page-agent

Page Agent 是阿里巴巴开源的、采用MIT许可证的JavaScript库，它将一个GUI代理直接嵌入到网页中。通过一个script标签或npm安装，开发者可以为任何网站提供一个通过文本DOM操作运行的AI代理——无需截图、多模态LLM、无头浏览器、Python或浏览器扩展。 主要功能包括易于集成的页面内操作、支持使用您自己的主流或本地部署的LLM、可选的Chrome扩展用于跨标签页的多页面任务，以及允许外部代理客户端控制浏览器的beta MCP服务器。 文档中的使用案例涵盖了无需后端重写的SaaS AI协作者、将ERP/CRM/管理系统中的多步骤工作流简化为一句话的智能表单填写、通过自然语言或语音命令改善无障碍访问，以及多页面代理场景。 快速启动选项包括一行CDN演示脚本（用于技术评估并使用免费测试LLM）和标准npm包，开发者可以配置自己的模型、baseURL、API密钥和语言，然后调用如agent.execute('点击登录按钮')等方法。该项目使用TypeScript构建，并承认从browser-use项目衍生出的DOM处理组件和提示，欢迎社区贡献（但不接受纯机器人/AI生成的贡献）。