Droidrun
Droidrun GmbH · Sonstiges
Droidrun ist ein Open-Source-Framework für mobile Agenten, das Android- und iOS-Geräte per natürliche Sprachbefehle steuert und Cloud-Telefone zum Skalieren bietet.
Über Droidrun
About
Was ist Droidrun
Droidrun ist ein Open-Source-Framework für mobile Agenten, mit dem LLM-Agenten Android- und iOS-Geräte steuern. Es deckt Android-Automatisierung und iOS-Automatisierung mit demselben Kern ab. Sie beschreiben eine Aufgabe in natürlichen Sprachbefehlen, der Agent liest den Bildschirm und tippt, wischt und schreibt sich durch jede App, bis die Arbeit erledigt ist. Es kommt als Python-Paket und als Kommandozeilen-Werkzeug, sodass Sie es auf einem Telefon neben sich laufen lassen oder in eine größere Automatisierungskette einbinden können.
Das Projekt entstand aus einem konkreten Problem. Klassische mobile Automatisierung hängt an handgeschriebenen UI-Selektoren, die bei jedem Layoutwechsel einer App brechen. Droidrun verwirft diesen Ansatz und überlässt die Entscheidungen einem Modell, das sich anpasst, was der Bildschirm zeigt. Derselbe Kern treibt einen gehosteten Dienst namens Mobilerun Cloud an, bei dem Sie Cloud-Telefone mieten und Agenten laufen lassen, ohne ein Gerät im eigenen Netz zu halten.
Die Einschränkung: Es ist ein Entwicklerwerkzeug. Für Menschen ohne Programmierkenntnisse gibt es keinen Baukasten, und Sie sollten mit Terminal, Python oder einer API vertraut sein. Lokale Läufe erwarten außerdem ein echtes Gerät oder einen Emulator mit eingerichtetem ADB, und die Hardware liefert das Framework nicht mit. Echten Nutzen ziehen Sie daraus, wenn Sie Code schreiben oder auf die Cloud setzen.
Erste Schritte
- Installieren Sie das Paket mit
uv tool install mobilerunoderpip install mobilerun, mit Python 3.11 bis 3.13. - Führen Sie
mobilerun setupaus, um die Portal-App auf einem Android-Gerät zu installieren und ihren Bedienungshilfe-Dienst zu aktivieren, oder nutzen Sie den iOS-Portal-Ablauf auf einem iPhone. - Führen Sie
mobilerun configureaus, um Anbieter, Anmeldeverfahren und Modell zu wählen. - Senden Sie Ihre erste Aufgabe mit
mobilerun run "Open settings and turn on dark mode". - Ergänzen Sie
--visionfür die Bildschirmauswertung oder--reasoningfür längere mehrstufige Aufgaben, und übertragen Sie dieselben Aufrufe dann in ein Python-Skript oder die Cloud-API.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Droidrun.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler, die mobile Automatisierung bauen
- QA-Teams, die mobile Apps testen
- Teams, die Skalierung ohne Hardware brauchen
Aufgaben
- Wiederkehrende Abläufe in einer App automatisieren
- Daten aus nativen Apps ziehen
- Die mobile Oberfläche je Version testen
Szenarien
- Ein Ablauf, der rund um die Uhr laufen muss
- Eine App mit vielen Konten oder Regionen testen
- Automatisierung testen, bevor Sie in Infrastruktur investieren
Wichtigste Funktionen
Gerätesteuerung per natürlicher Sprache
Sie geben dem Agenten ein Ziel in gewöhnlichen Worten, und er leitet die nötigen Tipper, Wischer und Texteingaben ab. Das erspart die Selektor-Pflege, die mobile Skripte brüchig macht, weil das Modell in jedem Schritt den Bildschirm neu liest und sich Layoutänderungen anpasst.
Vision und Bedienungshilfe-Baum kombiniert
Droidrun verbindet den Bedienungshilfe-Baum mit Bildschirmfotos, sodass der Agent die Struktur der Elemente versteht und dasselbe sieht wie ein Mensch. Der Vision-Modus schickt Fotos ans Modell, und ein reiner Foto-Modus deckt Apps ab, die keine brauchbaren Bedienungshilfe-Daten liefern, eine häufige Lücke bei Spielen und stark grafischen Ansichten.
Reasoning-Modus für mehrstufige Aufgaben
Ein Manager-Agent plant die Arbeit, ein Executor-Agent führt jeden Schritt der Reihe nach aus und prüft den Fortschritt unterwegs. Der Reasoning-Modus passt zu Buchungsabläufen und Einstellungsänderungen über mehrere Apps hinweg, während ein leichterer Direktmodus schnelle Einzelaktionen ohne Planungsaufwand erledigt.
Modellunabhängig ohne Anbieterbindung
Das Framework arbeitet mit OpenAI, Anthropic, Gemini, xAI, Ollama, DeepSeek, OpenRouter und jedem OpenAI-kompatiblen Endpunkt. Sie können pro Agent ein anderes Modell festlegen, sodass ein stärkeres plant und ein günstigeres ausführt, was die Kosten bei langen Aufgaben senkt.
