AI 现在能直接操作你的 iPhone

AI iPhone MCP Agent

发布于 2026-11-08 03:30:01 3 次浏览

11 月 5 日，一个叫 poki 的项目开源，两天 521 星。

它干的事一句话能说完：让 AI 直接操作一台真 iPhone。不用越狱，不用额外硬件，Mac 用 USB 连上手机就行。

不是投屏让你自己点，是 agent 自己点。

poki 的演示：agent 在真机上自己操作

它是怎么工作的

结构分三层：

装好之后，在 Claude Code 里注册一下：

claude mcp add --scope user poki-mcp -- node "$PWD/src/stdio.mjs"

然后就可以让它干活了：

poki "在 Chrome 里搜 esp32，总结第一条结果"

它自己打开浏览器、输入、等待、读屏、总结。你看到的是手机屏幕在动。

poki 自带的 agent 默认用 GPT-6.1 Terra、低推理档。作者说这是他们测过的手机任务里启动最快的一套；也可以换模型，或者直接用自己的 Claude Code / Codex 订阅，不用额外买模型账号。

手机 agent 这两年一直有个尴尬：演示很酷，真用起来处处碰壁。

模拟器里没有你的微信、你的银行 App、你的公司内网应用；云手机要上传账号，验证码和风控还经常拦。真机的价值就在这儿——它是一个已经登录好、有历史、有权限的完整环境。

poki 抓的就是这个空隙。它能操作的不只是浏览器，而是你手机上装的所有 App。搜索、填表、发消息、点外卖、走一遍只有 App 里才有的流程，理论上都能做。

代价也很直接：它能发消息，就会真的发出去；你让它付款，它就真的付款。README 里写得很清楚，这不是比喻。

poki 目前只支持 macOS，要求不轻：

首次构建要几分钟。作者提供了预编译的 macOS arm64 包，省掉 Rust 和 setup，但 Xcode、Node、Python、ffmpeg 还是得有。

物理 iPhone 要先跟 Mac 用 USB 配对，打开开发者模式。官方说真机只在中文界面的 iPhone 上验证过；只支持竖屏；App 容器导出、直接跳设置子页这些功能在真机上不可用。

Linux 和 Windows 有社区移植，但作者明确说没测过。

第一，屏幕内容会离开你的手机。

poki 要把截图发给模型服务，模型才知道屏幕上有什么。README 的原话是：屏幕内容会发送到你配置的模型服务。涉及隐私的页面，最好别让它碰。

第二，权限给出去就收不回来。

它能点，就意味着能点错。支付确认、删除对话、发送消息，这些操作没有二次确认的话，一次误判就是真实后果。用之前想清楚哪些 App 不该让它进。

第三，平台规则。

自动化操作真实 App，可能违反某些 App 的服务条款；用别人的账号、刷量、绕过风控，更是另一回事。项目本身是 AGPL-3.0，代码开源不等于用法没有边界。

poki 这类项目真正改变的，不是“AI 能不能点手机”，而是“AI 能不能进入你已经在用的那个世界”。

过去 agent 被困在浏览器和 API 里，遇到只有 App 才有的流程就断了。真机操作把这条路接上了，虽然接得很粗糙：要 Mac、要 Xcode、要 USB、只验证了中文竖屏。

但方向很清楚。手机是人每天用得最久的计算设备，agent 迟早要进去。现在的问题是，进去之后，谁来决定它能点哪里。

相关链接：