mobilerun

Mobilerun 是一款开源框架，使 LLM 智能体能够通过自然语言指令控制 Android 和 iOS 设备。它是模型无关的，支持 OpenAI、Anthropic、Gemini、xAI、Ollama、DeepSeek、OpenRouter 以及任何兼容 OpenAI 的 API 提供商。该框架弥合了大型语言模型与物理或虚拟移动设备之间的差距，允许用户用通俗英语描述任务，并由智能体在手机上执行。 核心运行时称为 Portal，安装在目标设备上。它向智能体暴露 UI 树、截图、文本输入、手势、应用启动和设备状态。智能体可在两种模式下运行：用于直接任务的直接模式，以及用于复杂多步骤工作流的推理模式（通过 --reasoning 启用），后者采用经理-执行器架构。视觉模式（--vision 或 --vision-only）将截图发送给 LLM 进行视觉理解，这对于缺乏无障碍树信息的应用特别有用。 用户可以通过多种接口与 Mobilerun 交互：用于一次性任务、设备检查、宏回放和调试的命令行工具（CLI）；用于构建自定义自动化工作流和集成自定义工具的 Python API；以及用于可重复容器化环境的 Docker。CLI 快速入门包括通过 uv 安装，运行 mobilerun setup 在设备上安装 Portal 应用，使用 mobilerun configure 配置 LLM 提供商，然后执行诸如 mobilerun run "Open settings and turn on dark mode" 的命令。 该框架支持结构化输出以从移动工作流返回机器可读数据，支持自定义工具以扩展智能体能力，并支持应用卡片以提供特定应用的指导，从而改善智能体在特定用例中的性能。内置追踪和遥测功能，支持 Arize Phoenix、Langfuse、保存的轨迹和详细日志，以便调试智能体执行。 Mobilerun 还提供云服务（Mobilerun Cloud），提供托管基础设施、托管的真实或虚拟设备、REST API、SDK 和仪表盘驱动的工作流。云设备类型包括连接到云的个人设备、用于可扩展自动化的云托管手机，以及用于需要高设备真实性工作流的物理托管手机。云用例示例包括在云手机上自动化 WhatsApp 和从 Google Maps 生成潜在客户。 典型用例包括移动应用 QA 和回归测试、面向非技术用户的引导式工作流、重复性任务自动化、来自计划或通知的事件驱动自动化、从原生移动应用提取数据，以及跨多个设备同时运行自动化。该项目还提供一个 mobile-harness 技能，可集成到 Claude Code 或 Codex 等编码智能体中，使其能够直接控制移动设备。 该项目采用 MIT 许可证授权，并欢迎贡献。可以使用 bandit 和 safety scan 运行安全检查。支持 Python 3.11 至 3.13；目前不支持 Python 3.14。