PageAgent

PageAgent はアリババが公開した JavaScript ライブラリで、一行の CDN または npm パッケージで任意のウェブページに AI 操作機能を追加します。ユーザーが「3月の請求書を見つけてダウンロードし、経理に送って」と入力すると、エージェントが DOM を解析し、実際のクリックや入力操作に変換します。スクリーンショットやマルチモーダル LLM を必要とせず、クライアントサイドで完結します。

主な利点：フロントエンド開発者にとっての導入ハードルが極めて低く、React/Vue/Shadow DOM にも対応。視覚モデルを使わずテキスト化した DOM を LLM に渡すため、高速かつ低コストです。人的確認やデータマスキング機能も備えています。

注意点：デモ版は無料のテスト用 LLM API を利用していますが、本番では自身の LLM キー（例：OpenAI 互換）が必要となり、その呼び出し費用が継続的に発生します。極端に動的なページや難読化された UI では DOM 解析が不十分な場合があります。またクライアントサイド動作のため、クロスオリジンの iframe 内操作はできません。厳格な監査やデータ保護が求められる環境では、プライバシーとログの精査が必須です。

PageAgent は、SaaS 管理画面、社内ツール、ローコードプラットフォームなど、操作ステップの削減が直接的な価値につながる製品に適しています。完全オフラインの AI 制御や、極度に制限されたブラウザ環境では力を発揮しにくい点に留意してください。