网页
  • 采用纯文本 DOM 解析，降低多模态模型依赖与算力成本
  • BYOK 架构保障数据隐私，支持接入任意兼容 LLM
  • 覆盖自动化与智能体相关需求
  • 覆盖办公与效率相关需求

适用场景

  • 流程自动化

适合谁用

  • 个人用户
  • 团队用户
  • 希望提升效率的专业用户

核心能力

主能力
自动化与智能体
次要能力
办公与效率

适用场景

流程自动化
价格与版本
Free
访问方式
APIBrowser Extension
支持语言
EnglishSimplified Chinese

产品动态

查看官方发布和相关报道，了解这个产品的最新进展。

相关报道

更多
2026年7月2日
阿里巴巴开源 Page Agent：JavaScript 库支持自然语言操控网页 DOM

OmniTools 7月3日消息，阿里巴巴发布开源 JavaScript 客户端库 Page Agent，可在网页中嵌入后通过自然语言指令直接操作 DOM 元素。 该工具不依赖截图或多模态模型，而是将实时 DOM 转换为 FlatDomTree 文本映射，使纯文本大模型能精准执行点击、表单填写等操作。它继承用户 cookies 和会话，无需独立后端，兼容任意 OpenAI 兼容 API 端点（示例中使用 qwen3.5 plus）。 Page Agent 采用 MIT 许可证...