iphone-use
Let AI agents drive a real iPhone, even apps with no API
概述
iphone-use 是一个开源（MIT）工具，让 AI Agent 通过 WebDriverAgent 直接操作真实 iPhone——把屏幕转成文本、执行点击/输入/滚动，并为每个动作返回明确状态（已生效、未发送、未知），从而让没有 API 的 App 也能被自动化。
创新点
三点比较突出：一是把「屏幕转文本」而非纯截图喂给模型，显著降低 token 成本并规避截图被支付类 App 屏蔽的问题（降级为线框图仍可推理）；二是动作结果三态回执（applied/not sent/unknown），承认自动化的不确定性而不是假装成功，这对可靠性要求高的场景很关键；三是「一次执行录制为 flow，之后无需模型重放」，把 LLM 的不确定性从重复任务中剥离，成本和稳定性都受益。21 个工具的 MCP Server 直接对接 Claude Code，踩在 MCP 生态的窗口期上。
目标用户
构建移动端 AI Agent 的开发者、需要自动化无 API App 的测试/运营团队、Claude Code 等 MCP 生态用户；个人开发者和中小团队为主。
竞争格局
空间拥挤。上层有 Appium、Maestro、Detox 等成熟移动自动化框架，底层同样依赖 WebDriverAgent/XCUITest——iphone-use 的差异化不在驱动层而在「面向 LLM 的接口设计」。同时面临 browser-use 同门的 Android 方案、Mobile-Agent/AppAgent 等学术项目，以及各大厂内置的 Computer Use / 手机操控能力（如各家的手机 Agent）。开源 MIT 意味着驱动层很容易被复制，护城河需要靠流程录制、可靠性和 MCP 集成深度来建立。
标签
相关产品
OpenAI's most capable model for end-to-end work
Anthropic's most capable model ever — free until June 22
Fast, capable computer use at half the price
Google's image model with sharper design and mask editing
Prompt, edit and prototype without leaving the canvas
Frontier AI intelligence, now at half the price