AI Feeds
开源项目

page-agent

page-agent

JavaScript 实现的页面内 GUI Agent，无需浏览器扩展或后端，直接通过自然语言操控网页界面。核心亮点是基于文本的 DOM 操作，不依赖多模态模型，集成简单（一行 CDN 或 npm），支持自有 LLM，可轻松为 SaaS 产品添加 AI Copilot，也支持多标签页的 Chrome 扩展。适合需要快速为现有系统增加自然语言交互能力的开发者。

README

Page Agent

Page Agent 横幅

License: MIT TypeScript Bundle Size Downloads GitHub stars

GUI Agent 驻留在你的网页中。用自然语言操控网页界面。

🌐 English | 中文

🚀 演示 | 📖 文档 | 📢 HN 讨论 | 𝕏 关注 X

https://github.com/user-attachments/assets/a1f2eae2-13fb-4aae-98cf-a3fc1620a6c2

✨ 特性

  • 🎯 轻松集成
    • 无需浏览器扩展（browser extension）/ Python / 无头浏览器（headless browser）。
    • 仅需页面内嵌 JavaScript。所有操作都在你的网页中完成。
  • 📖 基于文本的 DOM 操控
    • 无需截图。无需多模态大模型（multi-modal LLMs）或特殊权限。
  • 🧠 自带大模型（Bring your own LLMs）
  • 🐙 可选的多页面 Chrome 扩展 → Chrome 扩展

💡 使用场景

  • SaaS AI 助手（Copilot） — 几行代码即可在产品中注入 AI 助手，无需重写后端。
  • 智能表单填写 — 将 20 步操作转化为一句话。完美适用于 ERP、CRM 和管理系统。
  • 无障碍访问（Accessibility） — 通过自然语言让任何 web 应用可访问。语音指令、屏幕阅读器，零障碍。
  • 多页面 Agent —— 借助 Chrome 扩展 让你的 web agent 跨浏览器标签页执行任务。
  • MCP —— 允许你的 agent 客户端控制浏览器。

🚀 快速开始

一行集成

使用我们的免费 Demo LLM 快速体验 PageAgent：

<script src="{URL}" crossorigin="true"></script>

⚠️ 仅用于技术评估。 此演示 CDN 使用我们的免费测试 LLM API。使用即表示你同意其条款。

镜像源 URL
全球 https://cdn.jsdelivr.net/npm/page-agent@1.10.0/dist/iife/page-agent.demo.js
中国 https://registry.npmmirror.com/page-agent/1.10.0/files/dist/iife/page-agent.demo.js

若想加载脚本但不自动创建演示 agent，可添加 ?autoInit=false。然后通过 new window.PageAgent(...) 自行实例化。

NPM 安装

npm install page-agent

import { PageAgent } from 'page-agent'

const agent = new PageAgent({
    model: 'qwen3.5-plus',
    baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
    apiKey: 'YOUR_API_KEY',
    language: 'en-US',
})

await agent.execute('点击登录按钮')

更多编程用法参见 📖 文档。

🌟 精彩 Page Agent 项目

用 PageAgent 做出了什么酷东西？将它添加到这里！提交 PR 来分享你的项目。

这些是社区项目 —— 并非由我们维护或背书。请自行判断使用。

项目 描述
你的？ 提交 PR 🙌

🤝 贡献

我们欢迎社区贡献！请参阅 CONTRIBUTING.md 了解指南，以及 docs/developer-guide.md 了解本地开发工作流。

请阅读维护者说明了解原则和当前状态。

完全由机器人或 AI 生成且缺乏实质性人类参与的贡献将不会被接受。

⚖️ 许可证

MIT 许可证

👏 致谢

本项目建立在 browser-use 的优秀工作之上。

PageAgent 设计用于客户端 Web 增强，而非服务端自动化。

DOM 处理组件和 prompt 来源于 browser-use：

Browser Use <https://github.com/browser-use/browser-use>
Copyright (c) 2024 Gregor Zunic
Licensed under the MIT License

我们衷心感谢 browser-use 项目及其贡献者在 web 自动化和 DOM 交互模式方面所做的出色工作，正是这些工作使本项目成为可能。

⭐ 如果你觉得 PageAgent 有用，请给仓库点个 Star！

开源项目alibaba2026-06-25原文

相关内容