网页自动化通常要靠扩展、Python 或无头浏览器从外部“遥控”。Page Agent 换了条路线：把 GUI Agent——能听懂目标并代替用户点击、输入的代理——直接装进网页，用自然语言接管界面。项目单日新增 726 星，值得关注之处正是浏览器 Agent 开始从外部工具变成产品内置能力。
它只需页内 JavaScript，不要求截图、多模态模型或特殊权限。模型读取并操作 DOM——浏览器对 HTML 页面生成的树状对象结构——按文本化的元素和属性寻找控件。开发者可以自带 LLM；官方还给出表单填写、SaaS Copilot 和无障碍交互等用途。多页面任务可选 Chrome 扩展，也提供 Beta 版 MCP Server，供外部 Agent 客户端控制浏览器。
边界也很明确：作者将 Page Agent 定位为客户端网页增强，而非服务端自动化；免费 Demo LLM 与 CDN 仅供技术评估，材料未披露成功率、延迟或复杂网站上的稳定性。