page-agent: 一个可在网页内实现自然语言交互和自动化的客户端 GUI 代理

它解决了什么问题

Page Agent 允许开发者直接在网页中轻松添加 AI 代理，而无需进行后端重写、使用无头浏览器或复杂的 Python 设置。它简化了创建 AI copilot、自动化重复的表单填写任务以及通过自然语言命令提高网页可访问性的过程。

工作原理

它作为一个完全在网页内运行的 JavaScript 库运行。它不依赖于截图或多模态 LLM，而是使用基于文本的 DOM 操作来与页面进行交互。用户可以通过单个 script 标签或 NPM 包进行集成，并通过 API 连接到他们首选的 LLM（包括本地模型）。

适用人群

它专为希望将 AI 驱动的助手集成到其 SaaS 产品中的 Web 开发者、寻求自动化 ERP 或 CRM 工作流的管理人员，以及专注于提高 Web 应用可访问性的开发者而设计。

亮点

• 零基础设施设置：通过页面内的 JavaScript 工作，无需浏览器扩展或 Python。
• 基于文本的交互：直接操作 DOM，消除了对多模态模型或特殊权限的需求。
• LLM 无关性：兼容大多数主流和本地部署的 LLM。
• 扩展能力：为跨页面的任务提供可选的 Chrome 扩展，并为外部控制提供 MCP Server。