开源 phonedriver 给 Claude 一部真手机:点到支付键即暂停等确认
Puzzled-Stick9170 · reddit · 2026-11-23
开发者发布开源 MCP 服务器 phonedriver,让 Claude 等 agent 操作真实 Android/iPhone、模拟器或 Simulator。演示中一句指令让 Claude Code 在 6.5 分钟内完成 Domino's 披露下单全流程,到「Buy with GPay」按钮时暂停。
关键设计:
- 危险动作(支付、下单、转账、删号)触发 MCP elicitation,模型被锁在门外等人确认;拒绝即不执行。安全审计后,会按压键的滑动、拖拽、回车等操作也纳入拦截,且一次确认只对当时展示的按钮有效。
- 省上下文:屏幕静止后只回传变化行(切换深色模式仅约 20 tokens);隐藏无人使用的可选参数,17 个工具全部控制在 1800 tokens 内(部分移动 MCP 工具清单要花 2.8万-3.7万 tokens)。
- 基准:9 个 Android 任务用 Sonnet 5.5 通过 27/27,共 658k tokens;对比 mobile-mcp 花 4.57M tokens 仅过 17/18。
- Android 无需装任何东西(经 adb 类 scrcpy 方式),支持 Mac+iPhone、Windows USB/Wi-Fi;phonedriver save/replay 可零 token 重放已学会的流程。
已知缺陷:支付检查靠 11 种语言的按钮文字,纯图标按钮会漏过;autonomous: true 会故意绕过检查。
「编程与Agent」频道最新
- 纯 Rust 开源 GIS RustGIS v0.8.0 发布,AI 助手可看图 — giswqs · 2026-11-23
- 把 LLM 当器官而非大脑:Reddit 热议智能体新架构观 — codexofweights · 2026-11-23
- 用 LLM 探索符号执行与 Z3:逆向工程的新玩法设想 — mgostIH · 2026-11-23
- Chat with Work 明日发布:跨工具协作 bots,主打欧盟可用与自托管 — kieranklaassen · 2026-11-23
- 4 张 3090 跑 Qwen 3.8:KV Cache 卸载到内存,8 路并发 200k 上下文 — Mr_Moonsilver · 2026-11-23
- 「修好它日」工作流:用 Opus 5.5 逐个清掉生活里的坏毛病 — alliekmiller · 2026-11-23