Mobile Next: Tự động hóa iOS & Android bằng AI
Mobile Next cung cấp giao diện thống nhất thực sự để điều khiển thiết bị di động từ mọi agent tương thích MCP, và cách tiếp cận dựa trên cây accessibility giảm đáng kể chi phí token so với dùng ảnh chụp màn hình. Đáng dùng khi bạn cần workflow di động do AI điều khiển và chấp nhận được các công cụ nền tảng cần cài sẵn — nhưng nếu dự án chỉ iOS và đã quen XCUITest thì có thể chưa đáng.
Tại sao tự động hóa di động đa nền tảng lại đau đầu
Viết tự động hóa di động đa nền tảng hiện nay đồng nghĩa với việc duy trì nhiều stack riêng biệt: XCUITest cho iOS, Espresso hoặc UIAutomator cho Android, và script shell cho phần chung. Mỗi thứ có ngôn ngữ, văn hóa công cụ, và lỗi riêng. Khi một AI agent cần điều khiển thiết bị, những framework này không được thiết kế cho việc đó — chúng tập trung vào CI và script do người viết. Các team di động xây dựng workflow agent-driven đành phải bắc cầu bằng script dễ hỏng hoặc từ bỏ hoàn toàn.
Mobile MCP là gì và hoạt động thế nào
mobile-mcp là một Model Context Protocol server điều khiển máy ảo iOS, máy ảo Android, và thiết bị thật qua bất kỳ AI assistant tương thích MCP nào. Nó đọc cây accessibility gốc để liệt kê phần tử UI, thuộc tính, và tọa độ, cho phép agent tap, swipe, gõ, mở ứng dụng, đọc logs, và kiểm tra crash qua cùng các lệnh. Server giao tiếp qua stdio theo mặc định và có thể chuyển sang Streamable HTTP qua flag --listen cho triển khai từ xa hoặc mở rộng ngang.
Tính năng nổi bật
- ✓Tương tác dựa trên cây accessibility: đọc phần tử và thuộc tính UI gốc mà không cần vision model, chỉ dùng ảnh chụp + tọa độ khi bất khả kháng
- ✓Giao diện điều khiển thống nhất trên iOS và Android: cùng lệnh cho tap, swipe, nhập liệu, quản lý ứng dụng, logs, clipboard, ghi đè GPS, xoay màn hình trên mọi thiết bị
- ✓Hiển thị màn hình thiết bị trong Claude Code: xem live màn hình trong terminal (Ghostty hoặc kitty) có thể tap trực tiếp để theo dõi agent thao tác
- ✓Hệ thống thiết bị cloud: thuê thiết bị iOS và Android thật qua Mobile Next Cloud khi không tiện dùng máy ảo cục bộ
- ✓Điều khiển thiết bị toàn diện: quay màn hình, nhấn phím cứng, deep link, gesture gập/mở trên thiết bị gập, lấy crash report, và chạy chuỗi lệnh
- ✓Chế độ Streamable HTTP: phục vụ MCP qua HTTP cho triển khai từ xa hoặc container với xác thực Bearer token tùy chọn
- ✓Hỗ trợ nhiều client: tích hợp sẵn với Claude Code, Cursor, Copilot, Gemini CLI, Goose, Codex, Cline, Windsurf, và mọi agent tương thích MCP khác
- ✓Dữ liệu UI có cấu trúc: trích xuất thuộc tính phần tử có tổ chức thay vì dựa vào pixel, giảm sự mơ hồ khi agent ra quyết định
Cách cài đặt và dùng thử
Cách cài chuẩn là qua npx, không cần build. Thêm server vào cấu hình MCP client với lệnh `npx -y @mobilenext/mobile-mcp@latest`. Cách cấu hình khác nhau theo client: Claude Code dùng lệnh plugin (`/plugin marketplace add mobile-next/mobile-mcp` rồi `/plugin install mobile-mcp@mobile-mcp`), Cursor có nút cài một click, Copilot dùng `/mcp add` tương tác, còn lại thì chấp nhận JSON config. README liệt kê đầy đủ cho Claude Desktop, Claude Code CLI, Codex, Copilot, Cursor, Gemini CLI, Goose, Cline, Windsurf, Kiro, opencode, và Amp. Gói npm là runtime dependency duy nhất — platform tools phải cài riêng.
Cách sử dụng
Sau khi đăng ký server trong MCP client, chỉ cần ra lệnh cho agent bằng ngôn ngữ tự nhiên: 'liệt kê thiết bị có sẵn' để xem máy ảo đang chạy, 'hiển thị phần tử UI trên màn hình' để đọc cây accessibility, 'tap nút đăng nhập' để tương tác. Workflow phức tạp hơn thì chuỗi thao tác: 'mở app store, tìm app Pomodoro có trên 1k sao, cài nó, đăng ký bằng email tôi, rồi đánh giá 5 sao.' Tool `mobile_batch_commands` chạy một chuỗi trong một lệnh. Với thiết bị cloud, bảo agent 'đăng nhập Mobile Next Cloud và liệt kê thiết bị từ xa.' Mọi tương tác qua giao diện tool MCP — không cần gọi CLI riêng sau khi đã cấu hình xong.
