Mejores frameworks de agentes móviles de código abierto: Open-AutoGLM, Mobilerun y mobile-use
Compara Open-AutoGLM, Mobilerun y Minitap mobile-use por tarea, dispositivo, ejecución, modelos, licencia, trazas y coste de mantenimiento.
- Open-AutoGLM encaja cuando quieres experimentar con un agente visual de teléfono orientado a Android mediante ADB y un modelo de visión configurado por tu equipo.
- Mobilerun Framework es mejor si necesitas un runtime local con CLI o Python, árboles de accesibilidad, capturas, proveedores de modelo y trazas; Mobilerun Cloud es otra ruta operativa.
- Minitap mobile-use resulta útil para automatización móvil estructurada con proveedores LLM configurables, extracción de datos y límites claros en juegos o pantallas sin árbol de accesibilidad.
- FoneClaw no es un framework open source: es una ruta Android lista para usar cuando no quieres mantener dispositivos, ejecutores, modelos, trazas y recuperación por tu cuenta.
Elige según el trabajo que necesitas
Los mejores frameworks de agentes móviles de código abierto no se eligen como una lista de ganadores absolutos. La pregunta práctica es qué quieres controlar: un teléfono Android real, un emulador, una nube gestionada, una prueba de investigación visual o una automatización móvil repetible.
| Opción | Mejor encaje | Antes de elegirla |
|---|---|---|
| Open-AutoGLM | Investigación y prototipos de agente visual de teléfono con Android por ADB | Preparar depuración USB, ADB Keyboard y una ruta de modelo; iOS requiere una configuración separada con WebDriverAgent |
| Mobilerun Framework | Pruebas locales con CLI/Python, árbol de accesibilidad, capturas y resultados estructurados | Distinguir runtime local, proveedor de modelo y Portal de accesibilidad |
| Minitap mobile-use | Tareas móviles estructuradas con proveedores LLM configurables y extracción de datos | Confirmar si tu caso depende de Android, emulador o simulador iOS en macOS |
Código abierto no significa llamadas de modelo gratis, dispositivos en la nube gratis ni mantenimiento cero. Separar framework, inferencia del modelo y ejecución en el teléfono evita la mayoría de errores de adopción.
Compara instalación, ejecución, modelos y licencia
Un framework de phone agent tiene varias capas. El runtime decide cómo se ejecuta el agente; el modelo interpreta pantallas e instrucciones; el ejecutor toca el teléfono, lee accesibilidad o usa ADB; y las trazas permiten revisar qué ocurrió. Si una capa funciona y otra falla, el resultado del teléfono también falla.
| Criterio | Open-AutoGLM | Mobilerun | Minitap mobile-use |
|---|---|---|---|
| Dispositivo | Android por ADB; HDC para HarmonyOS; iOS mediante configuración separada con WebDriverAgent | Android con ADB y Portal; iOS tiene flujo Portal separado | Android físico o emulador por ADB; iOS simuladores en macOS, no iOS físico |
| Modelo | Endpoint de modelo alojado o inferencia propia | Selección de proveedor de modelo desde el framework | Proveedores LLM configurables |
| Ejecución | Agente visual con control por ADB y confirmación en acciones sensibles | CLI/Python, accesibilidad, capturas y resultados estructurados | Automatización de interfaz móvil y extracción estructurada |
| Inspección | Depende de tu instrumentación y del flujo del proyecto | Trazas con Arize Phoenix/Langfuse y trayectorias guardadas | Revisión de pasos y salidas estructuradas según configuración |
| Licencia del repo | Apache-2.0 | MIT | Apache-2.0 |
La licencia del repositorio no cubre automáticamente modelos, datos, dependencias, dispositivos remotos o condiciones comerciales. Si el proyecto llama a un modelo externo, ese proveedor puede añadir coste, límites, retención de datos y requisitos de cuenta. Para separar elección de modelo de elección de framework, consulta Mejores modelos de IA para agentes Android en 2026: seis opciones por tarea.
Cuándo elegir Open-AutoGLM
Open-AutoGLM encaja cuando tu equipo quiere trabajar cerca de la investigación de agentes visuales de teléfono. El proyecto documenta control de Android mediante ADB, preparación con depuración USB y ADB Keyboard, y uso de un endpoint de modelo. También documenta HDC para HarmonyOS e iOS con una configuración separada basada en WebDriverAgent; eso no convierte la ruta Android por ADB en soporte iOS universal.
Ese endpoint puede ser una API alojada o una inferencia propia; tener el framework no significa que todo el razonamiento ocurra localmente en el móvil. Su punto fuerte es el enfoque visual y experimental sobre pantallas móviles. También documenta confirmación para operaciones sensibles y toma de control humana en inicios de sesión o captchas, dos detalles importantes cuando el agente se acerca a acciones reales.
