應該很多人都希望 AI 代理幫你操作手機，比如說比價、每日任務打卡、查資料、發訊息…，但一直無法實現。過去想做這件事得先過三道關卡：安裝命令列工具、配對裝置、處理系統權限。不過開源專案 phone-harness 近日推出官方 MCP 伺服器，把整條流程壓縮成一個網址。任何支援 MCP 的代理，包括 Claude、ChatGPT、Cursor、Codex、Hermes，只要貼上 https://mcp.phone-harness.com/mcp 並完成登入，就能讓AI 看見雲端真機的畫面，接著點擊、輸入、滑動，像使用者本人一樣操作。
Introducing: Phone Harness MCP 🔌
Any agent that supports MCP can now control a real iPhone or Android in the cloud:
> works in Claude, ChatGPT, Cursor, Codex, and more as a custom connector
> nothing to install, just paste a URL and sign in
> sees the screen, taps, types, and swipes like you doAvailable in phone-harness 0.3.3.
https://t.co/88u1gSgvtS
— shawn (@shawn_pana) November 2, 2026
它註冊了哪些工具
託管伺服器一共註冊 14 個工具，命名沿用行動自動化專案 mobile-mcp 的習慣，讓用過同類工具的代理不必重新學習。除了前兩個之外，每個工具都要帶一組裝置代號，該代號由 phone_list_available_devices 取得。
- 裝置生命週期：
phone_start_device啟動手機並等到就緒，phone_stop_device結束工作階段，未存檔的內容會遺失，雲端 Android 的計費也在停止後結束。 - 讀取畫面：
phone_take_screenshot回傳 JPEG，並附上一行換算資訊，把圖片座標轉成螢幕座標；phone_list_elements_on_screen列出畫面上看得見的文字與可點擊中心點。 - 操作輸入：點擊、長按、滑動、輸入文字，以及 HOME、BACK、APP_SWITCHER 等系統鍵。
- App 管理：列出已安裝的 App，並以圖示名稱或套件代號開啟，也能查詢目前前景是哪個 App。
說明文件裡標註了一件事，這組工具沒有開啟網址的功能。本機端的 stdio 版本另外提供 phone_save_screenshot，能把畫面存成檔案。
設定方式與客戶端限制
傳輸走 Streamable HTTP，登入用 OAuth，要求的權限範圍是 phone:drive，也可以改送 API 金鑰作為 bearer token。README 逐一列出 Claude、Cursor、ChatGPT、Codex、Claude Code、VS Code、Windsurf、Grok、Devin、Gemini CLI、GitHub Copilot、Perplexity、Warp、Raycast、Manus、Zed 與 OpenClaw 的設定步驟，多數只需一行指令或一段 JSON。ChatGPT 端有額外門檻：網頁版的自訂 MCP 伺服器只開放 Business、Enterprise 與 Edu 工作區，Pro 帳號能連的僅限讀取與抓取類工具，要真的驅動手機得用前者。
命令列版與 MCP 版的分工
兩個版本在 PyPI 上是各自獨立的套件。命令列版 phone-harness 目前是 0.3.3，涵蓋本機 iPhone 鏡像、本機 Android 與雲端裝置三條路線，其中，本機 iPhone 需要 macOS 15 以上、配對過的 iPhone 鏡像，並為執行代理的程式開啟輔助使用與螢幕錄製權限；本機 Android 則可在 Windows、macOS 或 Linux 上透過 adb 與 USB 或無線偵錯連接。MCP 版 phone-harness-mcp 是 0.1.0，只連雲端，官方說法是「不需配對、不需 adb、不需 Mac，任何作業系統都能用」。兩者共用同一組底層能力，差別在於誰來呼叫：命令列版讓代理自己寫腳本，MCP 版把動作拆成一次次工具呼叫。除了 MCP，主專案也提供代理外掛，Hermes Agent 與 OpenClaw 都有官方整合套件。
