alibaba/page-agent

项目概览

它绕过了多模态大模型与无头浏览器依赖，仅使用基于文本的 DOM 处理在网页内直接实现自然语言驱动的交互。

项目类型

MCP · AI Agent

应用场景

自动化执行

部署方式

查看项目说明

License

MIT

适合谁

• 需要在网页内直接实现自然语言交互界面且不希望依赖浏览器扩展或无头浏览器的开发者。

核心能力

• 使用 JavaScript 将 GUI 代理直接嵌入网页，通过自然语言控制网页界面。
• 通过基于文本的 DOM 处理方式与网页进行交互，不依赖截图或多模态大模型。
• 提供一个可选的 Model Context Protocol (MCP) 服务器（Beta），用于从外部客户端控制代理。
• 提供一个可选的 Chrome 扩展程序，用于在浏览器标签页间实现跨多页面的任务自动化。

限制与风险

• 在不使用可选 Chrome 扩展程序的情况下，该代理的功能仅限于在单个页面内操作。
• 提供的免费 Demo LLM CDN 仅用于技术评估目的，可能附带使用条款限制。

如何开始

• 开发者可通过 NPM 安装或使用 CDN 脚本标签进行引入，随后导入 PageAgent 并结合配置的 LLM 凭证进行实例化即可开始使用。

核验依据

• GitHub 项目简介: JavaScript in-page GUI agent. Control web interfaces with natural language.
• README: - **🎯 Easy integration** - No need for `browser extension` / `python` / `headless browser`. - Just in-page javascript. Everything happens in your web page. - **📖 Text-based DOM ma…
• README: SaaS AI Copilot — Ship an AI copilot in your product in lines of code. No backend rewrite.
• README: import { PageAgent } from 'page-agent' const agent = new PageAgent({ model: 'qwen3.5-plus',
• README: Fastest way to try PageAgent with our free Demo LLM:

内容核验时间：