星标数：29677★ Fork数：2639 《page-agent：页面内的自然语言网页GUI智能体》

Page Agent 是一个 JavaScript 编写的页面内 GUI 智能体（GUI Agent），它驻留在你的网页中，让任意网页都拥有属于自己的 AI 智能体。你只需要引入一行脚本，就能用自然语言控制网页界面。

它的核心思路是基于文本的 DOM 操作：不需要截图，也不需要多模态大模型或特殊权限，一切都直接发生在你的网页内。集成过程非常轻量，无需浏览器扩展、Python 或无头浏览器，仅凭页面内的 JavaScript 即可完成。

Page Agent 支持自带大模型（Bring your own LLM），可与大多数主流模型配合使用，包括本地部署的模型。此外还提供可选的 Chrome 扩展以支持跨页面任务，以及一个 MCP Server（Beta），让你可以从外部控制它。

主要特点

• 易于集成：无需浏览器扩展、Python 或无头浏览器，只需页面内 JavaScript，所有逻辑都在你的网页中运行。
• 基于文本的 DOM 操作：不需要截图，不需要多模态大模型，也不需要特殊权限。
• 自带大模型：兼容大多数主流模型，包括本地部署的模型。
• 可选 Chrome 扩展：用于执行多页面任务，并提供 MCP Server（Beta）以便从外部控制。

快速开始

一行脚本即可集成，使用免费的 Demo LLM 快速试用：

<script
    src="https://cdn.jsdelivr.net/npm/page-agent@1.12.4/dist/iife/page-agent.demo.js"
    crossorigin="anonymous"
></script>

<!-- 无法访问 jsDelivr 时可使用国内 CDN 镜像 -->
<!-- https://registry.npmmirror.com/page-agent/1.12.4/files/dist/iife/page-agent.demo.js -->

注意：该 Demo CDN 仅用于技术评估。若想加载脚本但不自动创建 demo 智能体，可添加 ?autoInit=false，随后使用 new window.PageAgent(...) 配合自己的大模型进行实例化。

也可以通过 NPM 安装：

npm install page-agent

并这样使用：

import { PageAgent } from 'page-agent'

const agent = new PageAgent({
    model: 'qwen3.5-plus',
    baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
    apiKey: 'YOUR_API_KEY',
    language: 'en-US',
})

await agent.execute('Click the login button')

📊 本项目 GitHub 星标数：29677。最后更新：2026-09-06，发布：2026-09-06。项目地址：https://github.com/alibaba/page-agent