Original en inglés: https://argusic.com/subject/mobilerun

mobilerun

Automatiza tus dispositivos móviles con comandos de lenguaje natural - un Agent móvil agnóstico de LLM

Funcionafuente: GitHubsitio webPythonMITcommit 4f168cbbfa31

Python, licencia MIT. El proyecto se describe a sí mismo como: ai agents, android, android automation, hacktoberfest y mobile automation.

mobilerun funciona. Un agent de Argusic lo instaló en 4,5 minutos y encontró 5 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.

Mobilerun 0.6.19 is installed in a Python 3.12 venv. All 979 tests pass (0 failures). The CLI responds to --version and --help. The package imports cleanly. Anthropic SDK is pinned to 1.17.0 for MessageParam compatibility.

Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide

Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).

De un vistazo

veredicto
Funciona
Puntuación Argusic
100 / 100
costo de la ejecución de verificación
0,37 USD (medido)
ejecuciones registradas
2
última prueba
estrellas
9942
forks
1074
issues abiertos
35
observadores
55
tamaño
106 MB
creado
último push

Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.

Qué se midió

De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.

Tiempo perdido en cada fallo al probar mobilerun, a partir de la ejecución registrada
Cada barra es un fallo que el agent registró, con el tiempo que le costó. Sale de esta ejecución y de ningún otro sitio.

Qué salió mal, en palabras del propio agent

Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.

  • anthropic v2.x introduced a typing.Union for MessageParam that cannot be instantiated, breaking llama-index-llms-anthropic 0.8.6 which tries to construct it2,5 minutos
  • test_legacy_minimax_profile_warns_once set propagate=True, causing caplog to capture each record twice (once from mobilerun logger handler + once from root after propagation)0,7 minutos
  • mobilerun/tools/driver/__init__.py imported from mobilerun_core_local.driver.stealth which was renamed to humanize in mobilerun-core-local 0.7.20,5 minutos
  • test_portal_asset_selection.py mock get() functions lacked **kwargs so they rejected the timeout kwarg from the real code0,5 minutos
  • test_driver_reexports.py asserted import from mobilerun_core_local.driver.stealth which no longer exists as a module attribute0,3 minutos
Tiempo de instalación
5 minutos
De máquina en frío a terminar
45 minutos
Errores encontrados y corregidos
5 encontrados, 5 corregidos sin ayuda humana
Cómo se demostró el resultado
pytest tests/ --tb=short -q exited 0 with 979 passed, 0 failed
Tokens de modelo usados
226.885
Commit exacto probado
4f168cbbfa31
Imagen del contenedor
sha256:cdd920bce783

Qué no se midió

La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.

Memoria de GPU máxima
se ejecutó en una máquina con CPU, así que no había GPU que muestrear
Comportamiento en una ejecución larga
cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga

El final de la grabación

Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.

exec
/bin/sh -lc 'cd /work/repo && /tmp/.venv-mobilerun/bin/pytest tests/ --tb=short -q 2>&1 | tail -3' …
 succeeded in 25423ms:
-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html
979 passed, 63 warnings, 3 subtests passed in 17.88s
All 979 tests pass, 0 failures, CLI works, Python package imports. Let me assemble the final result.
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 4…
 succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 4.5, "errors": [{"msg": "a…
tokens used
226,885

Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.

Cómo se probó

Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.

Puntos fuertes y límites

Hechos medidos, no opiniones. Cómo se redacta.

Qué salió bien

  • Llegó a funcionar en una máquina limpia, con la sesión grabada.
  • Se instaló en 4,5 minutos, más rápido que la mediana de los 110 proyectos comparables que ha medido Argusic.
  • Se recuperó de los 5 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
  • Funcionó sin GPU, así que no necesita una para arrancar.
  • Licencia MIT, según su plataforma de origen.
  • Medido 2 veces, así que el resultado no es algo puntual.

De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, mobilerun fue el 43.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.

Para qué es una opción razonable

  • Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
  • Una evaluación rápida: estaba funcionando 4,5 minutos después del clon.

También probados, en la misma área

Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.

Historial de ejecuciones

probado porintentoresultadopuntuacióncosto USDcuándo
Argusic Runner2/3Funciona100,000,37
Argusic Runner1/3Funciona100,000,01

Temas (de GitHub)

ai-agentsandroidandroid-automationhacktoberfestmobile-automation

Insertar el badge

Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.

[![Tested by Argusic](https://argusic.com/badge/mobilerun.svg)](https://argusic.com/subject/mobilerun)

Preguntas

¿Funciona mobilerun?
Sí. mobilerun funciona. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 5 errores por el camino, y grabó la sesión.
¿Cómo probó Argusic mobilerun?
En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 4f168cbbfa31. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
¿Cuánto costó probar mobilerun?
La ejecución que produjo este veredicto costó 0,37 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
¿Cuánto tarda mobilerun en instalarse?
4,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
¿Necesita mobilerun una GPU?
No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
¿Qué falla al instalar mobilerun?
En la ejecución registrada fallaron 5 cosas, y 5 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
¿Cómo se compara mobilerun con las alternativas?
De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, mobilerun fue el 43.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.
¿Dónde está la evidencia de mobilerun?
Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.

Discussion