首页项目文章PK榜关于
探索项目

MobileAgent

正常
GitHub Python MIT

简介

Mobile-Agent 是阿里通义实验室推出的 GUI Agent 系列，专攻 Android/iOS 移动设备的自然语言操作。

核心特性

  • GUI Agent 系列 — 通义实验室推出的完整 Mobile Agent 家族
  • 多平台支持 — 同时覆盖 Android 与 iOS 移动设备操作
  • 视觉感知 — 通过截图与 OCR 理解移动端 UI 状态
  • 多步规划 — 自动分解复杂任务为可执行步骤序列
  • 模型丰富 — 提供 Mobile-Agent-v3.5 等多个模型版本
  • 在线 Demo — 提供 Modelscope 与阿里云百炼在线体验

适用场景

💡 在 Android/iOS 上自动化执行 App 操作任务
💡 为视障用户提供移动设备操作的辅助 Agent
💡 在测试场景中自动化点击、滑动等用户操作
💡 构建跨平台的移动端 RPA 工作流
💡 评测不同 GUI Agent 在移动端任务上的表现

优势与不足

✅ 优势

  • • 社区热度高（9.1k stars）
  • • 开源许可证友好（MIT）
  • • 项目有一定历史沉淀（已维护 2 年）

标签

mobile gui-agent computer-use vision android ios

分类

🌐 浏览器 Agent ⚡ Agent 工具

快速开始

# 克隆仓库
git clone https://github.com/X-PLUG/MobileAgent.git
cd MobileAgent

# 安装依赖
pip install -r requirements.txt

# 参考 demo 脚本启动 Agent
python demo_android.py
访问 GitHub 访问官网

相关项目

Agent S

12.2k · Python
活跃 A+

开源的计算机使用 Agent 框架，像人类一样操作图形界面完成复杂任务，支持自主学习和经验积累。

computer-usegui-agentautomation +1
  • · 首个在 OSWorld 基准测试中超越人类水平（72.60%）的开源框架
  • · 跨平台支持 Linux、macOS 和 Windows，通过单显示器进行 GUI 交互
  • · 模块化 grounding 模块，支持 UI-TARS-1.5-7B 及多种 LLM 后端（OpenAI、Anthropic、Gemini）
查看完整详情 → 在 GitHub 查看