page-agent

用大白话指挥网页干活,省去写脚本的麻烦。

开源 🏷️完全免费 ✅ 目前可打开 智能体 🍴 复刻 2642 🐛 待处理 120 👀 关注 106
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 29649
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,免费使用,无付费版本。

项目预览

page-agent 项目界面预览图
图片来源:项目官网

项目数据

分类智能体
开发团队alibaba
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,免费使用,无付费版本。
访问状态✅ 目前可打开
是否开源是
开源协议MIT
主要语言TypeScript
技术栈/模型agent,ai,ai-agents,browser-automation,javascript,mcp,typescript,web
GitHub 星标★ 29649
上线时间2025-09-23 00:00:00
代码更新2026-11-04
仓库体积3.7 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数7

项目介绍

page-agent 是一个运行在浏览器页面内的 JavaScript GUI 智能体,允许用户通过自然语言指令直接控制网页界面。它解决了传统浏览器自动化需要编写复杂脚本的问题,让非技术人员也能轻松操作网页。其核心能力包括:理解自然语言并将其转化为具体的页面操作,如点击、输入、滚动等;支持多步骤任务规划与执行;提供实时可视化反馈,展示智能体的思考与操作过程。项目基于 TypeScript 开发,采用模块化架构,支持通过 MCP(模型上下文协议)集成多种大语言模型,并提供了丰富的 API 供开发者二次开发。它适用于网页自动化测试、数据采集、辅助办公等场景,能显著提升网页操作效率。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 29649

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 3 步

环境要求

  • Node.js 与 npm 环境(用于 npm install)
  • 支持 import 与 await 的现代浏览器页面环境
  • 可访问的大模型服务 API Key(如 DashScope 兼容模式)

安装与启动步骤

  1. 1安装 page-agent 依赖

    在项目目录执行 npm 安装,把 page-agent 作为依赖引入你的前端工程。

    npm install page-agent
  2. 2初始化 PageAgent 实例

    在页面脚本中导入 PageAgent,填入模型名、baseURL、apiKey 与语言,YOUR_API_KEY 需换成你自己的密钥。

    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',
    })
  3. 3执行自然语言指令

    调用 agent.execute 传入自然语言任务,智能体会在页面内自动完成点击等操作,可 await 等待结果。

    await agent.execute('Click the login button')

关键配置

配置项必填说明示例
model是指定所用大语言模型名称qwen3.5-plus
baseURL是模型服务的兼容接口地址https://dashscope.aliyuncs.com/compatible-mode/v1
apiKey是调用模型所需的 API 密钥YOUR_API_KEY
language否智能体交互使用的语言en-US

如何确认成功

页面脚本成功执行 agent.execute 并完成指定操作(如点击登录按钮),无报错即接入成功。

常见问题

Q:需要安装 Python 或无头浏览器吗?

A:不需要。README 明确说明无需 browser extension、python 或 headless browser,全部逻辑都在页面内的 JavaScript 中完成。

Q:需要多模态模型或截图吗?

A:不需要。它采用基于文本的 DOM 操作方式,不依赖截图,也不需要多模态大模型或特殊权限。

Q:可以使用本地部署的模型吗?

A:可以。README 说明支持大多数主流模型,包括本地部署的模型,具体支持列表见官方文档 supported models。

Q:必须安装 Chrome 扩展吗?

A:不必须。Chrome 扩展在 README 中标注为可选(optional),核心用法是通过 npm 安装后在页面内直接调用。

注意事项

  • apiKey 属于敏感信息,示例中的 YOUR_API_KEY 必须替换为你自己的密钥,避免泄露到公开代码库
  • README 为英文文档,中文文档位于 docs/README-zh.md,更多编程式用法见官网文档
  • page-agent 运行在网页内部,需要你的页面环境允许加载并执行该 JavaScript

核心亮点

  • 自然语言直接操控网页,无需编写复杂选择器或脚本,上手门槛极低。
  • 内置任务规划与执行引擎,能自动分解多步指令并逐步完成,如'填写表单并提交'。
  • 可视化操作过程,实时高亮当前操作元素并展示思考链,便于调试和信任。

不足之处

  • 依赖大语言模型 API,每次调用有成本且需要网络,离线场景不可用。
  • 对复杂动态页面(如大量 iframe 或 shadow DOM)的兼容性可能不稳定,需持续优化。

适用场景

  • 自动化测试:用自然语言编写测试用例,快速验证网页功能。
  • 数据录入:自动填写重复性表单,如批量注册或信息提交。
  • 网页数据采集:通过对话指令提取页面结构化数据,无需写爬虫。

替代项目

Playwright MCP、Browser-use、Skyvern

上一篇:steel-browser

下一篇:skills

同类项目推荐

dsh-antibrow 开源

给 AI Agent 一个不被识破、身份能长期存活的浏览器

DeepSeek Harness plugin: give your agent a browser with a persistent identity - engi···

★ 12 2026-09-15
awesome-n8n-templates 开源

280+现成n8n模板,复制即用,自动化秒上手

280+ free n8n automation templates — ready-to-use workflows for Gmail, Telegram, Sl···

★ 26328 2026-08-09
OpenTrade 开源

让 AI 代理安全地自动执行交易,带护栏不翻车

The open-source trading harness for Claude Code / Codex agents.

★ 247 2026-08-19
llm-pid-tuner 开源

用大模型自动迭代 PID 参数,省去手动试凑

基于 LLM 的极简 PID 自动调参系统 (CLI 版)

★ 909 2026-09-16
robotframework 开源

用表格写自动化,测试和 RPA 一把抓

Generic automation framework for acceptance testing and RPA

★ 11981 2026-08-10
PaiAgent 开源

用 Java 拖出一条 AI 工作流,跑通就上线

轻量级的AI工作流编排系统,类似dify、n8n,全程使用Vibe Coding,AI工具为Qoder+CLI。涉及···

★ 715 2026-09-20
reader 开源

把任意网页变成干净 Markdown,直接喂给 AI 智能体

Open source web infrastructure for AI. Scrape, crawl, and automate the web, clean ma···

★ 562 2026-09-16
BrowserSkill 开源

让 AI 直接操作你已登录的真实浏览器,不打断当前工作

Let AI agents use your real, logged-in browser without interrupting your work. CLI +···

★ 10173 2026-09-12
patchwork 开源

把 AI Agent 接进研发流程,自动跑代码审查和运维

Agentic AI framework for enterprise workflow automation.

★ 1580 2026-09-17