Eigene Werkzeuge, App Cards und strukturierte Ausgabe
Sie können Agenten mit eigenen Funktionen erweitern, appspezifische Hinweise namens App Cards anhängen und Ergebnisse als typisierte Daten über Pydantic-Modelle zurückgeben. Das macht aus einem allgemeinen Automatisierungsagenten ein Werkzeug für eine bestimmte App oder einen Ablauf und liefert die Ausgabe direkt weiterverwendbar.
Cloud-Telefone und Flottensteuerung
Mobilerun Cloud bietet gehostete Android-Telefone und dedizierte iPhones mit eigener Residential-IP, dazu reine Empfangsnummern und Postfächer für Anmelde- und Bestätigungsschritte. Sie können viele Telefone gleichzeitig starten, dieselbe Automatisierung parallel laufen lassen und alles über eine API verwalten, und genau hier zahlt sich der lokale Ansatz des Frameworks im großen Maßstab aus.
Vor- und Nachteile
Vorteile
- Open Source unter der MIT-Lizenz, also keine Lizenzgebühr, und Sie können den Code lesen oder forken.
- Modellunabhängig, sodass Sie nicht an einen Anbieter gebunden sind und Aufgaben zwischen günstigen und starken Modellen verteilen können.
- Gute öffentliche Benchmark-Werte, das Team meldet 100 % offiziellen Score auf AndroidWorld und 98,24 % im Mittel auf iOSWorld in seinen Aufgabensätzen.
- Klarer Weg vom lokalen Prototyp zu verwalteten Cloud-Telefonen, sodass ein Projekt wächst, ohne den Kern neu zu schreiben.
Nachteile
- Es ist ein Entwicklerwerkzeug, wer nicht programmiert, hat keinen Weg ohne Code und muss über Terminal, Python oder API gehen.
- Lokale Läufe brauchen ein echtes Gerät oder einen Emulator mit eingerichtetem ADB, was vor der ersten Aufgabe einen Schritt kostet.
- Gehostete Telefone und Zusatzmodule werden getrennt vom kostenlosen Framework abgerechnet, Betrieb im großen Maßstab kostet also Geld.
- Python 3.14 wird noch nicht unterstützt, Sie müssen vorerst bei 3.11 bis 3.13 bleiben.
Häufige Fragen
Ja, zumindest derzeit. Das Framework richtet sich an Entwickler und stellt seine Funktionen über eine CLI und eine Python-API bereit. Die gehostete Ebene Mobilerun Cloud mildert das für Teams, die verwaltete Telefone wollen, doch einen visuellen Baukasten für Menschen ohne Code gibt es weiterhin nicht.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Droidrun.
Alternativen zu Droidrun
BinkBink
BinkBink · SonstigesBinkBink ist eine kostenlose Online-Spielplattform und ein KI-Spielmacher, mit dem jeder eine kurze Textbeschreibung in ein spielbares Browser-Spiel verwandeln kann. Sie springen in Hunderte von der Community erstellte Spiele. Oder Sie beschreiben Ihre eigene Idee, spielen sie in Sekunden und teilen sie dann mit Freunden. Sie wollen Ihr eigenes Spiel erstellen? Sie müssen nicht programmieren. Kein Einrichten einer Engine, kein Download, kein Aufwand.
Audiogen
Audiogen Inc. · SonstigesAudiogen ist ein KI-Musikgenerator des Unternehmens Audiogen Inc., eines kleinen Forschungsteams, das rund 2,5 Jahre damit verbrachte, ein eigenes generatives Musikmodell zu trainieren und eine Web-Oberfläche darum herum zu entwerfen. Statt eines einfachen Textfelds verwandelt dieses KI-Musik-Tool die Zeitleiste in eine anfängerfreundliche Generative Audio Workstation, kurz GAW, in der Inpainting, Verlängern, Remixen und Stem-Bearbeitung eher wie Malen auf einer Leinwand funktionieren. Das Produkt ist noch in der Beta, der Zugang läuft also über eine Warteliste oder eine Einladung. Bezahlpläne sind noch nicht veröffentlicht.
Aiml API
AIMLAPI OÜ · SonstigesAiml API ist eine einheitliche KI-Modell-API, die über 1000 Modelle von OpenAI, Google, Anthropic und anderen hinter einem einzigen Endpunkt und einer einzigen Rechnung bündelt. Sie schreiben Code gegen ein einziges OpenAI-kompatibles Schema und wechseln dann zwischen Chat-, Bild-, Video- und Audiomodellen, indem Sie eine Modellzeichenfolge ändern. Sie passt zu Entwicklern und kleinen Teams, die multimodalen Zugriff wollen, ohne ein Dutzend getrennte Anbieterkonten zu verwalten, und sie beseitigt den üblichen Rechnungsstress beim Testen mehrerer Anbieter. Ein Schlüssel deckt alles ab.