AI 开始自己点我的手机屏幕了：没 root、没数据线
AI 能写代码、能画图、能替你跟客服扯皮，但有一件事卡了好几年：它玩不了你的手机。
不是模型不行，是"把手伸进手机"这条路一直在绕远。以前想让 AI 操作手机，标准动作是：电脑开 ADB、手机插数据线、uiautomator dump 一整屏 UI 树。可那一屏 XML 动辄 4 万到 20 万字符——喂给模型的不是屏幕，是一本说明书；而且 AI 每点一下，都要隔着电脑这台"传话筒"，一步操作 1 到 4 秒，急死个人。
直到我刷到一个开源项目：android-remote-control-mcp。一个 APK，装进手机，手机自己就是 MCP Server。AI 不 root、不连电脑、不走 ADB，直接读屏、点击、滑动、打字、开 App、拍照、看通知。
先看 GitHub 数据（2026-08-23 实测）：540 星、71 forks、937 次提交、16 个 release，最新版已到 v1.12.0，最后一次提交就在两天前，open issues 只有 3 个。作者 Daniele Albano——cachegrand 的作者，GitHub Arctic Code Vault 贡献者。这不是那种发了 README 就跑路的玩具项目，是天天在提交的活工程。
读一屏 1000 token：说明书 vs 便利贴
这个项目最值钱的设计，藏在 token 里。
ADB 方案的读屏，是把整张 UI 树原样倒给模型——控件 id、坐标、父子结构、隐藏节点，全给你。读"设置"页可能就要好几万 token，一次对话十几轮操作，上下文直接爆炸。
它不一样。它把 UI 节点压缩成紧凑结构，读一整屏只返回约 4000 字符、约 1000 token；再配合按编号标注的截图和可调节的截图清晰度，模型看屏的成本被压到一个极低的水平。
打个比方：ADB 是塞给 AI 一本 20 万字的《手机使用说明书》，这个 App 是递过去一张 4000 字的楼层索引卡——同一个"找到设置按钮"的问题，前者要 AI 自己翻书，后者直接告诉它按钮在几楼几号。
57 个工具，但真正值钱的是 10-100ms
仓库里注册了 57 个 MCP 工具，分 14 类：读屏节点、手势点击、系统应用、文件相机、通知定位……手机上能干的活基本全覆盖。文件操作带 50MB 限制，录像最长 30 秒，写文件前还会校验 MIME 类型——细节抠得挺细。
但比工具数量更关键的是延迟。官方 README 的对比表里写得很直白：本项目操作延迟 10-100ms，而所有 ADB 类方案是 1-4 秒。差 10 到 100 倍。为什么？因为 ADB 方案每一步都要"手机→电脑→模型→电脑→手机"绕一大圈，而它直接在设备上执行，省掉了中间商。
540 星对 5.8k 星：星少不代表活少
写到这里你可能有疑问：这项目才 540 星，凭什么？让我把同赛道的真实数据摆出来（2026-08-23 实测）：
| 项目 | Stars | 运行方式 | 操作延迟 |
|---|---|---|---|
| mobile-mcp | 5.8k | 主机跑 ADB，支持 iOS | 1-4s |
| Android-MCP | 821 | 主机跑 ADB | 1-4s |
| android-mcp-server | 800 | 主机跑 ADB | 1-4s |
| android-remote-control-mcp | 540 | 手机本体运行 | 10-100ms |
星数最高的 mobile-mcp 是 5.8k 星的大热门，但它需要一台电脑在手机旁边跑 ADB；而 540 星的这个是唯一一个纯手机运行、不需要电脑和数据线的方案，也是唯一支持 Cloudflare/ngrok 公网隧道直连的。README 的对比表里，它 11 项能力有 9 项打勾，剩下两项里有一项是因为不支持 iOS。
星少，是因为它做的路别人没做过——手机本体当 MCP Server 这个方向太新了。
三个源文章没展开的细节
OAuth 2.1 自建授权服务器。 它内置了一个完整的 OAuth Authorization Server，Claude.ai 网页版、Claude Desktop 甚至 chatgpt.com 都能以"自定义连接器"的方式直连，不用预注册任何账号，手机屏幕上点头确认就授权。这比手工填 Bearer token 安全一个量级。
per-tool 粒度权限。 57 个工具可以单独开/关，甚至可以按参数授权——这很关键，因为每个工具定义每轮对话都要占 token，关掉不用的工具本身就是在省钱。
Claude Code 插件是反向的。 它不只是"AI 遥控手机"，还能让手机主动推事件进 Agent 会话：通知、WiFi 状态、地理围栏，按内容哈希去重，会话空闲时间自动延长到 7 天。
隐私模式：检测率 100% 和 0.8% 的差距
这是我认为最值得展开的部分。它内置一个 Privacy Mode：手机上的邮件、信用卡、身份证号、地址、姓名等敏感信息，在离开设备发给 AI 之前，先本地脱敏（伪名化或打码），检测全在设备端完成，不走云。
项目方自己跑了个 8 语言的 benchmark，实测检测率：
| 类别 | 检测率 |
|---|---|
| 邮箱 | 100.0% |
| 身份证号 | 93.0% |
| 账号密码 | 90.9% |
| 手机号 | 84.4% |
| 地址 | 77.9% |
| 卡号/IBAN | 75.3% |
| 姓名 | 0.8% |
看到了吗？姓名检测率只有 0.8%——项目方自己承认，内置的本地模型只认常见西方名字，全球多样化的名字基本抓不到，fine-tune 模型已经上了 roadmap。
这不是坏事，反而是我见过的最诚实的开源项目之一：敢把弱点写成数字贴出来。但代价清醒地说——别把隐私模式当保险箱，它标注了"best-effort mitigation, not a guarantee"。姓名、地址这类数据依赖模型判断，模型漏了，数据就原样发给 AI 了。
再说几句反话
- 无障碍服务权限极高，只装在自己完全可控的设备上，别借给朋友"试试"。
- 公网隧道 URL 视同密钥，用完即停。把手机长期挂在公网 MCP 上，等于给全世界留了一扇带锁的门——锁还在，但别赌。
- 这项目在 HN 上刚发了 Show HN，只有 6 分 1 条评论——它还没火，也还没被大规模验证。540 星是真实的，但"真实"不等于"久经考验"。
- 源文章作者实测过云手机（Airtap）跑通短信任务，但真机上的长任务稳定性、多设备管理，都还需要更多人来踩。
趋势：MCP 正在下沉到设备层
把手机变成 MCP Server，这件事的意义不在"能用 AI 点外卖"。
它标志着一个转变：MCP 正在从"电脑上的协议"沉到"设备上的协议"。以前 Agent 能碰的只有你电脑里的文件、终端、浏览器；现在手机——这个离你物理距离最近的设备——第一次变成了一台"可执行的主机"。读屏、点击、拍照、发短信，对 AI 来说不再是黑盒，而是 57 个可调用的工具。
当 Agent 的操作边界从屏幕扩展到物理世界，真正值得问的问题不是"它能不能替我操作手机"，而是——你准备好让它替你操作手机了吗？
相关链接：
- GitHub 仓库：https://github.com/danielealbano/android-remote-control-mcp
- 作者主页：https://github.com/danielealbano
- 竞品 mobile-mcp：https://github.com/mobile-next/mobile-mcp
- 竞品 Android-MCP：https://github.com/CursorTouch/Android-MCP
- 竞品 android-mcp-server：https://github.com/minhalvp/android-mcp-server
- HN 讨论帖：https://news.ycombinator.com/item?id=49362047
暂无评论。