phonedriver とは
この記事では、Android と iPhone を AI エージェントから操作する MCP サーバー兼 CLI「phonedriver」(Rust 製、AGPL-3.0)を紹介します。筆者は日本語を話せず、この記事は機械翻訳です。
リポジトリには英語の README があります。
仕組み
- 画面は、スクリーンショットではなく番号付きの短いテキスト一覧としてエージェントに渡されます。エージェントは番号を指定してタップし、各操作のあとは変化した行だけが返ってきます。
- Android では端末に何もインストールしません。scrcpy と同じ
app_processの手法で、adb 経由で小さな常駐プロセスを起動します。 - Pay、Place order、Delete account といったラベルのボタンのタップは保留され、先にユーザーに確認します。
速度
Android 17 のエミュレーターで 1,000 行のリストを読むのに、p50 で 12.7 ms かかりました。adb shell uiautomator dump は 2,163.7 ms です。実機の HONOR X8 では 78.5 ms 対 2,506.6 ms でした。
デモ
- 実在する Domino's UK のサイトで、Claude が買い物かごとチェックアウトを入力し、「Buy with GPay」まで進んだところでツールが止まり、確認を求めました。筆者は断り、何も注文されていません。
- 筆者が登録フォームに 2 つのバグを仕込んだところ、Claude は 49 秒で両方を見つけ、再現手順も添えました。
制限
- 速度の数値は主にエミュレーターのものです。実機の Android は 1 台でしか試していません。iOS には Xcode が入った Mac が必要です。
インストール
claude mcp add phonedriver -- npx -y phonedriver mcp
リポジトリ: https://github.com/hridaya423/phonedriver
サイト: https://phonedriver.dev
ベンチマーク: https://phonedriver.dev/benchmarks
仕組みの詳細(英語): https://phonedriver.dev/blog/how-phonedriver-works/