阿里巴巴近日在 GitHub 以 MIT 协议开源 JavaScript 客户端库 Page Agent，面向 AI 网页自动化场景。该工具运行在网页内部，通过“DOM 脱水”将复杂 DOM 树压缩为 FlatDomTree 纯文本映射，使大语言模型无需依赖截图和多模态分析，即可识别页面结构并执行点击、表单输入等操作。Page Agent 可继承 Cookie、会话状态和登录凭证，并兼容支持标准接口的模型，适用于 SaaS 智能副驾、自动化数据采集和无障碍交互。项目目前更侧重单页面交互，涉及支付或数据修改等敏感操作仍需服务端校验，并提供基于提示词触发的权限管控。
