| name | page-agent |
| description | Alibaba 开源的网页 GUI Agent，用自然语言直接控制浏览器界面，一行代码集成。替代复杂的 Playwright 脚本。 |
| metadata | {"openclaw":{"emoji":"🌐"}} |
Page-Agent 浏览器 GUI 代理
阿里巴巴开源的网页内 GUI 代理，用自然语言控制浏览器界面。
核心优势
- 自然语言指令替代 CSS 选择器和 XPath
- 一行代码集成到现有项目
- 理解页面语义，不依赖 DOM 结构
- 比 Playwright 脚本更鲁棒（页面改版不会轻易失效）
安装
pip install page-agent
与 OpenClaw Bot 集成
替代当前 Playwright 社交发布
当前方式（Playwright 脚本，易碎）:
await page.click('#post-button');
await page.fill('textarea.content', text);
await page.click('button[type="submit"]');
Page-Agent 方式（自然语言，鲁棒）:
from page_agent import PageAgent
agent = PageAgent(page)
await agent.act("点击发布按钮")
await agent.act("在内容框中输入: " + text)
await agent.act("点击提交")
集成到社交发布流程
from page_agent import PageAgent
async def publish_to_x(content):
agent = PageAgent(browser_page)
await agent.act("点击撰写推文按钮")
await agent.act(f"输入推文内容: {content}")
await agent.act("点击发布按钮")
return await agent.act("确认推文已发布成功")
async def publish_to_xhs(content, images):
agent = PageAgent(browser_page)
await agent.act("点击发布笔记")
for img in images:
await agent.act(f"上传图片: {img}")
await agent.act(f"输入笔记内容: {content}")
await agent.act("点击发布")
使用场景
- 社交媒体发布 — 替代
social-browser-adapter.mjs 中的 Playwright 硬编码
- 网页数据采集 — 替代
crawl4ai 的部分场景
- 任意网页交互 — 严总 说"帮我在 xxx 网站上做 yyy"
触发条件
- 严总 说 "page-agent"、"自然语言控制浏览器"、"网页操作"
- 需要浏览器自动化但 Playwright 脚本太脆弱时
- 社交发布流程中 DOM 选择器失效时自动降级
与现有工具的关系
| 工具 | 适用场景 | 优势 |
|---|
| Playwright (当前) | 结构稳定的页面 | 速度快、精确 |
| Page-Agent (新增) | 页面结构不稳定 | 鲁棒、自然语言 |
| crawl4ai | 数据采集 | 专注提取 |
建议: Playwright 作为主路径，Page-Agent 作为降级方案和新页面的快速原型。
