알리바바가 웹페이지 내부에서 직접 동작하는 새로운 방식의 GUI 에이전트 ‘페이지 에이전트(Page Agent)’를 오픈소스로 공개했다. 플레이라이트(Playwright)·퍼펫티어(Puppeteer)·셀레니움(Selenium) 등 기존 브라우저 자동화 도구가 외부 프로세스에서 브라우저를 조작하고 스크린샷이나 크롬 개발자도구 프로토콜(CDP)로 화면을 읽는 방식이었다면, 페이지 에이전트는 웹페이지 안에 순수 자바스크립트 형태로 삽입돼 문서객체모델(DOM)을 텍스트로 직접 읽고 실제 사용자처럼 동작한다. 별도의 헤드리스 브라우저나 스크린샷, 멀티모달 모델이 필요 없다는 점이 특징이다.
이 프로젝트는 MIT 라이선스로 공개됐으며 타입스크립트 기반으로 작성됐다. 오픈소스 프로젝트 브라우저유즈(browser-use)의 DOM 처리 방식과 프롬프트 설계를 기반으로 발전시켰다. 핵심 기술은 ‘DOM 탈수화(DOM dehydration)’로 불리는 압축 기법이다. 명령이 들어오면 에이전트는 페이지의 문서객체모델을 스캔해 버튼·링크·입력창 등 상호작용 가능한 모든 요소를 식별하고, 각 요소에 인덱스와 역할, 라벨을 부여한다. 이렇게 정리된 정보는 불필요한 마크업을 제거한 ‘FlatDomTree’라는 압축된 텍스트 지도로 변환돼 모델에 전달되며, 모델은 픽셀이 아닌 이 구조화된 텍스트를 읽고 판단한다.
페이지 에이전트는 특정 모델에 종속되지 않고 오픈AI 호환 API를 지원하는 어떤 대형언어모델(LLM)과도 연동할 수 있도록 설계됐다. 텍스트만 모델에 전달되므로 별도의 멀티모달 모델 없이도 강력한 텍스트 모델만으로 충분히 동작한다는 설명이다. 개발자는 스크립트 태그 한 줄이나 npm 패키지 설치만으로 제품에 코파일럿 기능을 추가할 수 있으며, 어떤 행동이 허용되는지 지정하는 작업 허용목록과 비밀번호 등 민감 정보를 모델에 노출하지 않는 데이터 마스킹 기능도 제공한다. 다만 프롬프트에 기반한 안전장치는 절대적인 보장이 아니므로, 결제처럼 위험도가 높은 작업에는 서버 측 검증을 함께 둬야 한다고 개발팀은 권고했다.
페이지 에이전트는 자사가 직접 통제하는 애플리케이션 내부의 코파일럿이나 양식 자동 입력 등에 적합한 반면, 외부 사이트나 접근이 제한된 환경에서는 기존 외부 구동형 도구가 여전히 강점을 가진다. 활용 사례로는 사용자를 대신해 절차를 수행하는 서비스형소프트웨어(SaaS) 코파일럿, 복잡한 다단계 양식을 한 문장 명령으로 처리하는 스마트 입력, 웹 음성 API와 결합한 접근성 지원, 별도 API가 없는 레거시 내부 도구에 명령창을 추가하는 현대화 작업 등이 제시됐다. 다만 현재 핵심 라이브러리는 단일 페이지 내 상호작용에 초점이 맞춰져 있어, 여러 탭이나 창을 넘나드는 자동화에는 별도의 크롬 확장 프로그램이 필요하다.
