alibaba/page-agent
JavaScript in-page GUI agent. Control web interfaces with natural language.
해결하는 문제
Page Agent는 단일 스크립트를 사용하여 웹 페이지에 AI 에이전트를 직접 임베딩하는 방법을 제공합니다. 이를 통해 단순한 페이지 내 상호작용을 위해 복잡한 서버 측 자동화, 헤드리스 브라우저 또는 브라우저 확장 프로그램이 필요하지 않게 되어, 개발자가 웹 페이지를 대화형 AI 기반 인터페이스로 전환할 수 있도록 합니다.
작동 원리
스크린샷과 멀티모달 LLM에 의존하는 많은 웹 에이전트와 달리, Page Agent는 텍스트 기반 DOM 조작을 사용합니다. 페이지 내 JavaScript로 실행되어 자연어 명령을 기반으로 웹 페이지에서 작업을 수행합니다. 로컬에 배포된 모델을 포함하여 대부분의 주요 LLM과 호환되며, 여러 페이지에 걸친 작업의 경우 선택 사항인 Chrome 확장 프로그램을 통해 확장할 수 있습니다.
대상 사용자
- SaaS 개발자: 백엔드를 다시 작성하지 않고 제품에 AI 코파일럿을 추가하려는 개발자.
- ERP, CRM 및 관리 시스템 관리자: 복잡한 멀티 클릭 워크플로우(예: 스마트 양식 채우기)를 자동화하려는 관리자.
- 접근성 전문가: 자연어 및 음성 명령을 통해 웹 앱의 접근성을 높이려는 전문가.
- 개발자: MCP 서버를 통해 브라우저를 제어해야 하는 브라우저 기반 에이전트를 구축하는 개발자.
주요 특징
- 쉬운 통합: 단일 스크립트 태그 또는 NPM 패키지를 통해 통합 가능.
- 텍스트 기반 상호작용: DOM에서 직접 작동하여 멀티모달 LLM이나 특별한 권한이 필요 없음.
- LLM에 종속되지 않음: 다양한 주요 LLM 및 로컬 LLM 지원.
- 확장 기능 지원: 멀티 페이지 작업을 위한 선택적 Chrome 확장 프로그램 및 외부 제어를 위한 MCP 서버 제공.