Framework Agen Ponsel Sumber Terbuka: Open-AutoGLM, Mobilerun, dan mobile-use

Pilih berdasarkan pekerjaan yang ingin dijalankan

Framework agen ponsel sumber terbuka yang tepat bergantung pada pekerjaan dan beban operasi yang ingin Anda tangani: riset GUI ponsel, kontrol perangkat lewat skrip, atau otomasi mobile yang terstruktur. Selain kemampuan model, periksa bagaimana framework memilih perangkat, menjalankan langkah, dan meninggalkan bukti ketika gagal. Jika Anda hanya ingin memakai agen Android, aplikasi siap pakai merupakan jalur berbeda dari ketiga framework ini.

Gunakan daftar ini sebagai pintu masuk, bukan peringkat performa atau hasil pengujian langsung. Sumber terbuka memberi kendali atas kode framework, tetapi model API, GPU, perangkat cloud, debugging, pemeliharaan, dan keamanan data tetap menjadi biaya nyata.

Bandingkan setup, eksekusi, model, dan lisensi

Tiga proyek ini perlu dibandingkan pada lapisan yang berbeda. Runtime framework mengatur pembacaan layar, langkah, dan hasil. Inferensi model memahami instruksi serta memilih tindakan. Eksekusi perangkat menjalankan tindakan melalui ADB, aksesibilitas, WebDriverAgent, atau Portal. Lapisan operasi mencakup log, pelacakan, akun, biaya, dan pemulihan saat gagal.

Lisensi kode tidak otomatis berlaku untuk model, dataset, layanan cloud, perangkat virtual, atau dependensi lain. Sebelum penggunaan serius, verifikasi berkas lisensi pada revisi yang Anda pilih, syarat penyedia model, kebijakan data, dan biaya perangkat. Runtime lokal juga tidak otomatis berarti inferensi atau seluruh data tetap lokal.

Kapan Open-AutoGLM paling cocok

Open-AutoGLM cocok ketika Anda ingin mempelajari pola agen visual yang mengendalikan Android lewat ADB. Repositori resminya mendokumentasikan pengaturan Android dengan mode pengembang, USB debugging, dan ADB Keyboard, serta menyebut HDC untuk HarmonyOS. Untuk iOS, jalurnya tidak identik; proyek memakai pengaturan WebDriverAgent tersendiri.

Nilai praktisnya ada pada pemisahan antara perangkat, framework, dan model. Agen Python dapat memakai endpoint model, baik lewat API yang dihosting pihak ketiga maupun inferensi yang Anda kelola sendiri. GPU lokal tidak wajib untuk jalur API, tetapi biaya token, latensi, dan kebijakan penyedia tetap perlu dihitung. Jika dikelola sendiri, biaya berpindah ke server, GPU, penerapan, dan pemeliharaan.

Open-AutoGLM juga mencantumkan konfirmasi untuk operasi sensitif dan pengambilalihan manusia untuk login atau captcha. Pertimbangkan mekanisme ini bersama kebutuhan tugas Anda: kemampuan mengetuk layar saja belum menjelaskan bagaimana proses berhenti ketika keputusan perlu dikembalikan kepada pengguna.

Kapan memilih Mobilerun Framework atau Cloud

Mobilerun, yang sebelumnya dikenal dalam konteks DroidRun, cocok jika Anda membutuhkan kontrol mobile lewat CLI atau Python. Repositorinya mendukung pohon aksesibilitas, tangkapan layar, pemilihan penyedia model, dan hasil terstruktur. Pelacakan melalui Arize Phoenix atau Langfuse serta rekam jejak tersimpan membantu menelusuri kegagalan, bukan hanya melihat hasil akhir.

Bedakan Mobilerun Framework dari Mobilerun Cloud. Framework menjalankan agen dari mesin Anda dengan perangkat lokal dan dependensi yang Anda kelola. Dokumentasi Cloud menyebut ponsel lokal yang terhubung serta perangkat virtual atau fisik yang dihosting dengan alur API. Cloud dapat mengurangi beban perangkat lokal, tetapi menambah ketergantungan pada layanan, akun, biaya, dan kebijakan cloud. Portal iOS tetap memiliki pengaturan tersendiri.

Rilis Mobilerun pada 14 Oktober 2026 UTC, atau 15 Oktober waktu Tiongkok, mengubah pemilihan perangkat untuk mobilerun run: pilihan eksplisit -d didahulukan, kemudian ANDROID_SERIAL, lalu satu-satunya perangkat yang daring. Jika beberapa perangkat terhubung tanpa pilihan, proses berhenti dengan kesalahan, bukan memilih perangkat pertama. Sebelum menjalankan, periksa daftar perangkat terhubung dan pilih ponsel uji yang dimaksud secara sengaja.

FastAgent hanya menjalankan blok function_calls pertama dalam respons dan mengabaikan blok berikutnya. Jika satu panggilan gagal, sisa panggilan dalam blok itu dilewati. Periksa hasil aktual sebelum mencoba ulang: tindakan sebelumnya mungkin sudah terjadi. Perilaku ini bukan transaksi dengan pembatalan otomatis dan bukan jaminan bahwa mengulang seluruh tugas tidak menimbulkan efek ganda.

Untuk migrasi, perubahan Mobilerun pada 5 Oktober 2026 memindahkan kartu aplikasi ke app_cards_dir/android/app_cards.json dan app_cards_dir/ios/app_cards.json. Berkas app_cards.json langsung di app_cards_dir diabaikan. Pindahkan kartu ke platform yang benar dan cocokkan pengenal aplikasi Android dengan pengenal bundel iOS, bukan mencampurnya.

