mobilerun

Mobilerunは、LLMエージェントが自然言語コマンドを使用してAndroidおよびiOSデバイスを制御できるようにするオープンソースのフレームワークです。モデル非依存であり、OpenAI、Anthropic、Gemini、xAI、Ollama、DeepSeek、OpenRouter、およびOpenAI互換の任意のAPIをサポートしています。このフレームワークは、大規模言語モデルと物理的または仮想的なモバイルデバイス間のギャップを埋め、ユーザーが平易な英語でタスクを記述し、エージェントがそれを電話上で実行できるようにします。 コアランタイムはPortalと呼ばれ、ターゲットデバイスにインストールされます。これは、UIツリー、スクリーンショット、テキスト入力、ジェスチャー、アプリ起動、デバイス状態をエージェントに公開します。エージェントは2つのモードで動作できます：単純なタスク用の直接モードと、複雑な多段階ワークフロー用にマネージャー・エグゼキューターアーキテクチャを使用する推論モード（--reasoningで有効化）です。ビジョンモード（--visionまたは--vision-only）は、スクリーンショットをLLMに送信して視覚的理解を行います。これは、アクセシビリティツリー情報を欠くアプリに特に役立ちます。 ユーザーは、いくつかのインターフェースを通じてMobilerunと対話できます：単発タスク、デバイス検査、マクロ再生、デバッグ用のコマンドラインインターフェース（CLI）；カスタム自動化ワークフローを構築しカスタムツールを統合するためのPython API；再現可能なコンテナ化環境用のDocker。CLIクイックスタートでは、uvを使用したインストール、デバイスにPortalアプリをインストールするためのmobilerun setupの実行、mobilerun configureでのLLMプロバイダー設定、そしてmobilerun run "Open settings and turn on dark mode"のようなコマンドの実行が含まれます。 このフレームワークは、モバイルワークフローから機械可読データを返すための構造化出力、エージェント機能を拡張するためのカスタムツール、特定のユースケースでエージェントのパフォーマンスを向上させるアプリ固有のガイダンスを提供するアプリカードをサポートしています。トレーシングとテレメトリーが組み込まれており、Arize Phoenix、Langfuse、保存された軌跡、詳細なログをサポートしてエージェント実行をデバッグします。 Mobilerunはまた、管理されたインフラストラクチャ、ホストされた実機または仮想デバイス、REST API、SDK、ダッシュボード駆動のワークフローを提供するクラウドサービス（Mobilerun Cloud）も提供しています。クラウドデバイスタイプには、クラウドに接続された個人デバイス、スケーラブルな自動化用のクラウドホスト型電話、高いデバイス真正性を必要とするワークフロー用の物理ホスト型電話が含まれます。クラウドのユースケース例には、クラウド電話でのWhatsApp自動化やGoogle Mapsからのリード生成が含まれます。 典型的なユースケースには、モバイルアプリのQAおよび回帰テスト、非技術ユーザー向けのガイド付きワークフロー、反復タスクの自動化、スケジュールや通知からのイベント駆動型自動化、ネイティブモバイルアプリからのデータ抽出、複数デバイスでの同時自動化実行が含まれます。このプロジェクトはまた、Claude CodeやCodexなどのコーディングエージェントに統合してモバイルデバイスを直接制御できるモバイルハーネススキルも提供しています。 このプロジェクトはMITライセンスの下でライセンスされており、貢献を歓迎しています。セキュリティチェックはbanditとsafety scanで実行できます。Python 3.11から3.13がサポートされています；Python 3.14は現在サポートされていません。