mobilerun
用自然语言命令直接操控 Android/iOS 设备的 LLM Agent 框架
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
用自然语言命令直接操控 Android/iOS 设备的 LLM Agent 框架
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Mobilerun 官方 Logo
你或许用过 ChatGPT 让 AI 帮你写文案，也用过 Claude 帮你分析代码。但如果有一天，你告诉 AI「帮我打开微信，给妈妈发一条生日祝福」，AI 能直接在你的真实手机上完成操作——点哪、划哪、输入什么——就像一个不知疲倦的数字助手替你拿起手机？这正是 Mobilerun 正在做的事情。
传统的手机自动化工具（如 Appium、UI Automator）本质上是一套基于坐标和控件定位的脚本系统：你得精确知道「登录按钮在第 200 像素处」，才能写出一条点击指令。这种方式有两个致命问题：一是 UI 稍有变化（按钮移位、文字更新）整个脚本就失效；二是非技术用户根本无法编写和维护这些脚本。
Mobilerun 的出现，恰好填补了这一空白。它是一个开源的移动端 AI Agent 框架，核心思路是：让大语言模型（LLM）直接理解手机屏幕的「无障碍树」（Accessibility Tree）——这是 Android 系统自带的一种 UI 结构描述——再结合截图视觉理解，LLM 就能像人一样「看懂」屏幕，并决定下一步操作。
Mobilerun 提供两套控制路径，分别对应不同场景：
直接任务模式：用户通过 CLI 输入自然语言指令，如 mobilerun run "打开设置并开启深色模式"，Agent 立即规划步骤并执行——读取界面状态、判断下一步操作、执行点击或滑动。这种模式适合一次性任务，不需要复杂规划。
推理模式（--reasoning）：当任务涉及多步骤、需要根据中间结果调整策略时，Agent 进入 manager-executor 架构：manager 负责任务分解和进度追踪，executor 负责具体操作。每一步都会记录执行轨迹，便于事后复盘和 debug。官方测试基准达到 91.4% 的成功率，这一数字在移动端自动化领域相当亮眼。
多模型兼容：Mobilerun 采用 LLM-agnostic 设计，不绑定任何特定 AI 提供商。内置支持 OpenAI GPT-4o、Anthropic Claude、Gemini、DeepSeek、Ollama（本地部署）以及 OpenRouter 等。切换模型只需改一行配置，适合做跨模型效果对比。
从代码结构看，Mobilerun 分为以下几个核心模块：
依赖层面，Mobilerun 基于 LlamaIndex 构建 Agent 编排层（v0.14.4 + workflows v2.16），使用 Pydantic 做数据验证，Rich 和 Textual 构建终端 UI（TUI），async_adbutils 连接 Android 设备。整体技术栈以 Python 异步为主，适合集成到现有 Python 项目中。
Mobilerun 对开发者相当友好。使用 uv 安装：
uv tool install mobilerun
或同时安装 Python SDK：
uv pip install mobilerun
首次运行需要完成三步配置：通过 mobilerun setup 在手机上安装 Portal 应用并开启无障碍权限；通过 mobilerun configure 配置 LLM provider（API key 或本地模型）；通过 mobilerun ping 验证连接。完成后就可以开始自然语言控制了：
mobilerun run "打开设置，找到关于手机，告诉我 Android 版本" --vision
mobilerun run "找到联系人里叫张三的人，给他发一条消息：今晚见" --reasoning
Docker 部署也受支持：官方 Dockerfile 基于 python:3.12-slim 构建，预装 ADB 和 uv，一条命令即可容器化运行。适合在 CI/CD 流程中做自动化测试。
Mobilerun 并非万能。首先，它依赖真实手机或模拟器——没有物理设备，框架无法运行，这对想纯云端体验的用户是个门槛。其次，推理模式耗 token 较快：多步任务的每一步都需要 LLM 推理，长流程任务的成本需要考虑。第三，Android 和 iOS 体验不对称：Android 通过 Portal App + ADB 直连本地设备，iOS 则需要走单独的 Portal 流程，实测文档中 Android 场景更完善。
此外，框架目前处于 Beta 阶段（v0.6.2），API 尚未稳定，大规模生产环境使用需评估版本升级风险。
Mobilerun 的价值不仅在于技术实现，更在于它让移动端 AI Agent 变得触手可及。在此之前，能在真实手机上执行复杂任务的 AI Agent 通常是大厂专属（如 Apple 的 Siri 深度集成、Google 的 Assistant），普通开发者难以介入。Mobilerun 以开源方式提供了一套标准化的「AI 控制手机」基础设施，降低了移动端 Agent 的开发门槛。
从商业角度看，它同时推出了 Mobilerun Cloud（云端托管手机）作为商业化路径：用户可以选择不使用自己的手机，而是连接云端虚拟设备或托管真机，按 API 调用量付费。这是一种聪明的开源 + SaaS 双轨模式。
总结：Mobilerun 是一个将 LLM Agent 能力落地的优秀实践，适合移动端自动化测试、无障碍辅助、重复任务机器人等场景。如果你对「让 AI 操作我的手机」感兴趣，它是最值得一试的开源框架。