La parte que conviene revisar antes de adoptarlo es el coste de integración. Necesitas mantener el entorno Python, el puente con el teléfono, la ruta del modelo y la observabilidad suficiente para explicar errores. Si tu objetivo es una app de consumidor lista para usar, Open-AutoGLM probablemente es más infraestructura de investigación que producto final.
Cuándo elegir Mobilerun Framework o Cloud
Mobilerun, anteriormente DroidRun, debe leerse en dos niveles. Mobilerun Framework es el proyecto open source: corre el agente en tu máquina, usa CLI o Python, trabaja con árboles de accesibilidad, capturas, selección de proveedor de modelo y resultados estructurados. Mobilerun Cloud es una oferta gestionada diferente, con flujos API y teléfonos locales conectados o dispositivos virtuales y físicos alojados.
El framework encaja cuando quieres controlar el entorno de ejecución y revisar lo que el agente hizo. Su documentación menciona trazas con Arize Phoenix o Langfuse y trayectorias guardadas, algo valioso cuando un fallo no es “el modelo se equivocó”, sino una cadena concreta de lectura, decisión y toque.
Para Android, revisa ADB, depuración USB y el servicio Portal de accesibilidad. Para iOS, no asumas paridad universal: el proyecto tiene una ruta Portal separada y debes confirmar qué dispositivo, sistema y modo de ejecución admite tu caso. El coste operativo también cambia si pasas del framework local a Cloud, porque ya no estás comparando solo repositorios.
Cuándo encaja Minitap mobile-use
Minitap mobile-use encaja cuando quieres describir tareas móviles en lenguaje natural, configurar un proveedor LLM y obtener automatización con extracción estructurada. Es especialmente interesante para flujos donde el resultado puede revisarse como datos: abrir una pantalla, buscar información, completar una acción reversible o extraer un estado visible.
Su documentación distingue entornos con cuidado. Android puede usar dispositivos físicos o emuladores mediante ADB, y el arranque con Docker se presenta para Android. En la sección manual, el proyecto lista simuladores iOS en macOS, pero indica que los dispositivos iOS físicos todavía no están soportados. Por eso no conviene convertir una mención amplia de iOS en promesa de paridad con Android.
También hay límites de superficie. El README advierte sobre juegos que no exponen información útil mediante árbol de accesibilidad. Si tu tarea depende de una interfaz gráfica cerrada, animaciones rápidas o controles personalizados, evalúa primero si el framework puede observar lo necesario antes de comparar modelos o costes.
Prueba una tarea reversible e inspecciona fallos
No hace falta empezar con una compra, un envío o una modificación irreversible. Para comparar Open-AutoGLM vs Mobilerun vs mobile-use, usa una tarea pequeña que permita observar lectura, decisión, ejecución y recuperación.
- Elige una app de bajo riesgo, por ejemplo ajustes, notas o calendario de prueba.
- Define una meta reversible: abrir una pantalla, crear una nota ficticia o localizar un dato visible.
- Registra el entorno: dispositivo, versión del sistema, conexión, modelo usado y permisos.
- Comprueba si el framework separa observación, razonamiento, acción y resultado.
- Fuerza un fallo sencillo: permiso denegado, pantalla distinta o dato ambiguo.
- Revisa trazas, capturas, árbol de accesibilidad o logs antes de cambiar de modelo.
La comparación útil no es “qué framework gana”, sino qué fallo puedes explicar y reparar. Si el agente toca donde no debe, necesitas inspección. Si entiende la tarea pero no ejecuta, revisa el puente con el dispositivo. Si ejecuta bien pero se encarece, mira el proveedor de modelo, caché, contexto y llamadas repetidas. Para diseñar una evaluación más completa, usa Benchmark de agentes Android: cómo evaluar un phone agent en 2026.
Elige una ruta Android lista para usar
FoneClaw no es un framework open source y no debe ponerse en la misma categoría que estos repositorios. Es una aplicación Android lista para usar con modelo predeterminado gratuito, rutas de modelo compatibles y herramientas gobernadas para tareas admitidas. Esa diferencia importa: quien elige FoneClaw no está manteniendo ADB, Portal, trazas, dispositivos de nube o servidores de inferencia desde cero.
Esta ruta encaja si quieres controlar un teléfono Android con pasos visibles, permisos, aprobaciones y recuperación, sin construir tu propio runtime. También mantiene límites: el runtime en el teléfono no significa que toda inferencia sea local, los proveedores opcionales tienen condiciones propias y las automatizaciones desatendidas no convierten cualquier acción Android en una tarea sin supervisión.
Para entender cómo pasamos de intención a acción compatible, lee Controlar un teléfono Android con agente de IA: de intención a acción verificada. Si lo que necesitas es revisar capacidades disponibles antes de decidir entre producto y framework, la página de funciones de FoneClaw resume el alcance actual sin presentar FoneClaw como código abierto.