इस प्रोजेक्ट के बारे में

Page Agent एक ओपन-सोर्स, MIT-लाइसेंस वाली JavaScript लाइब्रेरी है जो Alibaba से आती है और एक GUI एजेंट को सीधे वेब पेज के अंदर एम्बेड करती है। एक सिंगल स्क्रिप्ट टैग या npm इंस्टॉल के साथ, डेवलपर किसी भी साइट को एक AI एजेंट दे सकते हैं जो टेक्स्ट-आधारित DOM मैनिपुलेशन के माध्यम से काम करता है—कोई स्क्रीनशॉट, मल्टी-मोडल LLM, हेडलेस ब्राउज़र, Python, या ब्राउज़र एक्सटेंशन की आवश्यकता नहीं है। मुख्य विशेषताओं में आसान इन-पेज इंटीग्रेशन, अपने स्वयं के मेनस्ट्रीम या स्थानीय रूप से तैनात LLM लाने का समर्थन, मल्टी-पेज कार्यों के लिए टैब के बीच में एक वैकल्पिक Chrome एक्सटेंशन, और एक बीटा MCP सर्वर शामिल है जो बाहरी एजेंट क्लाइंट्स को ब्राउज़र को नियंत्रित करने की अनुमति देता है। दस्तावेज में उपयोग के मामले शामिल हैं: SaaS AI copilots जिन्हें बैकएंड रीराइट के बिना शिप किया जा सकता है, स्मार्ट फॉर्म फिलिंग जो ERP/CRM/एडमिन सिस्टम में मल्टी-स्टेप वर्कफ़्लोज़ को एक वाक्य में कम करती है, प्राकृतिक भाषा या वॉयस कमांड के माध्यम से एक्सेसिबिलिटी में सुधार, और मल्टी-पेज एजेंट परिदृश्य। त्वरित शुरुआत के विकल्प में एक लाइन CDN डेमो स्क्रिप्ट (तकनीकी मूल्यांकन के लिए एक मुफ्त टेस्टिंग LLM के साथ) और एक मानक npm पैकेज शामिल है जहां डेवलपर अपने मॉडल, baseURL, API कुंजी, और भाषा को कॉन्फ़िगर करते हैं, फिर methods जैसे agent.execute('Click the login button') को कॉल करते हैं। यह प्रोजेक्ट TypeScript में बनाया गया है, DOM प्रोसेसिंग कंपोनेंट्स और प्रॉम्प्ट्स के लिए browser-use प्रोजेक्ट से व्युत्पन्न होने की मान्यता देता है, और समुदाय के योगदान का स्वागत करता है (हालांकि केवल बॉट/AI-जनित योगदान स्वीकार नहीं किए जाते हैं)।