alibaba/page-agent

JavaScript in-page GUI agent. Control web interfaces with natural language.

解決的問題

Page Agent 提供了一種使用單一指令碼將 AI 代理直接嵌入到網頁中的方法。它消除了為了簡單的頁面內互動而需要複雜的伺服器端自動化、無頭瀏覽器或瀏覽器擴充功能的需求，讓開發人員能夠將網頁轉換為互動式的 AI 驅動介面。

工作原理

與許多依賴螢幕截圖和多模態 LLM 的 Web 代理不同，Page Agent 使用基於文本的 DOM 操作。它作為頁面內的 JavaScript 執行，根據自然語言指令在網頁上執行操作。它與大多數主流 LLM（包括本地部署的模型）相容，並可以透過選用的 Chrome 擴充功能進行擴充，以處理跨多個頁面的任務。

適用對象

  • SaaS 開發人員：希望在不重寫後端的情況下，為其產品添加 AI 助手（copilot）。
  • ERP、CRM 和管理系統的管理員：希望實現複雜的多點擊工作流（例如智慧表單填寫）自動化。
  • 無障礙專家：旨在透過自然語言和語音指令提高 Web 應用程式的可存取性。
  • 開發人員：正在構建需要透過 MCP 伺服器控制瀏覽器的瀏覽器型代理。