page-agent

Page Agent est une bibliothèque JavaScript open-source sous licence MIT, développée par Alibaba, qui intègre directement un agent graphique (GUI) au sein d'une page web. Grâce à une simple balise de script ou une installation via npm, les développeurs peuvent doter n'importe quel site d'un agent IA opérant par manipulation du DOM basée sur le texte. Cette approche élimine le besoin de captures d'écran, de LLM multimodaux, de navigateurs sans interface (headless), de Python ou d'extensions de navigateur. Les fonctionnalités clés incluent une intégration facile dans la page, la prise en charge de l'utilisation de vos propres LLM grand public ou déployés localement, une extension Chrome optionnelle pour les tâches multipages across les onglets, et un serveur MCP en version bêta permettant à des clients agents externes de contrôler le navigateur. Les cas d'usage documentés couvrent les copilotes IA pour SaaS qui peuvent être livrés sans réécriture du backend, le remplissage intelligent de formulaires pour réduire les workflows multi-étapes dans les systèmes ERP/CRM/admin à une seule phrase, l'amélioration de l'accessibilité via des commandes en langage naturel ou vocales, ainsi que des scénarios d'agents multipages. Les options de démarrage rapide comprennent un script de démonstration CDN en une ligne (pour l'évaluation technique avec un LLM de test gratuit) et un package npm standard où les développeurs configurent leur propre modèle, baseURL, clé API et langue, puis appellent des méthodes telles que agent.execute('Cliquez sur le bouton de connexion'). Le projet est construit en TypeScript, reconnaît la dérivation des composants de traitement du DOM et des invites du projet browser-use, et accueille les contributions de la communauté (bien que les contributions purement générées par des bots ou l'IA ne soient pas acceptées).