用途：Page Agent 是运行在网页内的 JavaScript GUI 智能体，通过自然语言指令控制网页界面，实现浏览器自动化。它直接运行在页面中，不需要浏览器扩展或无头浏览器，采用基于文本的 DOM 操作而非截图识别。
主要能力：可执行点击、表单填写、多步工作流、页面导航等自然语言命令；支持 OpenAI、Anthropic Claude、阿里云 Qwen（DashScope）、Azure OpenAI 等 LLM 提供商；提供语言设置（如 en-US、zh-CN）、自定义系统提示、最大执行步数、超时、元素选择策略与调试模式等配置；支持事件监听、自定义动作注册；提供 Chrome 扩展用于跨标签页任务，以及 MCP 服务器（Beta）供外部控制。
使用方式：可通过 npm install page-agent 安装，或使用 CDN 脚本快速测试（演示 LLM 仅供评估）。初始化示例：import { PageAgent } from 'page-agent'；const agent = new PageAgent({ model, baseURL, apiKey, language })；随后调用 await agent.execute('Click the login button') 执行命令。MCP 服务器可用 npx page-agent-mcp 启动。
适用场景：SaaS 产品内嵌 Copilot、表单自动化、无障碍增强（语音命令、页面描述）、多步复杂工作流、跨标签页自动化等。
限制：需自行提供 LLM API 密钥与可用模型；元素需具备可访问名称且可见，否则可能无法定位；复杂命令可能超时，需调整 timeout 与 maxSteps；CDN 方式可能受 CSP 限制；官方建议不要硬编码密钥、对用户输入做校验、先用演示 LLM 测试。具体收费、价格与效果资料暂未提供。