新闻详情

新闻详情

首页 / 资讯中心 / 详情

mobile-mcp:一句话驱动 iOS 与 Android 的跨平台移动自动化测试

发布时间:2026/11/17 3:46:04来源:尧图网络
mobile-mcp:一句话驱动 iOS 与 Android 的跨平台移动自动化测试
mobile-mcp一句话驱动 iOS 与 Android 的跨平台移动自动化测试【免费下载链接】mobile-mcpModel Context Protocol Server for Mobile Automation and Scraping (iOS, Android, Emulators, Simulators and Real Devices)项目地址: https://gitcode.com/GitHub_Trending/mo/mobile-mcp把一台 Android 模拟器和一个 iPhone 模拟器接上之后只需用一句话告诉 AI 客户端打开设置应用找到 Wi-Fi 开关并截图mobile-mcp 就会自动完成启动应用、滑动页面、识别元素、截取画面的全过程全程不需要你手写一行 UIAutomator2 或 XCUITest 代码。这就是跨平台移动自动化测试工具 mobile-mcp 的核心工作方式。 项目是什么MCP 服务端统一驱动两类移动设备mobile-mcp 是一个基于 MCPModel Context Protocol一种让 AI 客户端挂载外部工具的标准协议的 Node.js 服务端把手机上的各类操作封装成一组以mobile_为前缀的标准工具。任何支持 MCP 的客户端——Claude Code、Codex、Gemini CLI、GitHub Copilot 等——接入后都能用自然语言直接驱动手机。它覆盖 iOS 与 Android 两类平台同时支持模拟器、仿真器和 USB 真机底层通过 mobilewright、adb 与 simctl 等工具完成与设备的通信。这张横幅图左侧是项目标语MCP for Mobile右侧的手机轮廓内部画着电路板走线示意手机设备与自动化服务端之间的连接通路传达的正是一套接口打通 iOS 与 Android 双端设备的定位。 安装与接入环境检查、运行验证、客户端配置环境要求并不苛刻Node.js 20 及以上版本iOS 侧需要 Xcode 命令行工具Android 侧需要 ADBAndroid Platform Tools。macOS、Linux 上跑模拟器都没问题真机则需正确配对或打开 USB 调试。先确认环境并运行一次做验证node --version npx mobilenext/mobile-mcplatest服务器默认以 stdio 方式在后台运行由 MCP 客户端拉起如果需要供网络中的多个客户端共用加--listen 3000可以切换为 Streamable HTTP 模式并在MOBILEMCP_AUTH环境变量里配置 Bearer 令牌做鉴权。接下来在客户端里登记一段配置即可{ mcpServers: { mobile-mcp: { command: npx, args: [-y, mobilenext/mobile-mcplatest] } } }配置生效后在对话框里输入list available devices能返回正在运行的模拟器、仿真器和已配对真机就说明链路已经打通。 能力矩阵设备、应用、交互、信息四大类工具工具按职责分成若干组下表列出主要维度与支持情况能力维度支持情况说明设备管理✅列出设备、查询屏幕尺寸、获取与切换横竖屏方向、覆写 GPS 定位、读写剪贴板应用生命周期✅列出已装应用、启动/终止应用、从 .apk 或 .ipa 安装包安装、卸载、查看前台应用屏幕交互✅截图并保存文件、按方向滑动、单击/双击/长按坐标、开始与停止屏幕录制输入与导航✅向焦点控件输入文本、按 HOME/BACK/音量/回车等硬件按键、在系统浏览器打开 URL运行信息读取✅抓设备日志Android logcat / iOS 统一日志、列出崩溃报告并按 ID 取全文也可让 AI 从无障碍树中提取结构化数据批量执行✅mobile_batch_commands 在一次调用里按顺序跑多个工具末尾可自动附一份屏幕元素清单云端真机✅可选登录 Mobile Next Cloud 后预约、占用、释放远端真机适合 CI 场景定位策略值得单独说明工具优先读取原生无障碍树快照来寻找元素只有树不可用比如游戏、Canvas 渲染的画面时才回退到截图加坐标既省视觉模型的开销也减少误操作。 三个上手案例从单端操作到跨端协同案例一单端操作。在 Android 模拟器里直接输入从应用商店安装一款免费天气应用启动它 在设置里把定位授权给该应用最后截取当前天气卡片并保存为文件。预期效果客户端依次调用安装、启动、弹窗点击、截图保存等工具整条链路无需人工干预结束后你能拿到一张截图文件。案例二双端协同。同一台电脑上分别启动 iOS 模拟器与 Android 模拟器输入分别在这两台设备上打开各自版本的目标应用登录后对当前界面截图再把两个截图里的价格与文案差异整理成一张表格。 预期效果两端各走一遍相同的操作序列最后产出一份差异对比用来做双端一致性验收正合适。案例三多步跨应用流程。输入打开日历应用新建一个明天上午十点的会议把会议邀请链接复制到剪贴板再打开浏览器粘贴并打开最后告诉我页面上显示的会议标题。 预期效果跨越两个应用、经历多次界面跳转后任务闭环完成中间每一步都有元素级校验。⚖️ 与传统自动化方案的差别与 Appium、UiAutomator2、XCUITest 这类传统框架相比差异集中在成本和形态上维度mobile-mcpAppium / UiAutomator2 / XCUITest上手成本配置好客户端即可用自然语言驱动零测试代码需要学习平台框架并编写定位与断言代码环境搭建npx 一条命令拉取服务端需要搭建 Appium Server 与各平台驱动跨平台一致性同一套工具覆盖双端行为一致两个平台各有一套方案与 APIAI 友好度输出结构化无障碍树确定性高通常依赖截图识别或平台私有元素树长期回归适合探索与验收类回归稳定性依赖 AI 理解代码化脚本适合高频稳定的正式回归结论比较直接需要长期稳定跑正式回归时传统框架仍更合适而做功能验收、双端一致性检查、临时探索时mobile-mcp 把准备时间从小时级压缩到了分钟级。❓ 高频疑问Q1Node 版本有什么硬性要求package.json 声明 engines 为 node 20所以 Node 20 及以上均可运行。低于这个版本会直接报错。Q2为什么问设备列表时返回是空的最常见的原因是模拟器或仿真器尚未启动或真机未完成配对与 USB 调试授权。先在本机用 adb devices 或 xcrun simctl list 确认设备在线再重试一次。Q3没有真实设备也能做完整测试吗可以。macOS 上启动 Xcode 模拟器、其他系统上启动 Android 仿真器mobile-mcp 对模拟环境的支持与真机完全相同测试流程没有任何区别。配置完成后建议的第一个任务是让客户端执行列出当前可用设备——拿到一份非空列表说明链路已经就绪随后再让它打开相机应用并截图一次就可以着手更复杂的流程了。更多安装细节与调试说明都在仓库的 README 与贡献文档里遇到问题也可以到 Slack 社区提问。【免费下载链接】mobile-mcpModel Context Protocol Server for Mobile Automation and Scraping (iOS, Android, Emulators, Simulators and Real Devices)项目地址: https://gitcode.com/GitHub_Trending/mo/mobile-mcp创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