প্রকল্প সম্পর্কে

Page Agent হল আলিবাবা থেকে প্রকাশিত একটি ওপেন-সোর্স, MIT লাইসেন্সকৃত জাভাস্ক্রিপ্ট লাইব্রেরি, যা একটি GUI এজেন্টকে সরাসরি ওয়েব পেজের মধ্যে এমবেড করে। একক স্ক্রিপ্ট ট্যাগ বা npm ইনস্টলেশনের মাধ্যমে, ডেভেলপাররা যেকোনো সাইটে একটি AI এজেন্ট যোগ করতে পারেন, যা টেক্সট-ভিত্তিক DOM ম্যানিপুলেশন ব্যবহার করে কাজ করে—স্ক্রিনশট, মাল্টি-মোডাল LLM, হেডলেস ব্রাউজার, পাইথন বা ব্রাউজার এক্সটেনশনের প্রয়োজন নেই। মূল বৈশিষ্ট্যগুলোর মধ্যে রয়েছে সহজ ইন-পেজ ইন্টিগ্রেশন, আপনার নিজস্ব প্রধানধারার বা লোকালি ডিপ্লয় করা LLM ব্যবহার করার সমর্থন, ট্যাব জুড়ে বহু-পৃষ্ঠার কাজের জন্য ঐচ্ছিক Chrome এক্সটেনশন, এবং একটি বিটা MCP Server যা বাহ্যিক এজেন্ট ক্লায়েন্টকে ব্রাউজার নিয়ন্ত্রণের সুযোগ দেয়। ডকুমেন্টেড ব্যবহারিক ক্ষেত্রে রয়েছে SaaS AI কো-পাইলট যা ব্যাকএন্ড পুনর্লিখন ছাড়াই শিপ করা যায়, স্মার্ট ফর্ম পূরণ যা ERP/CRM/অ্যাডমিন সিস্টেমের বহু-ধাপের ওয়ার্কফ্লোকে এক বাক্যে কমিয়ে দেয়, প্রাকৃতিক ভাষা বা ভয়েস কমান্ডের মাধ্যমে অ্যাক্সেসিবিলিটি উন্নতি, এবং বহু-পৃষ্ঠার এজেন্ট দৃশ্যপট। দ্রুত শুরু করার বিকল্পগুলোর মধ্যে রয়েছে এক-লাইন CDN ডেমো স্ক্রিপ্ট (একটি ফ্রি টেস্টিং LLM দিয়ে প্রযুক্তিগত মূল্যায়নের জন্য) এবং একটি স্ট্যান্ডার্ড npm প্যাকেজ, যেখানে ডেভেলপাররা নিজেদের মডেল, baseURL, API কী এবং ভাষা কনফিগার করে, তারপর agent.execute('Click the login button') এর মতো মেথড কল করতে পারে। প্রকল্পটি TypeScript-এ তৈরি, browser-use প্রকল্প থেকে DOM প্রক্রিয়াকরণ কম্পোনেন্ট এবং প্রম্পটের উদ্ভব স্বীকার করে, এবং কমিউনিটি কন্ট্রিবিউশনকে স্বাগত জানায় (কিন্তু সম্পূর্ণ বট/AI-উৎপন্ন কন্ট্রিবিউশন গ্রহণ করা হয় না)।