Droidrun

Le das al agente un objetivo en palabras corrientes y él deduce los toques, deslizamientos y texto necesarios para llegar. Eso elimina el mantenimiento de selectores que vuelve frágiles los scripts móviles, porque el modelo relee la pantalla en cada paso y se adapta a los cambios de diseño.

Droidrun combina el árbol de accesibilidad con las capturas de pantalla, de modo que el agente entiende la estructura de los elementos y ve lo mismo que vería una persona. El modo visión envía capturas al modelo, y un modo solo capturas cubre las apps que no exponen datos de accesibilidad útiles, un hueco habitual en juegos y pantallas con mucho lienzo.

Un agente gestor planifica el trabajo y un agente ejecutor realiza cada paso por turno, comprobando el avance sobre la marcha. El modo razonamiento encaja en flujos de reserva y cambios de ajustes que cruzan varias apps, mientras que un modo directo más ligero resuelve acciones rápidas de un solo golpe sin la carga de la planificación.

El framework funciona con OpenAI, Anthropic, Gemini, xAI, Ollama, DeepSeek, OpenRouter y cualquier endpoint compatible con OpenAI. Puedes fijar un modelo distinto por agente, así un modelo más potente planifica y uno más barato ejecuta, lo que baja el coste en tareas largas.

Puedes ampliar los agentes con funciones propias, añadir guías específicas por app llamadas app cards y devolver resultados como datos tipados mediante modelos de Pydantic. Esto convierte un agente de automatización general en una herramienta afinada para una app o un flujo concreto, y deja la salida lista para consumir después.

Mobilerun Cloud ofrece teléfonos Android alojados e iPhones dedicados con IP residencial propia, además de números solo de recepción y buzones para pasos de registro y verificación. Puedes levantar muchos teléfonos a la vez, ejecutar la misma automatización en paralelo y gestionarlo todo desde una API, que es donde el diseño local del framework rinde a gran escala.