Page Agent Extension 🤖

Page Agent Extension 是一个基于大语言模型（LLM）的自动化浏览器插件，能够像真人一样理解网页内容并根据您的指令自动执行复杂任务（如搜索、点击、填表、甚至跨网站导航）。

本项项目深度优化自阿里巴巴开源项目 alibaba/page-agent，并针对 Chrome 浏览器插件环境进行了大量的健壮性改造和私有化部署支持。

🚀 核心特性

• 跨站任务持久化：即使页面在任务执行中跳转、重定向或刷新，Agent 也能在新页面自动接续进度，不会丢失上下文。
• CSP 安全限制绕过：通过 Background Proxy 技术，在具有严格内容安全策略（CSP）的网站（如 GitHub, Google）上也能正常调用 LLM。
• 双交互模式切换：
  • ⚡ 增强模式 (Debugger): 利用 CDP (Chrome DevTools Protocol) 实现最真实的物理点击，绕过复杂的 UI 框架保护。
  • 🛡️ 兼容模式 (Simulated): 传统的脚本模拟交互，低干扰、高兼容性。
• 详尽的运行日志：在设置页面提供实时的决策日志、工具调用记录及 LLM 通讯记录，支持 JSON 导出，方便模型调试。
• 私有化部署友好：所有配置（LLM 地址、API Key、模型名称）均可动态修改，完美支持内网隔离环境下的 OpenAI 兼容服务。
• 极致响应速度：采用 document_start 注入技术，确保 Agent 在页面尚未完全加载时就已经就绪。

🛠️ 安装指南

开发者安装

1. 克隆本项目：

   git clone https://github.com/Sdcxv/page-agent-extension.git
   cd page-agent-extension

2. 安装依赖并编译：

   npm install
   npm run build

已解压安装

1. 打开 Chrome 浏览器，访问 chrome://extensions/。
2. 开启右上角的 "开发者模式"。
3. 点击 "加载已解压的扩展程序"，选择项目中的 dist 目录。

🤖 配置与使用

1. 点击浏览器工具栏中的机器人图标。
2. 点击右上角 ⚙️ 设置 按钮。
3. 配置您的 LLM 提供商：
   • API Base URL: 如 https://api.openai.com/v1 或您的私有地址。
   • API Key: 您的模型密钥。
   • 模型名称: 如 gpt-4o, deepseek-chat, gemini-2.5-flash。
4. 在输入框输入任务（例如：“帮我搜素关于量子计算的新闻并打开第一条”），点击 执行。

🙏 致谢 & 声明

本项目是在阿里巴巴优秀的开源项目 page-agent 基础上进行的插件化适配和功能增强。感谢原作者及其团队提供的强大核心引擎。

📄 开源协议

本项目遵循原项目的开源协议。 Copyright (C) 2025 Alibaba Group Holding Holding Limited. Modified and Optimized by Sdcxv.