PageAgent：Ollamaサポートを備えたWebページ内で動作するブラウザAIエージェント

PageAgentの機能

PageAgentは、PlaywrightやSeleniumのようにブラウザ外部から制御するほとんどのフレームワークとは異なり、Webページ自体の中でJavaScriptライブラリとして実行されるブラウザAIエージェントフレームワークです。

主な技術的特徴

エージェントはライブDOMをテキストとして読み取るため、スクリーンショットや視覚モデルが不要となり、より高速でトークン効率が良くなります。

Ollamaを含むあらゆるOpenAI互換エンドポイントで動作します。ローカルモデルと組み合わせることで、バックエンドやクラウドを必要とせず、すべてがユーザーのマシン上で完結します。LLM呼び出しはブラウザからlocalhostに直接行われます。

コード例

const agent = new PageAgent({ 
  model: 'qwen3.5:27b', 
  baseURL: 'http://localhost:11434/v1', 
})
await agent.execute('先週の金曜日の経費報告書を記入してください')

追加機能

• エージェントの思考過程を確認し、いつでも停止・修正できるヒューマン・イン・ザ・ループパネル
• マルチタブタスク用のオプショナルブラウザ拡張機能
• MITライセンス

プロジェクトはGitHubのalibaba/page-agentで公開されています。