新闻详情

新闻详情

首页 / 资讯中心 / 详情

mobile-mcp移动自动化指南:一套接口如何同时驱动iOS和Android

发布时间:2026/11/14 15:26:03来源:尧图网络
mobile-mcp移动自动化指南:一套接口如何同时驱动iOS和Android
mobile-mcp移动自动化指南一套接口如何同时驱动iOS和Android【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还在为同一条流程写两套脚本iOS 用 XCUITestAndroid 用 UiAutomator光环境就折腾半天。mobile-mcp 是一个移动自动化 MCP 服务器用统一的工具集同时操作 iOS 和 Android 的模拟器、仿真器与真机你只需描述目标由 AI 代理完成点击、滑动和填表。mobile-mcp 是什么mobile-mcp 基于 Model Context ProtocolMCP协议把工作端Claude、Copilot 等任意 MCP 客户端和手机连起来。它优先读取系统原生的无障碍树来定位 UI 元素取不到时才回退到截图加坐标比纯截图方案更快也更稳。适合想跑移动端自动化但没有 iOS/Android 平台经验的测试同学、开发者以及用 AI 代理驱动真机的用户。核心能力一览能力说明无障碍优先直接读原生无障碍树定位元素无需视觉模型省 token全设备支持iOS/Android 模拟器、仿真器、真机共用同一套工具完整设备控制点击、滑动、长按、按键、屏幕录制、GPS 定位覆盖、剪贴板结构化输出提取真实 UI 元素和坐标结果确定、可断言批量执行mobile_batch_commands一次调用串起多步操作平台支持情况如下四种目标全都能跑目标前置条件iOS 模拟器Xcode 已启动的模拟器iOS 真机USB 连接并信任Android 仿真器Android SDK adb 可用Android 真机开启 USB 调试并授权5分钟装好并配置 mobile-mcp环境只需 Node.js 20加一端的工具链macOS 装 Xcode 命令行工具Android 装 platform-tools。检查 Node 版本node --version直接运行服务器不接客户端时可用于自测连通性npx mobilenext/mobile-mcplatest在支持 MCP 的 IDE 或 AI 助手里加入这段配置重启后设备工具即可被代理调用{ mcpServers: { mobile-mcp: { command: npx, args: [-y, mobilenext/mobile-mcplatest] } } }更多客户端的配置变体可以查 README.md 里的 Installation 一节。三个可以直接抄的场景场景一新应用注册流程冒烟测试。对代理说打开目标应用进入注册页依次填写手机号与验证码提交后确认进入首页若某一步失败就截图并列出当前屏幕元素。每一步都会重新读取无障碍树验证结果不会盲点。场景二iOS/Android 双端数据同步验证。在 iOS 设备创建一条待办切到 Android 设备打开同一应用检查列表再改状态回 iOS 复核。两台设备用同一组工具驱动脚本零修改。场景三批量抓屏幕上的结构化数据。让代理遍历商品列表滑动到底逐屏读取元素文本和价格字段汇总成表格。输出是真实 UI 节点而非 OCR 结果基本不用人工清洗。工具的使用惯例先列设备、再读屏幕、操作后复核可参考仓库自带的 skills/mobile-automation/SKILL.md。你可能遇到的问题没有真机能玩吗能。两端模拟器/仿真器完全够用先跑通流程再上真机。同时接多台设备会冲突吗不会。每次调用显式指定设备 ID跨设备协同是官方支持的用法。无障碍树读不到怎么办会回退到截图加坐标游戏、Canvas 绘制界面属于这种情况可用mobile_take_screenshot确认。支持哪些 AI 客户端任何 MCP 客户端都行Claude Code、Codex、Gemini、Copilot 都验证过。怎么排查设备连不上Android 先跑adb devices确认授权iOS 确认模拟器已启动或真机已配对具体见 README.md 的 Prerequisites。装好配置后从列出设备并截一张图这样的最小任务开始试起完整的工具列表和调试说明见 README.md动手比看文档更快。【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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/15 4:06:36

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
📞 ✉