Page Agent

纯 JS 实现的 GUI agent。使用自然语言操作你的 Web 应用。无须后端、客户端、浏览器插件。

🌐 English | 中文

👉 🚀 Demo | 📖 Documentation

✨ Features

🎯 轻松集成
- 无需 浏览器插件 / Python / 无头浏览器。
- 纯页面内 JavaScript，一切都在你的网页中完成。
- The best tool for your agent to control web pages.
📖 基于文本的 DOM 操作
- 无需截图，无需 OCR 或多模态模型。
- 无需特殊权限。
🧠 用你自己的 LLM
🎨 精美 UI，支持人机协同
🐙 可选的 Chrome 扩展，支持跨页面任务。

💡 应用场景

SaaS AI 副驾驶 — 几行代码为你的产品加上 AI 副驾驶，不需要重写后端。
智能表单填写 — 把 20 次点击变成一句话。ERP、CRM、管理后台的最佳拍档。
无障碍增强 — 用自然语言让任何网页无障碍。语音指令、屏幕阅读器，零门槛。
跨页面 Agent — 通过可选的 Chrome 扩展，让你的 Agent 跨标签页工作。

🚀 快速开始

一行代码集成

通过我们免费的 Demo LLM 快速体验 PageAgent：

<script src="{URL}" crossorigin="true"></script>

Mirrors	URL
Global	https://cdn.jsdelivr.net/npm/page-agent@1.4.2/dist/iife/page-agent.demo.js
China	https://registry.npmmirror.com/page-agent/1.4.2/files/dist/iife/page-agent.demo.js

⚠️ 仅用于技术评估。 该 Demo CDN 使用了免费的测试 LLM API，使用即表示您同意其条款。

NPM 安装

npm install page-agent

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: 'zh-CN',
})

await agent.execute('点击登录按钮')

更多编程用法，请参阅 📖 文档。

🤝 贡献

欢迎社区贡献！请参阅 CONTRIBUTING.md 了解环境配置和本地开发说明。

请在贡献前阅读行为准则。

👏 致谢

本项目基于 browser-use 的优秀工作构建。

PageAgent 专为客户端网页增强设计，不是服务端自动化工具。

DOM processing components and prompt are derived from browser-use:

Browser Use
Copyright (c) 2024 Gregor Zunic
Licensed under the MIT License

Original browser-use project: <https://github.com/browser-use/browser-use>

We gratefully acknowledge the browser-use project and its contributors for their
excellent work on web automation and DOM interaction patterns that helped make
this project possible.

Third-party dependencies and their licenses can be found in the package.json
file and in the node_modules directory after installation.

📄 许可证

MIT License

⭐ 如果觉得 PageAgent 有用或有趣，请给项目点个星！

4.7 KiB Raw Blame History Unescape Escape