WebyAgent

住在你网页里的 GUI Agent —— 用自然语言驱动 AI 直接操作当前页面的 DOM（点击、输入、滚动、选择等），无需浏览器插件、无需无头浏览器、无需多模态大模型，一切发生在页面内的 JavaScript 里。

✨ Features

• ** 轻松集成**
  • 纯页面内 JavaScript，无需 浏览器插件 / Python / 无头浏览器
• ** 文本化 DOM 操作**
  • 把实时 DOM 抽取为简化文本交给 LLM，无需截图、无需多模态模型、无需特殊权限
• ** Bring Your Own LLM**
  • 兼容 OpenAI 协议的任意模型，可通过 customFetch 接入自定义网关
• ** 可选的 Chrome 扩展**
  • 支持跨 Tab 多页面任务（MultiPageAgent + TabsController）
• ** 可选的 MCP Server（Beta）**
  • 允许 Claude Desktop、Cursor 等外部 Agent 客户端反向控制浏览器

💡 应用场景

• SaaS AI Copilot — 几行代码为你的产品加上 AI 副驾驶，无需重写后端。
• 智能表单填写 — 把 20 次点击变成一句话，ERP、CRM、管理后台的最佳拍档。
• 无障碍增强 — 用自然语言让任何网页可被语音指令、屏幕阅读器零门槛操作。
• 跨页面 Agent — 通过可选的 Chrome 扩展，让你自己的 Web Agent 跨标签页工作。
• 为现有 Agent 增加浏览器控制能力 — 通过 MCP Server 桥接到任意 MCP 客户端。

🚀 快速开始

一行代码集成

通过我们提供的 Demo 构建，快速体验 WebyAgent：

<script src="https://storage.jd.com/nvdesigner/weby-agent/weby-agent.demo.js" crossorigin="true"></script>

⚠️ 仅用于技术评估。 该 Demo 构建内置了用于演示的 LLM 配置，请勿用于生产环境。

| Mirrors | URL | | ------- | ------------------------------------------------------------------ | | CDNJS | https://storage.jd.com/nvdesigner/weby-agent/weby-agent.demo.js |

const agent = new WebyAgent({
    model: 'qwen3.5-plus',
    baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
    apiKey: 'YOUR_API_KEY',
    language: 'zh-CN',
})

// Panel 默认会自动挂载，可手动控制显示
if (agent.panel) {
    agent.panel.show()
}

// 也可以直接编程式触发任务
await agent.execute('点击登录按钮')

NPM 安装

npm install weby-agent

import { WebyAgent } from 'weby-agent'

const agent = new WebyAgent({
    model: 'qwen3.5-plus',
    baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
    apiKey: 'YOUR_API_KEY',
    language: 'zh-CN',
})

await agent.execute('点击登录按钮')

WebyAgent 在内部组合了三个核心模块：

• @page-agent/core — 无 UI 的 Agent 内核，负责 Re-Act 循环、工具调度、历史与事件系统
• @page-agent/page-controller — DOM 抽取与元素交互（含可选的 SimulatorMask 视觉蒙层）
• web-agent-ui — 可嵌入式 Panel 面板与多语言

更多模块划分、通讯机制与扩展指引，请参阅 📖 架构说明文档 、架构图image， 架构图drawio。

⚖️ 许可证

MIT License

⭐ 如果觉得 WebyAgent 有用或有趣，请给项目点个星！