安卓手机直接跑 MCP Server 还能让 AI 像人一样操作应用

作者把 MCP 服务端塞进了安卓 APK，跑在手机上完全不需要 Root、ADB，更不用中转电脑。核心思路是把自己注册成辅助功能服务，拿到无障碍树就能读屏、点击、输入、滑动，甚至还能截图。我看了下实现，工具调用和 Token 消耗都做了专门优化，小模型像 Haiku 这种都能跑通、还能处理没见过的界面——前提是提示词得写够细。

最让我意外的是隐私模式。早期版本发出去有人直说：绝不敢用，因为屏幕上啥都能被 LLM 提供商看光。现在的方案是本地跑个小模型配合确定性检测器，邮箱、手机号、信用卡、IBAN、身份证号、英文人名这些 PII 全在手机端打码再发出去，跑 benchmark 大约 87% 召回。非英文人名是目前短板，作者在练专门模型补齐。

因为用了辅助功能权限，Google Play 直接拒审，现在只能去 GitHub 拿包，分标准版和无 GMS 的 FOSS 版，后者马上要上 F-Droid。接入 Claude.ai、Claude Desktop、chatgpt.com 时应用自己当 OAuth Server，手机上输码授权，流程挺丝滑。

防注入也考虑到了：返回给 Agent 的数据前面会加一段措辞很重的前缀，明确标注这是不可信的第三方输入，缓解不少提示词注入风险。

作者下一步三件大事：

• 自建免费反向隧道，Let's Encrypt 签证书，端到端加密，不用 ngrok/Cloudflare 那种只能加密到边缘的方案
• 技能数据库，让 Agent 更快知道该怎么操作哪个 App
• 专用隐私模型，重点搞定非英文人名识别

再加上正在重写的引导式首次配置和新 UI，上手门槛还能再降一截。

源码和 APK 都在 GitHub，想折腾的可以直接拿标准版或 FOSS 版试手。目前覆盖的 App 还不够全，但架构跑通了，后面就是堆兼容性和打磨体验的事儿。