开源轻量级视觉语言模型网页代理框架，支持浏览器控制与研究扩展。
LiteWebAgent: The Open-Source Suite for VLM-Based Web-Agent Applications
- 基于递归函数调用构建简单有效的代理框架，解耦动作生成与执行。
- 提供生产级网页应用与Chrome插件两种部署形式，支持远程浏览器控制。
- 模块化集成规划、记忆与树搜索功能，适合研究与实际应用开发者。
我们提出 LiteWebAgent，一个面向视觉语言模型（VLM）的开源网页代理应用套件。该框架填补了现有网页代理生态中的关键空白，提供可直接投入生产的解决方案，涵盖极简的无服务器后端配置、直观的用户与浏览器界面，以及可扩展的研究能力，包括代理规划、工作流记忆和树搜索。核心代理框架采用递归函数调用实现简洁高效的基线方法，实现动作生成与动作落地的解耦。同时，以模块化方式集成先进研究组件。系统已部署为两种形态：(1) 基于 Vercel 的生产级网页应用，支持用户通过代理控制远程浏览器；(2) 利用 CDP（Chrome DevTools Protocol）的 Chrome 扩展，通过 API 控制现有 Chrome 浏览器。LiteWebAgent 框架开源地址：https://github.com/PathOnAI/LiteWebAgent，前端部署访问：https://lite-web-agent.vercel.app/。
原文摘要 · Abstract (English)
We introduce LiteWebAgent, an open-source suite for VLM-based web agent applications. Our framework addresses a critical gap in the web agent ecosystem with a production-ready solution that combines minimal serverless backend configuration, intuitive user and browser interfaces, and extensible research capabilities in agent planning, memory, and tree search. For the core LiteWebAgent agent framework, we implemented a simple yet effective baseline using recursive function calling, providing with decoupled action generation and action grounding. In addition, we integrate advanced research components such as agent planning, agent workflow memory, and tree search in a modular and extensible manner. We then integrate the LiteWebAgent agent framework with frontend and backend as deployed systems in two formats: (1) a production Vercel-based web application, which provides users with an agent-controlled remote browser, (2) a Chrome extension leveraging LiteWebAgent's API to control an existing Chrome browser via CDP (Chrome DevTools Protocol). The LiteWebAgent framework is available at https://github.com/PathOnAI/LiteWebAgent, with deployed frontend at https://lite-web-agent.vercel.app/.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。