Page Agent：驻留网页的 GUI 代理，多场景轻松集成！

转载于 2026-06-26 08:53:11 发布 · 7 阅读

0 GEO检测

Page Agent：驻留在网页中的 GUI 代理

借助自然语言控制网页界面。🌐 英文 | 中文 🚀 演示 | 📖 文档 | 📢 Hacker News 讨论 | 𝕏 在 X 上关注

[page - agent - demo - 0227.mp4]（未给出链接）

特性

🎯 轻松集成：无需浏览器扩展、Python 或无头浏览器，仅需页面内的 JavaScript 即可，所有操作都在网页内完成。
📖 基于文本的 DOM 操作：无需截图，也不需要多模态大语言模型（LLMs）或特殊权限。
🧠 自带大语言模型：可使用自己的大语言模型。
🐙 可选的 Chrome 扩展：适用于多页面任务，还有一个 MCP 服务器（测试版）可从外部进行控制。

使用场景

SaaS AI 助手：只需几行代码，就能在产品中集成 AI 助手，无需重写后端。
智能表单填写：将原本需要 20 次点击的操作简化为一句话，非常适合 ERP、CRM 和管理系统。
无障碍访问：通过自然语言让任何网页应用都能实现无障碍访问，支持语音命令和屏幕阅读器，零门槛使用。
多页面代理：借助 Chrome 扩展，让你的网页代理能够跨浏览器标签工作。
MCP：允许代理客户端控制你的浏览器。

快速开始

一行代码集成

使用免费的演示大语言模型来尝试 PageAgent 的最快方式：

⚠️ 仅用于技术评估。此演示 CDN 使用免费测试大语言模型 API。使用即表示你同意其使用条款。

全球镜像 URL：https://cdn.jsdelivr.net/npm/page - agent@1.10.0/dist/iife/page - agent.demo.js
中国镜像 URL：https://registry.npmmirror.com/page - agent/1.10.0/files/dist/iife/page - agent.demo.js

可添加 `?autoInit=false` 来加载脚本，而不自动创建演示代理，之后可以使用 `new window.PageAgent(...)` 来实例化它。

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: 'en - US',});await agent.execute('Click the login button');

更多编程式使用方法，请查看 📖 文档。