🔥 alibaba/page-agent：用自然语言驱动网页操作的页面内 GUI Agent

驻留在你网页中的 GUI Agent。用自然语言控制网页界面。

🌐 English | 中文

🚀 Demo | 📖 文档 | 📢 HN 讨论 | 𝕏 在 X 上关注

视频/嵌入内容：Page Agent Demo 演示

• 🎯 轻松集成

  • 无需 浏览器扩展 / Python / 无头浏览器。
  • 仅需页面内 JavaScript。一切都在你的网页中发生。

• 📖 基于文本的 DOM 操作

  • 无需截图。无需多模态大模型或特殊权限。

• 🧠 自带大模型（LLM）

• 🐙 可选Chrome 扩展 用于多页面任务。

• SaaS AI 副驾驶 — 用几行代码为你的产品提供 AI 副驾驶。无需重写后端。

• 智能表单填充 — 将 20 步点击流程变成一句话。完美适用于 ERP、CRM 及后台管理系统。

• 无障碍访问 — 通过自然语言让任何 web 应用都具备可访问性。语音指令、屏幕阅读器，零障碍。

• 多页面 Agent — 借助 Chrome 扩展，将你自己的 web agent 能力扩展到跨浏览器标签页。

• MCP — 允许你的 agent 客户端控制你的浏览器。

使用我们免费的 Demo 大模型，最快体验 PageAgent：

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

⚠️ 仅供技术评估使用。 此 Demo CDN 使用我们免费的 测试用 LLM API。使用即表示你同意其条款。

添加 ?autoInit=false 可以在加载脚本时不自动创建 demo agent。之后你可以通过 new window.PageAgent(...) 实例化它。

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('点击登录按钮')

更多编程方式使用说明，请参见 📖 文档。

用 PageAgent 构建了很酷的项目？添加到这里！提交 PR 来分享你的项目。

这些是社区项目——并非由我们维护或背书。请自行判断使用。

我们欢迎社区贡献！请参见 CONTRIBUTING.md 了解贡献指南，以及 docs/developer-guide.md 了解本地开发工作流。

请阅读 维护者说明 了解相关原则与当前状态。

完全由 机器人或 AI 生成、没有大量人工参与的贡献将 不会被接受。

MIT 许可证

本项目基于 browser-use 的优秀工作构建。

PageAgent 专为 客户端 web 增强 而设计，而非服务器端自动化。

DOM 处理组件和提示词源自 browser-use：

Browser Use <https://github.com/browser-use/browser-use>
Copyright (c) 2024 Gregor Zunic
基于 MIT 许可证授权

我们衷心感谢 browser-use 项目及其贡献者在 web 自动化与 DOM 交互模式方面的卓越工作，
使本项目得以可能。

⭐ 如果你觉得 PageAgent 好用，请给这个仓库点星！

The GUI Agent Living in Your Webpage. Control web interfaces with natural language.

🌐 English | 中文

🚀 Demo | 📖 Docs | 📢 HN Discussion | 𝕏 Follow on X

page-agent-demo-0227.mp4

• 🎯 Easy integration

  • No need for browser extension / python / headless browser.
  • Just in-page javascript. Everything happens in your web page.

• 📖 Text-based DOM manipulation

  • No screenshots. No multi-modal LLMs or special permissions needed.

• 🧠 Bring your own LLMs

• 🐙 Optionalchrome extension for multi-page tasks.

• SaaS AI Copilot — Ship an AI copilot in your product in lines of code. No backend rewrite.

• Smart Form Filling — Turn 20-click workflows into one sentence. Perfect for ERP, CRM, and admin systems.

• Accessibility — Make any web app accessible through natural language. Voice commands, screen readers, zero barrier.

• Multi-page Agent — Extend your own web agent's reach across browser tabs chrome extension.

• MCP - Allow your agent clients to control your browser.

Fastest way to try PageAgent with our free Demo LLM:

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

⚠️ For technical evaluation only. This demo CDN uses our free testing LLM API. By using it, you agree to its terms.

Add ?autoInit=false to load the script without creating the demo agent automatically. You can then instantiate it with new window.PageAgent(...).

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')

For more programmatic usage, see 📖 Documentations.

Built something cool with PageAgent? Add it here! Open a PR to share your project.

These are community projects — not maintained or endorsed by us. Use at your own discretion.

We welcome contributions from the community! See CONTRIBUTING.md for guidelines and docs/developer-guide.md for local development workflows.

Please read the maintainer's note on principles and current state.

Contributions generated entirely by bots or AI without substantial human involvement will not be accepted.

MIT License

This project builds upon the excellent work of browser-use.

PageAgent is designed for client-side web enhancement , not server-side automation.

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

Browser Use <https://github.com/browser-use/browser-use>
Copyright (c) 2024 Gregor Zunic
Licensed under the MIT License

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.

⭐ Star this repo if you find PageAgent helpful!