Repolode
提交项目
alibaba

alibaba/page-agent

一个嵌入网页运行的 JavaScript GUI 智能体，可用自然语言操控页面界面。

在 GitHub 查看官网
Star
29,513
Fork
2,879
未关闭 Issue
112
最近提交
8小时前

这是什么？

Page Agent 是一个运行在网页内部的 JavaScript 库，为页面接入一个 AI 智能体，通过自然语言指令操作页面界面。它不依赖浏览器扩展、Python 运行时或无头浏览器，所有逻辑都以页面内 JavaScript 的形式执行。

智能体基于文本形式的 DOM 进行操作，不需要截图，也不要求多模态大模型。它可以对接主流模型，包括本地部署的模型，既能通过 script 标签引入，也可以通过 npm 安装。

针对跨页面任务，项目提供可选的 Chrome 扩展，并提供处于测试阶段的 MCP Server，让外部智能体客户端控制浏览器。

核心功能

  • 01以页面内 JavaScript 运行，基础使用无需浏览器扩展或后端服务。
  • 02基于文本 DOM 操作，无需截图或多模态模型。
  • 03兼容主流大模型，包括本地部署的模型。
  • 04可选的 Chrome 扩展支持跨页面任务。
  • 05测试版 MCP Server 允许外部智能体客户端控制浏览器。

适用场景

  • 在 SaaS 产品中接入 AI 助手，无需重写后端。
  • 将 ERP、CRM 或后台系统中的多步表单操作简化为一句指令。
  • 让网页应用支持通过自然语言或语音进行操作。

快速上手

  1. 1

    使用演示脚本标签立即试用（仅供评估）

    <script src="https://cdn.jsdelivr.net/npm/page-agent@1.12.4/dist/iife/page-agent.demo.js" crossorigin="anonymous"></script>
  2. 2

    安装 npm 包

    npm install page-agent
  3. 3

    导入 PageAgent，并使用你自己的 LLM API 密钥运行

使用前须知

  • 演示 CDN 使用免费测试 LLM API，仅供技术评估。
  • 使用自有模型需要 LLM API 密钥或本地部署的模型。
  • 它仅在页面内运行，多页面任务需要单独的 Chrome 扩展。

标签

#ai-agents#browser-automation#javascript#typescript#llm#mcp#web#agent#ai

常见问题

page-agent 是什么？
一个嵌入网页运行的 JavaScript GUI 智能体，可用自然语言操控页面界面。 Page Agent 是一个运行在网页内部的 JavaScript 库，为页面接入一个 AI 智能体，通过自然语言指令操作页面界面。它不依赖浏览器扩展、Python 运行时或无头浏览器，所有逻辑都以页面内 JavaScript 的形式执行。
page-agent 可以免费使用吗？用的什么许可证？
page-agent 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
page-agent 还在维护吗？
活跃维护中。page-agent 最近一次提交是在 2026年10月19日。
page-agent 适合用来做什么？
在 SaaS 产品中接入 AI 助手，无需重写后端。 将 ERP、CRM 或后台系统中的多步表单操作简化为一句指令。 让网页应用支持通过自然语言或语音进行操作。
page-agent 怎么安装和运行？
使用演示脚本标签立即试用（仅供评估）: <script src="https://cdn.jsdelivr.net/npm/page-agent@1.12.4/dist/iife/page-agent.demo.js" crossorigin="anonymous"></script> 安装 npm 包: npm install page-agent 导入 PageAgent，并使用你自己的 LLM API 密钥运行
在哪里获取 page-agent？
源代码和安装说明在 GitHub 上：https://github.com/alibaba/page-agent

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目