page-agent

Page Agent é uma biblioteca JavaScript de código aberto e licenciada sob MIT, desenvolvida pela Alibaba, que incorpora um agente GUI diretamente em uma página da web. Com uma única tag de script ou instalação via npm, os desenvolvedores podem fornecer a qualquer site um agente de IA que opera por meio de manipulação de DOM baseada em texto — sem necessidade de capturas de tela, LLMs multimodais, navegador headless, Python ou extensão de navegador. Os recursos principais incluem integração fácil na página, suporte para trazer seus próprios LLMs convencionais ou implantados localmente, uma extensão opcional do Chrome para tarefas em várias páginas entre abas, e um servidor MCP beta que permite que clientes de agentes externos controlem o navegador. Os casos de uso documentados abrangem copilotos de IA para SaaS que podem ser enviados sem reescrever o backend, preenchimento inteligente de formulários para reduzir fluxos de trabalho de várias etapas em sistemas ERP/CRM/admin para uma única frase, melhorias de acessibilidade por meio de comandos de linguagem natural ou voz, e cenários de agentes em várias páginas. As opções de início rápido incluem um script de demonstração CDN de uma linha (para avaliação técnica com um LLM de teste gratuito) e um pacote npm padrão onde os desenvolvedores configuram seu próprio modelo, baseURL, chave de API e idioma, e então chamam métodos como agent.execute('Clique no botão de login'). O projeto é construído em TypeScript, reconhece a derivação de componentes de processamento de DOM e prompts do projeto browser-use, e acolhe contribuições da comunidade (embora contribuições geradas exclusivamente por bots/IA não sejam aceitas).