Điểm mạnh
- ✓Đa nền tảng từ thiết kế: cùng prompt và lệnh chạy trên máy ảo iOS, máy ảo Android, và thiết bị thật mà không cần sửa gì
- ✓Cách đọc cây accessibility giữ chi phí token và độ trễ thấp vì không cần suy luận vision model ở mỗi khung hình
- ✓Workflow tự nhiên cho agent: giao thức MCP cho phép giao việc thiết bị cho AI assistant y hệt như giao việc code — không cần học ngôn ngữ script mới
- ✓Bề mặt điều khiển phong phú: ngoài tap cơ bản, còn quay màn hình, crash log, GPS giả, clipboard, xoay, phím cứng, và deep link
- ✓Phát triển tích cực: lộ trình phát triển công khai, team phản hồi feedback cộng đồng, và đã hỗ trợ các nền tảng quan trọng
- ✓Hiển thị thiết bị trong terminal giúp không cần chuyển sang app xem riêng khi debug tương tác agent
Hạn chế và yêu cầu đã biết
- △Công cụ nền tảng bắt buộc không nhỏ: iOS cần Xcode command-line tools và Mac (thiết bị thật thì thêm USB trust và pairing), Android cần Platform Tools và máy ảo hoạt động — không thể bỏ qua
- △Thu thập telemetry bật sẵn qua PostHog và Scarf; tắt nó cần set biến môi trường theo session, gây phiền trong môi trường team khi muốn tắt mặc định
- △Đọc cây accessibility hỏng với ứng dụng dùng webview, game engine, hoặc context đồ họa tùy chỉnh nơi cây gốc trống hoặc sai — phải quay về ảnh + tọa độ và mất ưu thế cấu trúc
- △Hỗ trợ iOS thiết bị thật cần Mac và ủy quyền USB thủ công; người dùng Linux chỉ chạy được Android emulator và simulator
- △Không có framework assertion tích hợp: server điều khiển thiết bị nhưng không đưa ra tín hiệu pass/fail cho CI — phải tự xây lớp báo cáo
- △Dùng thiết bị cloud/từ xa đồng nghĩa dịch vụ có phí (Mobile Next Cloud); bản free hoặc local có thể không đủ cho automation quy mô team
Các lựa chọn thay thế
Câu hỏi thường gặp
Tất cả. Máy ảo iOS trên Mac, máy ảo Android trên mọi nền tảng, và thiết bị iOS hoặc Android thật kết nối qua USB với debug bật. Mobile Next Cloud bổ sung thiết bị thật được host trên cloud khi không có phần cứng cục bộ.
Xcode command-line tools bắt buộc cho iOS, và Android Platform Tools (cho adb) bắt buộc cho Android. Gói npm một mình không đủ — những công cụ nền tảng này phải cài riêng trước.
Có. Server chạy qua stdio theo mặc định, dễ spawn từ shell step, và chế độ Streamable HTTP cho phép chạy như service dài hạn. Thiết bị cloud qua Mobile Next Cloud cung cấp phần cứng theo yêu cầu mà không cần quản lý phòng lab.
Claude Desktop, Claude Code, Cursor, Copilot, Gemini CLI, Goose, Cline, Windsurf, và Codex đều có hướng dẫn cấu hình. VS Code không hỗ trợ MCP server gốc — Cursor mới là IDE trong họ đó có hỗ trợ.
MCP server là mã nguồn mở theo Apache-2.0 và chạy cục bộ không mất phí. Mobile Next Cloud cung cấp thiết bị từ xa là dịch vụ có phí — README quảng bá nó nhưng không công khai giá trên repo.
Appium dùng giao thức WebDriver và nhắm vào script test do người viết. Mobile Next được xây dựng quanh Model Context Protocol, thiết kế để AI agent điều khiển thiết bị qua lệnh ngôn ngữ tự nhiên mà không cần viết code test rõ ràng.
Trường hợp dùng tốt nhất
- •Tự động hóa workflow di động từ đầu đến cuối bằng lệnh tự nhiên — ví dụ tìm app store, cài ứng dụng, hoàn tất đăng ký, rồi đánh giá 5 sao
- •Kiểm thử UI có AI hỗ trợ: agent xác nhận hành vi ứng dụng qua trạng thái phần tử thay vì viết script dựa trên XPath hoặc tọa độ
- •Trích xuất dữ liệu di động: dùng agent điều hướng app và lấy thông tin có cấu trúc từ UI mà không cần thao tác thiết bị thủ công
- •Tích hợp CI/CD: điều khiển thiết bị thật trong pipeline qua giao thức MCP, kể cả thiết bị cloud khi cần scale
- •Chuyển giao giữa các agent: một agent khám phá app rồi chuyển trạng thái thiết bị cho agent khác xử lý tiếp
- •Kiểm tra tương thích đa nền tảng: chạy cùng một prompt agent trên cả iOS lẫn Android để xác nhận journey người dùng hoạt động giống nhau
Ai nên thử — và ai nên bỏ qua
Dùng Mobile Next khi xây dựng workflow agentic cần tương tác thiết bị di động — pipeline QA tự động do AI điều khiển, trích xuất dữ liệu từ app di động, hoặc kiểm tra journey người dùng nhiều bước. Nổi bật khi cần đa nền tảng mà duy trì stack iOS và Android riêng biệt thì thấy thừa. Bỏ qua nếu dự án iOS-only và đã thoải mái với XCUITest, vì công sức thiết lập có thể không bù được lợi ích trung lập nền tảng. Team không có Mac cần biết hỗ trợ iOS thiết bị thật sẽ luôn nằm ngoài tầm với.
Repo liên quan
Vẫn đang phân vân về mobile-mcp?
Một cú bấm sẽ gửi câu hỏi kèm trang này cho AI — xem AI nói gì về mobile-mcp.
