PageAgent：嵌入网页的页面内 GUI 智能体工具

工具定位

PageAgent 是面向客户端网页增强的智能体脚本：按 README 表述，引入一段页面内 JavaScript，即可让网页具备自己的智能体交互能力。项目明确说明它不用于服务端自动化，并致谢 browser-use 在 DOM 处理与提示词方面的基础工作。

已说明的能力

• 接入方式：无需浏览器扩展、Python 或无头浏览器即可运行基础能力，主要逻辑发生在页面内。
• 文本化 DOM 操作：不使用截图，也不需要多模态模型或额外权限。
• 自带模型：README 称可搭配多数主流模型，包括本地部署的模型，具体支持范围需参考其文档。
• 可选项：Chrome 扩展用于跨多页任务；MCP Server 处于 Beta，用于从外部控制。

README 列举的用途包括在 SaaS 产品中嵌入 AI 副驾驶、智能表单填充、以自然语言提升可访问性，以及借助扩展完成多标签页任务。这些属于项目自述场景，给定文本未提供实测结果或兼容性范围，因此不宜视作已验证承诺。

原文给出的接入方式

• 快速试用：在 HTML 中引入 page-agent@1.12.4 的 dist/iife/page-agent.demo.js，使用其免费测试 LLM API；该方式标注为仅用于技术评估，并需遵守其条款。加载时加 ?autoInit=false 可不自动创建演示智能体，再通过 new window.PageAgent(...) 配合自有模型实例化。
• NPM 方式：npm install page-agent，随后从 page-agent 导入 PageAgent。原文示例以 model、baseURL、apiKey、language 等字段构造实例并调用 agent.execute(...)；这些仅为示例配置，实际参数按文档填写。

限制与注意

• Chrome 扩展与 MCP Server 属可选能力，后者为 Beta；它们与纯页面内脚本的能力边界不同，不应相互等同。
• 来源为 GitHub README，未提供发布日期、性能数据和完整兼容性说明；无法据此判断版本是否为最新动态。
• 贡献规则写明：完全由机器人或 AI 生成、缺少实质人工参与的内容不予接受。
• 许可证为 MIT。