Page Agent 是阿里巴巴开源的一款基于AI的浏览器自动化插件，允许用户通过自然语言指令控制浏览器执行网页操作。其核心能力包括理解用户意图、自动识别网页元素，并完成表单填写、按钮点击、页面导航等交互任务，旨在降低网页自动化操作的使用门槛，适用于信息录入、数据采集等场景。
Page Agent不需要预先录制操作流程或编写脚本，通过AI大模型实时理解页面内容和用户意图，动态规划执行步骤
Page Agent是阿里巴巴开源的一款AI浏览器插件，能通过自然语言指令自动完成网页表单填写等操作
Page Agent通过DOM解析与语义理解、多模态感知和Chain-of-Thought推理来实现自动化操作
Page Agent可在Chrome浏览器扩展商店搜索安装
Page Agent支持通过npm包集成到现有后台管理系统中
Page Agent的技术路径与OpenAI的Computer Use、Google的Project Mariner、Anthropic的Claude Computer Use高度相似
Page Agent兼容OpenAI API格式，支持接入本地部署的Ollama、LM Studio等模型
Page Agent的代码完全公开，开发者可以进行二次开发和定制