【2026】Alibaba Page Agent 完全指南！用 1 行代码将 AI 操作员嵌入任何网站

Alibaba 公开的 Page Agent 成为话题。在 GitHub 上获得 22.7k 星，成为世界上最受关注的 GUI 智能体框架之一。

Page Agent 有简单的构想。以往的浏览器自动化工具（browser-use / Playwright / Puppeteer）是作为「外部工具」操作浏览器。需要搭建服务器、编写 Python 脚本、启动无头浏览器。

Page Agent 不同。只需向页面添加 1 行 JavaScript，AI 就能操作该页面。

本文以初学者也能理解的方式解说 Page Agent 是什么、能做什么、具体怎么用。

Page Agent 是什么？

Page Agent 是 Alibaba 以 MIT 许可证公开的、纯 Web 基础的 GUI 智能体。

最大特点是「住在页面里的 AI」这一构想。普通的浏览器自动化工具从外部操作页面，而 Page Agent 作为 JavaScript 嵌入页面内部，直接读取和操作 DOM。

通过这种「从内部操作」的方法，产生以下优点：

• 无需基础设施：不需要服务器・Python・无头浏览器
• 设置快速：1 行脚本标签立即运行
• 无需截图：将 DOM 作为文本读取，因此不需要多模态 LLM
• 轻量：包大小最小

---

能做什么（使用例）

• SaaS AI Copilot：在自己的产品中添加自然语言操作的助手
• 智能表单输入：自动填写和提交表单
• 无障碍支持：用 AI 辅助 UI 操作
• MCP 联动：从 Claude Code / Cursor / Hermes Agent 操作 Web

基础使用方法

<script src="https://cdn.jsdelivr.net/npm/@alibaba/page-agent"></script>

将这一行添加到页面后，AI 就能操作该页面。

---

与 browser-use 的差异

---

注意事项

• 不要在正式环境使用演示用 LLM：演示 CDN 的 LLM 是测试用。务必使用自己的 API 密钥
• 多页面操作需要浏览器扩展：只有单页操作可以直接嵌入

---

总结

Page Agent 是「浏览器自动化」的新范式。与以往的“外部工具型”不同，它以 “住在页面里的 AI” 这一构想，以前所未有的简洁性实现 Web 操作自动化。

适合以下人群：

• 想在 SaaS 产品中添加 AI Copilot 的产品经理
• 想刷新公司内部旧系统的开发者
• 想通过表单输入自动化提高业务效率的企业
• 致力于无障碍提升的 Web 开发者
• 想让 AI 智能体（Claude Code / Cursor / Hermes Agent）操作 Web 的人

Alibaba 对开源的热情已由过去项目（Apache Dubbo、Apache RocketMQ 等）证明。Page Agent 也已是 v1.11.0、1,085 次提交、22.7k 星 的成熟项目。

先在自己的开发环境中添加演示 CDN 的 1 行，试试能进行什么操作吧。

---

相关阅读

• Hermes Agent 记忆完全对比
• Loop Library 完全指南
• scroll-world 完全指南
• AI 智能体设计：循环 vs 图