谷歌开源安卓AI自动化工具ARTEMIS:99%完成率,支持多模型MCP接入

谷歌开源了安卓真机自动化工具ARTEMIS,用户用自然语言下达任务,AI Agent自行读屏、点击完成操作;该工具在谷歌自建的AndroidWorld基准上报告99%以上完成率,并原生支持MCP接入主流AI IDE。

一句话看懂:谷歌开源了安卓真机自动化工具ARTEMIS,用户用自然语言下达任务,AI Agent自行读屏、点击完成操作;该工具在谷歌自建的AndroidWorld基准上报告99%以上完成率,并原生支持MCP接入主流AI IDE。

事件核心:发生了什么

据掘金文章介绍,谷歌以Apache-2.0协议开源Python项目ARTEMIS(2026年8月13日发布),截至2026年11月15日GitHub Star超过1.7万。其核心能力是:接收一句中文指令后,Agent在安卓真机或模拟器上自主识别控件、滑动点击并完成任务,同时返回截图和Logcat日志。控件定位优先走无障碍层级,其次坐标,自绘页面(Canvas、Compose、Flutter)则用OCR加视觉模型兜底。执行分Flash快档(单步3到5秒)和Pro慢档(单步15到40秒);Pro模式由Planner规划、Operator执行、Checker终审。项目自带MCP Server,可一条命令接入Claude Code、Codex、Windsurf等,模型可选Gemini、Claude、GPT-4o、Qwen-VL。

为什么重要

移动端自动化长期依赖脚本和控件定位器,遇到自绘界面容易失效。ARTEMIS把大模型的多模态理解、规划与安卓无障碍服务结合,降低了编写和维护自动化脚本的门槛。对谷歌而言,这是把模型能力延伸到端侧操作层的一次开源布局;对Agent生态来说,MCP接入让“写代码的IDE直接驱动手机”成为可尝试的工作流。不过,99%完成率来自谷歌研究院自己的AndroidWorld基准(20多个App、100多条任务),属于厂商自评,不能视为通用或永久排名,换到具体App上仍需实测。

对用户/开发者/创作者的影响

安卓测试和QA团队可优先试装机、登录、弹窗检查等重复场景,用一两件任务跑成功率再决定是否推广。开发者能通过零运行时依赖的Python SDK把断言写进pytest和CI。现阶段需注意:每一步都调用模型,token成本与耗时不可忽视;几千条用例的回归仍以传统脚本更划算;结果带概率属性,不适合作为非黑即白的质量门禁。此外它只支持安卓,iOS尚在路线图;若App削弱无障碍支持,稳定性会下降。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是iOS支持和端侧轻量模型是否落地;二是社区在真实企业App上的成功率与成本数据;三是MCP生态中是否出现更多同类手机操作Agent,以及无障碍权限相关的合规讨论。

来源:juejin

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注