Pengaturan Portal memakai versi yang ditetapkan sesuai Mobilerun dan mempertahankan Portal yang lebih baru. Selama proses berjalan, Portal dapat memulihkan layanan aksesibilitas dan keyboard-nya. Jika Anda bermaksud mencabut akses, hentikan agen lalu periksa keadaan layanan dan izin pada perangkat. Jangan menonaktifkan Play Protect atau perlindungan keamanan untuk mempertahankan proses.

Perubahan kompatibilitas pohon UI pada Cloud SDK serta operasi ketuk dan ketik yang tidak mencoba ulang juga perlu masuk pemeriksaan pemeliharaan. Perubahan tersebut bukan bukti keberhasilan universal; periksa hasil dan penyebab kegagalan sebelum mengirim tindakan lagi.

Kapan Minitap mobile-use cocok

Minitap mobile-use cocok ketika kebutuhan Anda adalah otomasi UI mobile berbasis instruksi bahasa alami dengan keluaran yang dapat diekstrak secara terstruktur. Repositori mobile-use mendokumentasikan penyedia LLM yang dapat dikonfigurasi dan lisensi Apache-2.0. Untuk Android, jalurnya memakai ADB pada perangkat fisik atau emulator; panduan awal Docker yang disebut proyek khusus Android.

Batas iOS perlu dibaca dengan hati-hati. README proyek secara spesifik mencantumkan simulator iOS di macOS pada bagian perangkat manual dan menyatakan perangkat iOS fisik belum didukung. Jika target Anda adalah iPhone fisik, mobile-use belum bisa diperlakukan sebagai pilihan setara dengan Android.

Proyek ini juga mencatat keterbatasan pada game yang tidak menyediakan informasi pohon aksesibilitas. Ini bukan kekurangan unik satu framework; agen UI dapat kesulitan ketika layar tidak memberi struktur yang bisa dibaca dengan stabil. Cocokkan bentuk antarmuka aplikasi Anda dengan jalur inspeksi yang tersedia.

Uji satu tugas yang mudah dibatalkan

Mulailah dengan usulan pemeriksaan kecil berdasarkan pengaturan yang didokumentasikan proyek, bukan pembayaran, pengiriman pesan nyata, perubahan akun, atau operasi produksi. Gunakan ponsel uji milik sendiri dan tugas yang sama: buka aplikasi catatan yang telah dipilih, lalu berhenti pada layar utamanya tanpa membuat atau mengirim apa pun. Ini rencana pemeriksaan, bukan hasil pengujian yang telah kami lakukan.

1. Periksa daftar perangkat terhubung, cocokkan identitas ponsel yang dimaksud, dan catat keadaan awalnya. Pada Mobilerun, pilih dengan -d atau ANDROID_SERIAL; jangan mengandalkan urutan daftar.
2. Tentukan satu penyedia model atau endpoint dan pertahankan selama pemeriksaan awal.
3. Periksa koneksi, izin, keyboard, dan layanan yang diperlukan oleh framework. Untuk Mobilerun, pastikan kartu aplikasi berada pada direktori platform yang benar.
4. Jalankan permintaan membuka aplikasi tersebut. Hentikan jika perangkat yang bergerak salah, aplikasi tujuan berbeda, atau satu langkah gagal.
5. Bandingkan layar akhir dengan tujuan. Simpan log, tangkapan layar, pohon aksesibilitas, atau rekam jejak yang tersedia.
6. Perbaiki penyebab kegagalan sebelum mencoba ulang. Periksa tindakan yang sudah terjadi, lalu ubah satu variabel seperti model, instruksi, keadaan perangkat, atau izin.

Setelah navigasi sederhana dapat diperiksa, barulah pertimbangkan perubahan rendah risiko seperti item catatan fiktif yang dapat dihapus manual. Untuk kerangka evaluasi lebih lengkap, Benchmark Phone Agent Android: Cara Mengevaluasi AI Agent Mobile 2026 membantu memisahkan keberhasilan tugas, keselamatan tindakan, pemulihan, dan bukti hasil. Jika masalah utamanya pemilihan model, Model AI Terbaik untuk Agen Android: Pilih Berdasarkan Tugas membahas model sebagai lapisan berbeda dari framework dan pelaksana tindakan.

Pilih jalur Android siap pakai

Tidak semua pembaca membutuhkan framework sumber terbuka. Jika tujuan Anda adalah memakai agen Android tanpa mengelola ADB, server pelacakan, endpoint model, perangkat cloud, atau skrip kontrol, FoneClaw merupakan jalur produk yang berbeda. Kami menyediakan aplikasi agen Android siap pakai, bukan framework sumber terbuka dalam daftar ini.

Di FoneClaw, model yang dikonfigurasi membantu memahami permintaan dan merencanakan langkah. Alat yang diaktifkan menjalankan tindakan Android yang didukung sesuai izin aktual dan kebijakan persetujuan alat. Anda tetap perlu memeriksa sasaran serta hasil; tidak setiap tindakan selalu meminta konfirmasi baru. Jalur ini tidak berarti seluruh inferensi lokal, semua aplikasi bisa dikendalikan, atau tersedia integrasi bawaan dengan ketiga framework.

Untuk melihat perbedaan niat, rencana, izin, eksekusi, dan hasil, baca AI Agent Mengontrol Ponsel Android: Dari Niat ke Tindakan yang Terverifikasi. Cakupan produk tersedia di halaman fitur FoneClaw, sedangkan distribusi yang tersedia dapat diperiksa melalui halaman unduhan FoneClaw. Pilih framework jika Anda ingin membangun dan merawat runtime sendiri; pilih aplikasi siap pakai jika kebutuhan utamanya adalah menjalankan tugas Android yang didukung tanpa mengelola lingkungan eksperimen.

Sumber: repositori resmi Open-AutoGLM, repositori resmi Mobilerun, dan repositori resmi Minitap mobile-use.