阿里开源项目page-agent：18.7K Star，用自然语言驱动网页交互

阿里有个开源项目叫 page-agent，在 GitHub 上已经拿下 18.7K star 了。

它干的事情说起来很简单，就是让你用自然语言去控制网页界面。你跟它说一句话，它就能帮你点按钮、填表单、跳转流程，整个操作链路全部自动完成。

关键是它的实现方式特别轻。不需要 headless 浏览器，不需要截图识别，不需要 OCR，也不需要多模态模型。纯 JS 实现，一行 script 标签引进去，你的网站就直接拥有了一个 AI 副驾驶。

不依赖后端，不依赖客户端，不需要装浏览器插件。就这么干净利落。

它能做的事情还挺多的。

给 SaaS 产品加 AI Copilot，几行代码搞定，完全不用重写后端逻辑。

智能填表单，原来要点 20 次的操作，现在一句话就搞定。ERP、CRM、各种管理后台，用起来体验直接拉满。

做无障碍增强也行，用自然语言让任何网页变得无障碍，支持语音指令和屏幕阅读器，零门槛。

还能跨页面工作，装一个可选的 Chrome 扩展，你的 Web Agent 就能跨标签页执行任务。

另外它还支持通过 MCP 协议，给你现有的 Agent 加上浏览器控制能力。

总结一下就是，这个项目把 AI agent 嵌入网页这件事，做到了目前我见过最轻量、最优雅的程度。如果你在做 SaaS 产品，或者想给自己的工具加点智能化的东西，值得认真看一看。

传送门： github.com/alibaba/page-agent