Windows＋Android 本機實測：直接控制自己的手機
「只支援雲端」指的是本文介紹的 phone-harness-mcp，並非整個 Phone Harness 專案。另一個命令列套件 phone-harness 支援直接控制使用者自己的手機：Android 可在 Windows、macOS 或 Linux 上透過 ADB，以 USB 或無線偵錯連接；本機 iPhone 則需要 Mac 與 iPhone 鏡像功能。詳細需求可參考官方安裝說明。
我們實測使用 Windows 電腦，準備好 uv、ADB 與 Phone Harness，再將 Android 手機透過 USB 連接並授權偵錯，就能讓 AI Agent 開啟 X、瀏覽指定帳號的公開貼文。實際控制路徑是「AI Agent → Windows 上的 Phone Harness → ADB／USB → 自己的 Android 手機」，使用的是手機上既有的 App 與登入狀態，過程不需登入 Phone Harness Cloud，也沒有產生該服務的雲端手機租用費用。
相較於貼上網址就能連接的雲端 MCP，本機模式需要自行準備工具、完成手機授權，並維持連線；手機鎖定後，也需要使用者親自解鎖才能繼續操作。Android 使用者可參考官方 USB 與無線偵錯設定說明。
這裡的「本機模式」指手機控制程式在自己的電腦執行；AI 模型是否在本機運算，取決於使用的代理與模型，並不代表整套流程完全離線。自行使用的 AI 服務也可能另有訂閱或 API 費用。
雲端手機的價格與型態
MCP 版目前只支援雲端裝置，本機的 iPhone 鏡像與 adb 不在其中。雲端 Android 模擬器免費啟動，之後每分鐘 0.05 美元（約新台幣 1.63 元），新帳號附 5 美元額度（約新台幣 163 元）。雲端 iPhone 走月租制：原價每月 80 美元（約新台幣 2,607 元），年繳打八折為每月 64 美元（約新台幣 2,086 元）；加上 eSIM 則分別是 100 美元與 80 美元（約新台幣 3,259 元與 2,607 元）。官網強調真機不按分鐘計費，只有模擬器才這樣算。真機方案主打 App 會把操作視為真人、可收簡訊與 2FA 驗證碼、登入狀態跨次保留。
模擬器每次工作階段給一台全新的 Android，也可以指定一台已存檔的手機，讓 App 與登入狀態留著。雲端 iPhone 是配給帳號的真機，從任何作業系統透過 HTTPS 驅動。兩者都能在瀏覽器裡開一個即時檢視視窗，邊看代理操作邊介入。官網首頁用一組情境示意這種能力：代理代替使用者傳訊息給家人、叫一輛 Waymo、把洗髮精加進 Amazon 購物車，以及核准一次 GitHub 登入。
底層怎麼運作
主專案的技術路線分成四種：iPhone 走 macOS 的鏡像視窗，截圖後交給 Apple Vision 框架做文字辨識，再以 HID 層級的 CGEvent 送出觸控；Android 以 adb 為傳輸，截圖用 screencap，文字取自手機本身的無障礙樹，輸入交給 input 指令，USB 或 Wi-Fi 都能跑；雲端 Android 是同一條路搬到託管手機；雲端 iPhone 改走 HTTPS。四種裝置共用同一組 helper 函式，寫給 iPhone 的腳本能直接拿到 Android 上跑。
Phone Harness MCP
限制與資安考量
專案在 README 裡把極限寫得直白：
- 解鎖實體手機會讓鏡像暫停，設定 PIN 碼的 Android 得靠使用者親自解鎖。
- OCR 只認文字不認圖示，沒有標籤的按鈕需要截圖加上能看圖的模型。
- 不支援多點觸控、相機與 Face ID 流程，DRM 影片會呈現全黑。
- 連接手機永遠是使用者自己的工作。
總結
Phone Harness MCP 讓代理操作手機的門檻，壓到只剩一個網址與一次登入。代價是每分鐘計費的模擬器、月租真機，以及必須自己把關的審批設定。想測試行動自動化流程的團隊，5 美元額度足夠跑完一輪驗證；要正式上線，得先想清楚誰有權按下那個「允許」。
