Android Automation Agent — скилл
Скилл и CLI для управления Android-телефоном через ADB и vision-модели: агент открывает приложения, ищет, заказывает и проверяет результат
- 26 ★ репозитория
- Последний коммит
Широкий доступ
Почему такой уровень
- Выполняет любые действия в приложениях телефона, включая оплату и отправку сообщений
- Отправляет скриншоты экрана во внешнюю модель
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/android-automation-agentОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Выполняет любые действия в приложениях телефона, включая оплату и отправку сообщений
- Отправляет скриншоты экрана во внешнюю модель
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Проект получает задачу обычной фразой и выполняет ее на подключенном Android-устройстве. Внутри работает цепочка узлов: планировщик делит цель на подзадачи, контекстор снимает скриншот и дерево интерфейса с точными координатами, модель выбирает действие, исполнитель отправляет тапы, свайпы и ввод через ADB, а отдельный узел проверяет, что шаг удался. SKILL.md превращает это в скилл для OpenClaw: агент передает цель без пересказа, уточняет недостающие детали, хранит предпочтения пользователя и дробит сложные сценарии на отдельные запуски. Работает и прямо в Termux на телефоне.
Для кого. Для энтузиастов автоматизации и QA-инженеров, которым нужно управлять Android-приложениями без написания сценариев.
Подходит, если
- Нужно выполнить рутинное действие в мобильном приложении по фразе
- Нужно прогнать ручной сценарий проверки приложения на устройстве
- Нужно управлять телефоном из агента OpenClaw
Не подходит, если
- Действия связаны с деньгами и ошибка недопустима
- Нужны стабильные автотесты в CI: лучше Espresso или Appium
Пример запроса к агенту
Открой YouTube на телефоне, найди последнее видео канала и поставь лайкОграничения
Нужны Python 3.10+, ADB, включенная отладка на устройстве и ключ OpenRouter, по умолчанию используются модели Gemini. Каждый шаг отправляет скриншот экрана во внешнюю модель. Скилл написан под OpenClaw, для уведомлений в онбординге используется Telegram-бот. Доступность OpenRouter и моделей Google из России не гарантирована.
Как отключить. Удалите папку скилла из рабочего пространства OpenClaw и клон репозитория, отключите отладку по USB или по Wi-Fi на телефоне.
Частые вопросы
Нужен ли компьютер?
Нет, проект запускается в Termux на самом телефоне через подключение adb к 127.0.0.1:5555.
Можно ли сменить модель?
Да, модели для планировщика, принятия решений и проверки задаются переменными в .env, запросы идут через OpenRouter.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкиллы и CLI, чтобы Claude Code, Codex и OpenCode управляли Android-телефоном: открывали приложения, нажимали, вводили текст и тестировали сценарии
Открытая модель и фреймворк агента для смартфона: видит экран и сам нажимает в приложениях Android, HarmonyOS и iOS по текстовой команде
Awesome Android Agent Skills
awesome-android-agent-skills
Скиллы по современной разработке под Android для Copilot, Claude, Gemini и Cursor: Kotlin, Jetpack Compose, архитектура, Hilt, Room
MCP-сервер для управления Android-устройством через ADB: навигация по приложениям, ввод и авто-тесты
Официальные 30 скиллов команды Android: Jetpack Compose, обновление AGP 9, R8, профилирование Perfetto, Navigation 3, CameraX и политики Google Play
Консольный отладчик Android на протоколе JDWP: агент ставит точки останова и читает переменные, ответы приходят в JSON
Коротко о README
README объясняет цепочку из шести узлов и то, как скриншот вместе с uiautomator dump дает модели точные координаты. Описаны установка на Linux, macOS, Windows и в Termux, запуск через run.py с опциями числа шагов и выбора устройства, настройка моделей и Python API. Лицензия MIT.
Бейдж для README
Исходный SKILL.md
---
name: android-automation-agent
description: Use android-automation-agent to run precise Android UI automation tasks via ADB and LLM vision on the connected Android device. Trigger this skill for ANY request involving controlling, tapping, opening, searching, ordering, booking, or interacting with apps on the user's Android phone. Also trigger for "what's on my screen" or "show me the phone".
metadata:
{ "clawdbot": { "emoji": "📱", "requires": { "bins": ["adb", "python3"] } } }
---
# android-automation-agent
Automates real Android UI via ADB + LLM vision. One goal string in, one JSON result out.
---
## SECTION 1 — GOLDEN RULES (never violate these)
### Rule 1: Never rewrite the user's words
You are a DISPATCHER, not an interpreter. Your job is to pass the user's
intent to the android agent as faithfully as possible.
- User says "bike ride" → goal says "bike ride". NOT "Uber Moto".
- User says "order food" → goal says "order food". NOT "order butter chicken on Swiggy".
- User says "Instamart" → goal says "Open Instamart". NOT "Open Swiggy, navigate to Instamart".
- User says "milk" → goal says "milk". NOT "Amul Toned Milk 500ml".
The android agent reads the screen visually. It will find the right element.
You MUST trust it. Do NOT "help" by guessing UI labels, product names, or app flows.
### Rule 2: Never assume — ask first
If the user's request is missing critical information, ASK before running.