‏Mobile MCP: کنترل آیفون و اندروید با ایجنت

Mobile MCP یه سرور Model Context Protocol (یعنی همون استانداردی که ابزارها رو به مدل‌های زبانی وصل می‌کنه) برای خودکارسازی موبایله. کاری که می‌کنه اینه که یه مجموعه ابزار مشترک جلوی ایجنت می‌ذاره تا اپ‌های بومی iOS و اندروید رو بگردونه، روی سیمولاتور، امولاتور یا گوشی واقعی. تو مستندات پروژه اومده که دیگه لازم نیست XCUITest یا Espresso بلد باشی؛ هدف رو توصیف می‌کنی و ایجنت خودش انجامش می‌ده.

نکته‌ی اصلی معماریش اینه که اول از درخت accessibility دستگاه می‌خونه، یعنی همون فهرست عناصر واقعی رابط کاربری که سیستم‌عامل برای صفحه‌خوان‌ها می‌سازه، و فقط وقتی لازم شد سراغ اسکرین‌شات و تپ مختصاتی می‌ره. یعنی نه مدل بینایی لازمه نه توکن تصویر، خروجیش هم ساختاریافته و قابل‌اتکاست، نه حدس زدن از روی یه عکس. برای استخراج داده از صفحه هم همین مسیر جواب دقیق‌تری می‌ده.

ابزارهاش کل چرخه‌ی کار با دستگاه رو پوشش می‌ده: لیست دستگاه‌ها، اندازه و جهت صفحه، تپ و دابل‌تپ و لانگ‌پرس و سوایپ، تایپ متن، دکمه‌های سخت‌افزاری، باز کردن URL و دیپ‌لینک، نصب و حذف و اجرا و بستن اپ، ضبط ویدیوی صفحه، کلیپ‌بورد و جعل موقعیت GPS. برای دیباگ هم لاگ زنده‌ی دستگاه (logcat روی اندروید و unified log روی iOS) و لیست و محتوای گزارش‌های کرش رو می‌ده. یه ابزار batch هم چند دستور رو تو یه فراخوان اجرا می‌کنه.

نصبش با npx و یه بلاک استاندارد mcpServers انجام می‌شه که تو بیشتر کلاینت‌ها همون‌طور کار می‌کنه:

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

پیش‌فرض روی stdio کار می‌کنه، ولی با فلگ --listen یه سرور Streamable HTTP روی مسیر /mcp بالا میاره که بی‌حالت (stateless) ـه، یعنی لازم نیست درخواست‌های یه نشست به یه سرور مشخص برسن؛ ترنسپورت قدیمی HTTP+SSE هم حذف شده. اگه متغیر MOBILEMCP_AUTH رو ست کنی، توکن Bearer روی همه‌ی درخواست‌ها اجباری می‌شه؛ ست نکنی اتصال بدون احراز هویت قبول می‌شه و فقط یه هشدار لاگ می‌شه.

پروژه بخشی از مجموعه‌ی Mobile Next هست: mobilecli همون CLI پایه‌ایه که Mobile MCP روش ساخته شده، mobilewright برای وقتیه که بخوای کاوش ایجنتی رو به تست تکرارپذیر تبدیل کنی، و Mobile Next Cloud هم گوشی واقعی اجاره‌ای می‌ده تا بدون راه‌اندازی محلی تست کنی. نیازمندی‌هاش Node.js نسخه ۲۰ به بالا، ابزارهای خط فرمان Xcode و Android Platform Tools هست. تلمتری بی‌نام هم داره که با MOBILEMCP_DISABLE_TELEMETRY=1 خاموش می‌شه.

نکات کلیدی:

• درخت accessibility مسیر پیش‌فرضه و اسکرین‌شات با تپ مختصاتی فقط فال‌بکه، پس توکن تصویر مصرف نمی‌شه
• iOS و اندروید هر دو پشتیبانی می‌شن، روی سیمولاتور، امولاتور و دستگاه واقعی متصل با USB
• --listen 3000 یه سرور Streamable HTTP بی‌حالت روی مسیر /mcp بالا میاره
• MOBILEMCP_AUTH توکن Bearer رو اجباری می‌کنه؛ بدون اون اتصال بدون احراز هویت مجازه
• ترنسپورت قدیمی HTTP+SSE حذف شده و کلاینت‌ها باید Streamable HTTP بزنن
• Node.js نسخه ۲۰ به بالا، Xcode command line tools و Android Platform Tools پیش‌نیازن