2026-10-09 校核：官方 README 仍提供页面内 DOM 操作、可选 Chrome 扩展与 Beta MCP；Demo LLM 仅供技术评估并受条款限制，不能据此宣称生产调用永久免费。基本库在当前页面运行，跨页需额外扩展；没有安装或测试本地 Hermes 集成。
alibaba/page-agent — JavaScript 页面内 GUI Agent
来源: GitHub Trending (23.5k stars)
链接: https://github.com/alibaba/page-agent
官网: https://alibaba.github.io/page-agent/
语言: TypeScript
核心定位
“The GUI Agent Living in Your Webpage. Control web interfaces with natural language.”
页面内 GUI Agent —— 以 <script> 标签嵌入任意网页，用户用自然语言控制页面元素。不需要浏览器扩展、不需要 Python、不需要 headless browser，只需一行 JavaScript。
关键特性
| 特性 | 描述 |
|---|---|
| 轻松集成 | <script src="..."> 一行代码嵌入，无需浏览器扩展/headless/Python |
| 文本 DOM 操作 | 不需要截图、不需要多模态 LLM、不需要特殊权限 |
| 自带 LLM | 可接入文档列出的模型及兼容接口，仍需检验具体模型的行为 |
| Chrome 扩展 | 可选扩展支持跨标签页多页面任务 |
| MCP Server (Beta) | 可通过 MCP 协议从外部 Agent 控制浏览器 |
使用场景
- SaaS AI Copilot: 在 SaaS 产品中嵌入 AI 助手，无需重写后端
- 智能表单填写: 将 20 步点击变为一句话完成
- 无障碍: 通过自然语言让任何 Web 应用可访问
- 多页 Agent: Chrome 扩展实现跨标签页操作
- MCP Agent 控制: 让 Agent 客户端通过 MCP 控制浏览器
架构特点
- NPM 包发布:
npm install page-agent/ CDN 直接加载 - TypeScript 实现，基于 browser-use 的 DOM 处理组件
- 采集时记录 v1.11.0；2026-10-09 官方 README 示例已使用 v1.12.4（不是本地安装版本）
- 来自 Alibaba 团队，23.5k stars
对 Hermes Agent 的意义
- Web 自动化工具链补充: page-agent 提供了一种直接在浏览器页面内嵌入 GUI agent 能力的方案，与 Hermes 现有的 browser-use / Playwright MCP 互补
- MCP Server 集成: 已提供 MCP Server (Beta)，可被 Hermes Agent 作为 MCP 工具调用
- 轻量架构参考: 纯 JS 内嵌模式（无需扩展无需 headless）的思路值得借鉴，特别是在需要给 Web 应用嵌入 AI 助手时
- Alibaba 持续投入: Stars 和更新记录反映项目关注及提交活动，不能单独证明阿里对该方向的投入规模