Mobile MCP ：用一句话让 AI 接管手机，安卓与 iOS 自动化不再写脚本

开源项目 Mobile MCP 通过 MCP 协议让 AI 直接操作安卓与 iOS 设备，靠无障碍树识别界面，可点按、输入、装包、抓日志与崩溃。本文整理其能力、接入命令与实测过程。

Mobile MCP 是一个把手机交给 AI 来操作的开源项目，思路很直接：借助 MCP 协议，让模型直接在你的设备上完成点击、滑动和文字输入。接入之后，用户只要用自然语言说明目标即可，安卓与 iOS 两端都覆盖，真机和模拟器同样适用。

该项目由 Mobile Next 团队维护，采用 TypeScript 编写，以 Apache-2.0 协议开源，可免费使用，商业用途也不受限。目前在 GitHub 上的 Star 数已超过 7k。

MCP 是什么

（熟悉 MCP 的读者可以跳过本节。）

MCP 是 Anthropic 提出的开放协议，作用是为大模型挂载外部工具。每注册一个 MCP 服务，模型就多掌握一项能力。常见的 MCP 服务对接的是文件、数据库或网页，而 Mobile MCP 对接的对象是手机。

服务进程运行在用户自己的电脑上，AI 所操控的是本机连接的设备，数据不经过第三方服务器。

客户端与设备支持

客户端方面，凡支持 MCP 的都能接入。官方支持列表里包含 Claude Code、Codex、Cursor、Gemini CLI、Copilot、Windsurf 等主流工具；国产客户端中 Trae 同样支持 MCP，也可以直接连。

设备覆盖情况如下：

官方提供的架构图如下：左侧为各类 MCP 客户端，中间是 Mobile MCP，右侧连接手机、模拟器与数据源。项目把手机操作封装成三十余个工具，命名统一带 mobile_ 前缀，由模型按需调用。

靠无障碍树识别界面

判断屏幕上有什么，它主要依赖系统无障碍树，而不是靠截图去猜。无障碍树指 App 为按钮、文字、输入框附带的结构化数据——控件位置、显示文本、当前是否可点击，都是确定值。只有当界面拿不到无障碍信息时（例如游戏画面），它才退回截图加坐标的方式。读取结构化数据比截图更快，消耗的 token 更少，也不依赖视觉模型，结果更稳定。

用模拟器实测，让它列出当前屏幕的元素，返回的是一份清单：按钮、文字、输入框各自附带坐标与属性，而不是丢回一张图片。

能做的事

交互动作：单击、双击、长按、上下左右滑动均有现成工具；输入框打字、按 Home 键、返回键、音量键也都支持。用户把目标讲清楚，AI 自行组合这些动作执行，无需编写脚本。
应用管理：可先列出设备上已安装的 App，再按包名启动、关闭正在运行的进程、从本地文件安装 apk 或 ipa、以及卸载。做测试时，装包、启动、验证这一整套都能交给它。
设备与系统操作：查询屏幕尺寸、切换横竖屏、设置虚拟 GPS 定位、读写剪贴板。做地图类或基于位置的功能时，虚拟定位尤其实用，不必带着手机到处跑。
屏幕与录制：随时截取当前屏幕查看状态，也能把一段操作录成视频留存。让 AI 跑完一个流程顺手录屏，后续检查会方便很多。
日志与崩溃：对开发者最有价值的是这部分——可直接拉取设备实时日志，安卓端为 logcat，iOS 端为系统统一日志；还能列出设备上的崩溃报告，并按编号取出完整内容。以往复现崩溃要自己翻日志，现在让 AI 顺手取一下即可。
批量执行：支持把「点这里、输入、再点那里」合并进一次调用，长流程无需反复对话。

手头设备不足时，Mobile Next 官方还提供云端真机池，iOS 与安卓真机均有。

接入步骤

由于本机一直装有安卓模拟器，直接调用它比较省事；没有模拟器的读者可以用 Mobile Next 现成的云端真机池，跟 Codex 说明使用云设备即可。

实测环境：客户端为 Codex，本地开启一台安卓模拟器，整个接入过程很快。

动手前需准备：Node.js 版本 20 以上；使用安卓需装好 Android SDK 中的 platform-tools，确保 adb 命令可用，并先启动模拟器；使用 iOS 需安装 Xcode 命令行工具。

在 Codex 中挂载只需一条命令：

codex mcp add mobile-mcp npx "@mobilenext/mobile-mcp@latest"

习惯改配置文件的话，在 ~/.codex/config.toml 中加入下面这段效果相同：

[mcp_servers.mobile-mcp]
command = "npx"
args = ["@mobilenext/mobile-mcp@latest"]

使用其他客户端则粘贴这段通用 JSON，Cursor、Trae、Claude Code、Gemini CLI 均识别：

{
  "mcpServers": {
    "mobile-mcp": {
      "command": "npx",
      "args": ["-y", "@mobilenext/mobile-mcp@latest"]
    }
  }
}

挂载完成后重启 Codex 验证。对着它说一句「列出可用的设备」，若它把本地运行的模拟器列了出来，就说明已经接上。

实测效果

之后便可正常对话，想到什么说什么。让它「打开设置，把深色模式打开」，它会先读一遍屏幕，按文字定位到显示设置的入口，点进去按下开关，完事再读一遍系统状态，确认确实切换成功。全程没有手动碰过模拟器。

再试一个步骤更多的：让它「打开时钟，设一个明天早上 7 点的闹钟」。它自行找到时钟 App 打开，切到闹钟页，点新建，拨好时间，保存，最后截图回来确认。中间每一步都由它自己读屏幕、自己找位置，人只需要看。

官方另有一段演示视频，运行效果大致如此：

与旧方案的区别

过去做移动端自动化，iOS 要写 XCUITest，安卓要写 Espresso，想跨端则上 Appium。脚本本身脆弱，界面改一版就废掉一批。Mobile MCP 不需要写脚本，把目标讲给 AI，让它自己去点。

可考虑的用法：改完页面让 AI 自己点一遍，省去手动测试；发版前跑个冒烟，装包启动点一圈看是否崩溃；以及一些重复性的录入操作，把流程说明白让它自己跑。

几点提醒

它默认会收集匿名使用数据，介意的话加上 MOBILEMCP_DISABLE_TELEMETRY=1 关闭。

同一团队还做了 mobilecli，可在命令行里直接控制设备，Mobile MCP 正是构建在它之上。若想把 AI 摸索出来的流程固化成可反复执行的测试，可以再看他们家的 mobilewright，相当于手机端的 Playwright。

GitHub：https://github.com/mobile-next/mobile-mcp
官方文档（Wiki 中有更细的安装配置）：https://github.com/mobile-next/mobile-mcp/wiki