page-agent
JavaScript 頁面內 GUI 代理。透過自然語言控制網頁介面。
page-agent 是什麼?
JavaScript 頁面內 GUI 代理。透過自然語言控制網頁介面。
page-agent 概覽
這是什麼
Page Agent 是一個 JavaScript 函式庫,能讓任何網頁變成一個自包含的 GUI 代理。它以單一腳本的形式完全在頁面內執行,不需要瀏覽器擴充套件、Python 後端或無頭瀏覽器。開發者只要在網頁中加入此腳本,就能賦予該頁面 AI 能力,使其理解並執行自然語言指令,透過文字方式操作 DOM。它支援大多數主流大型語言模型,包含本機部署的模型,且不依賴截圖或多模態模型。可選的 Chrome 擴充套件與 MCP 伺服器(Beta)能將能力延伸至多頁面任務與外部控制。此專案由 GitHub 上的 Alibaba 組織維護,採用 MIT 授權。
主要功能
- 易於整合:單一 JavaScript 腳本即可加入任何網頁,不需要擴充套件或後端。
- 基於文字的 DOM 操作:直接以文字處理頁面 DOM,無需截圖或特殊權限。
- 自帶 LLM:與大多數主流模型相容,包括本機部署的模型。
- 可選的 Chrome 擴充套件用於多頁面任務:將代理的操作範圍擴展到多個瀏覽器分頁。
- MCP 伺服器(Beta):允許外部代理客戶端控制瀏覽器。
使用情境
- SaaS AI Copilot:在產品中快速嵌入 AI 助手,無需更動後端。
- 智慧表單填寫:將多步驟流程簡化為一句話,適用於 ERP、CRM 與管理系統。
- 無障礙存取:透過自然語言(語音指令、螢幕閱讀器)操控任何網頁應用程式。
- 多頁面代理:利用 Chrome 擴充套件自動化跨分頁任務。
- MCP:讓外部 AI 代理透過 MCP 伺服器控制瀏覽器。
快速開始
單行整合(使用免費測試 LLM 的示範): html NPM 安裝: bash npm install page-agent javascript 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('Click the login button') 更多詳情請見儲存庫 README。
授權與價格
本專案採用 MIT 授權條款,為開放原始碼。未提供價格資訊。
內容整理自該專案公開的 README 與儲存庫資訊。