7k Star 开源神器：一句话，AI 替你操作手机

今天聊个开源项目，Mobile MCP。 Mobile MCP 做的事很简单：让 AI 通过 MCP 协议操作手机。接上之后，你直接说需求，AI 就能在手机上点按、滑动、输入文字，安卓和 iOS 都支持，真机和模拟器都行。 现在这个开源项目在 GitHub 上已经收获了超 7k Star，TypeScript 写的，Apache-2.0 开源，免费，商用也可以。 简介 开始之前先交代一下 MCP 是什么，已经熟悉的可以直接跳过这段。MCP 是 Anthropic 搞的开放协议，用来给大模型外挂工具。注册一个 MCP 服务进来，模型就多会一样东西。多数 MCP 服务接的是文件、数据库、网页；Mobile MCP 接的是手机。 这个项目背后是 Mobile Next 团队。服务跑在你自己电脑上，AI 操作的是你连着的设备，不经过第三方服务器。 客户端这块，只要支持 MCP 的都能接。像 Claude Code、Codex、Cursor、Gemini CLI、Copilot、Windsurf 这些主流的都在官方支持列表里，国产客户端里 Trae 也支持 MCP，一样能接。 设备支持这些： 官方有张架构图，就是下面这张。左边是各种 MCP 客户端，中间是 Mobile MCP，右边连着手机、模拟器和数据源。它把手机操作封装成三十来个工具，工具名都带 mobile_，模型按需调用。 功能 先看懂屏幕上有什么 它判断屏幕上有什么，主要靠系统无障碍树，不是靠截图猜。无障碍树就是 App 给按钮、文字、输入框附带的结构化数据。按钮在哪个位置、上面写的什么字、现在能不能点，都是确定的数据。遇到游戏画面这类拿不到无障碍信息的界面，它才退回截图加坐标的老办法。读结构化数据比截图快，省 token，也不依赖视觉模型，结果更稳定。 我拿模拟器试过，让它列出当前屏幕的元素，返回的是一串清单，按钮、文字、输入框各自带着坐标和属性，不是甩一张图过来。 点、滑、按、打字这些手势 单击、双击、长按、上下左右滑动，这些都有现成的工具。往输入框里打字也行，按 Home 键、返回键、音量键也行。我们把目标说清楚，AI 自己组合这些动作去执行，不用写脚本。 管应用：装、开、关、卸 设备上装了哪些 App，可以让它先列出来。然后按包名启动 App、关掉正在跑的 App、从本地文件装 apk 或者 ipa、卸载，这些它都会。做测试时，装包、启动、验证这一套可以全交给它。 管设备：方向、定位、剪贴板 查屏幕尺寸，切横竖屏，给设备设一个虚拟 GPS 定位，读写剪贴板。做地图类或者基于位置的功能时，虚拟定位这个很好用，不用抱着手机到处跑。 截图和录屏 随时截一张当前屏幕看看状态，也可以把一段操作录成视频存下来。让 AI 跑完一个流程顺手录个屏，回头检查的时候方便很多。 拉日志和崩溃报告 开发者最能用上的是日志和崩溃报告。它能直接拉设备的实时日志，安卓这边是 logcat，iOS 那边是系统统一日志，还能列出设备上的崩溃报告，按编号把完整内容取出来。以前复现崩溃得自己翻日志，现在让 AI 顺手取一下就行。 一串操作打包跑 它支持批量执行，能把「点这里、输入、再点那里」放进一次调用，长流程不用反复对话。 本地没设备，云上有真机 手头设备不够的话，Mobile Next 官方还有个云端真机池，iOS 和安卓真机都有。 因为我电脑一直有安装安卓模拟器，所以让它直接调安卓模拟器也方便，没有模拟器的直接用 Mobile Next 现成的云端真机池。跟 Codex 说用云设备就行。 快速开始 说下我自己的环境：客户端用的 Codex，本地开了一台安卓模拟器，整个接入过程很快。 动手之前有几样东西要准备好：Node.js 要 20 以上；玩安卓的话，得装好 Android SDK 里的 platform-tools，保证 adb 命令能用，模拟器先跑起来；玩 iOS 的话，得装 Xcode 命令行工具。 Codex 里挂它就一条命令： codex mcp add mobile-mcp npx "@mobilenext/mobile-mcp@latest" 习惯改配置文件的话，在 ~/.codex/config.toml 里加这段也一样： [mcp_servers.mobile-mcp] command = "npx" args = ["@mobilenext/mobile-mcp@latest"] 用别的客户端就粘这段通用的 JSON，Cursor、Trae、Claude Code、Gemini CLI 都认： { "mcpServers": { "mobile-mcp": { "command": "npx", "args": ["-y", "@mobilenext/mobile-mcp@latest"] } } } 挂完重启 Codex，验证一下。我们说一句「列出可用的设备」，它把本地跑着的模拟器列了出来，这就说明接上了。 接下来就能正常聊天了，想到什么说什么。我让它「打开设置，把深色模式打开」，它先读了一遍屏幕，按文字找到显示设置的入口，点进去把开关点下去，完事又读了一遍系统状态，确认真的切过来了。全程我没碰模拟器一下。 跑完一个小的，再试个步骤多点的。我让它「打开时钟，设一个明天早上 7 点的闹钟」。它自己找到时钟 App 打开，切到闹钟那一页，点新建，拨好时间，保存，最后截了张图回来给我确认。中间每一步都是它自己读屏幕、自己找位置，我只看没说。 官方还有一段演示视频，跑起来大概就是这样： 说说我的看法 以前做移动端自动化，iOS 要写 XCUITest，安卓要写 Espresso，想跨端就上 Appium。脚本写出来脆，界面改一版就废一批。Mobile MCP 不用你写脚本，把目标说给 AI，让它自己去点。 我想到几个用法：改完页面让 AI 自己点一遍，省得自己去测；发版前跑个冒烟，装包启动点一圈看崩不崩；再有就是一些重复性的录入操作，把流程说清楚让它自己跑。 提醒一句：它默认收集匿名使用数据，介意就加 MOBILEMCP_DISABLE_TELEMETRY=1 关掉。 同一个团队还做了 mobilecli，在命令行里直接控设备，Mobile MCP 就是建在它上面的。想把 AI 摸索出来的流程固定成能反复跑的测试，可以再看看他们家的 mobilewright，相当于手机端的 Playwright。 开源地址 GitHub：https://github.com/mobile-next/mobile-mcp 官方文档（Wiki 里有更细的安装配置）：https://github.com/mobile-next/mobile-mcp/wiki