Droidrun
Droidrun GmbH · その他
Droidrun は LLM エージェントが自然言語コマンドで Android と iOS 端末を操作するオープンソースのモバイルエージェントフレームワークで、Android 自動化と iOS 自動化を同じ中核でこなす。
Droidrun について
About
Droidrun とは
Droidrun は LLM エージェントで Android と iOS 端末を操作するオープンソースのモバイルエージェントフレームワークだ。日常の言葉でタスクを伝えると、エージェントは画面を読み、任意のアプリの中でタップ、スワイプ、文字入力を行い、仕事が終わるまで動き続ける。Python パッケージとコマンドラインツールとして提供されるため、手元のスマートフォンで動かすことも、より大きな自動化の流れに組み込むこともできる。
このプロジェクトは具体的な課題から生まれた。従来のモバイル自動化は手書きの UI セレクタに依存し、アプリがレイアウトを変えるたびに壊れる。Droidrun はその発想を捨て、判断をモデルに委ねる。モデルは画面に映る内容に合わせて動きを変える。同じ中核が Mobilerun Cloud というホスト型サービスを支えており、クラウド上のスマートフォンを借りて、自社ネットワークに端末を置かずにエージェントを走らせられる。
制約は、これが開発者向けのツールだという点にある。コードを書かない人向けのビジュアルエディタはなく、ターミナル、Python、API に慣れている必要がある。ローカル実行には実機か ADB を設定したエミュレータが要り、フレームワーク自体はハードウェアを用意しない。本当に価値を引き出すには、コードを書くかクラウドのプランに頼ることになる。
はじめかた
uv tool install mobilerunまたはpip install mobilerunでパッケージを導入する。Python は 3.11 から 3.13 を使う。mobilerun setupを実行し、Android 端末に Portal アプリを入れてユーザー補助サービスを有効にする。iPhone では iOS の Portal フローを使う。mobilerun configureを実行し、プロバイダー、認証方法、モデルを選ぶ。mobilerun run "Open settings and turn on dark mode"で最初のタスクを送る。- スクリーンショット解析には
--visionを、長い多段タスクには--reasoningを足し、同じ呼び出しを Python スクリプトやクラウド API へ移す。
AIツール情報
Droidrunの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- モバイル自動化を組む開発者：Python API と CLI でエージェントを完全に制御できる。ただしコードを書けることが前提だ。
- モバイルアプリをテストする QA チーム：エージェントは実機の上で本物のユーザーのように動き、固定セレクタが取りこぼす破損を見つける。
- ハードウェアを持たずに規模を出したいチーム：クラウドのプランで Android と iOS の端末を借りられるため、端末の山を買って維持する必要がない。
タスク
- アプリ内の繰り返し作業の自動化：グループチャットの要約から予約投稿まで、普段スマートフォンで手作業することを幅広くカバーする。
- ネイティブアプリからのデータ抽出：公開 API のない画面から構造化した結果を引き出し、型付きデータとして返す。
- バージョン間のモバイル UI 回帰テスト：同じ操作の流れをアプリの各バージョンで流し、画面が期待どおりに動くか確かめる。
シーン
- 24 時間動かしたいワークフロー：ホスト型の端末ならエージェントを夜通し動かせて、自分の端末を占有しない。
- 多数のアカウントや地域でアプリを試す：フリート編成は複数の端末を同時に立ち上げ、それぞれに固有の身元を持たせる。
- インフラ投資の前に自動化を試作する：無料のフレームワークがローカルで動くので、クラウド端末に払う前にアイデアを検証できる。
主な機能
自然言語による端末操作
日常の言葉で目標を渡すと、エージェントがそこへ至るタップ、スワイプ、文字入力を自分で組み立てる。モバイルスクリプトを脆くするセレクタの保守が不要になり、モデルは各手順で画面を読み直してレイアウトの変化に合わせる。
視覚とユーザー補助ツリーの併用
Droidrun はユーザー補助ツリーとスクリーンショットを組み合わせ、エージェントが要素の構造を理解しつつ、人が見るのと同じ画面も見られるようにする。視覚モードはスクリーンショットをモデルに送り、スクリーンショットのみのモードは有用なユーザー補助データを出さないアプリに対応する。ゲームや描画の多い画面でよくある穴を埋める。
多段タスク向けの推論モード
マネージャーエージェントが作業を計画し、エグゼキューターエージェントが各手順を順に実行して進み具合を確かめる。推論モードは複数のアプリをまたぐ予約の流れや設定変更に向き、軽量な直接モードは計画の負担なしで素早い単発の操作を片付ける。
プロバイダーに縛られないモデル対応
フレームワークは OpenAI、Anthropic、Gemini、xAI、Ollama、DeepSeek、OpenRouter、そして OpenAI 互換の任意のエンドポイントで動く。エージェントごとに別のモデルを指定でき、強いモデルが計画し安いモデルが実行する形にすれば、長いタスクのコストを抑えられる。
カスタムツール、App Cards、構造化出力
カスタム関数でエージェントを拡張し、App Cards と呼ぶアプリ固有の指針を添え、Pydantic モデルで結果を型付きデータとして返せる。汎用の自動化エージェントが特定のアプリやワークフロー向けに調整された道具になり、出力も後段で扱いやすくなる。
クラウドフォンとフリート編成
Mobilerun Cloud は専用のレジデンシャル IP を備えたホスト型 Android 端末と専用 iPhone を提供し、登録や認証の手順向けに受信専用番号とメールボックスも用意する。多数の端末を一度に立ち上げ、同じ自動化を並行して走らせ、すべてを 1 つの API で管理できる。ローカル優先の設計が規模で効いてくる場面だ。
メリットとデメリット
メリット
- MIT ライセンスのオープンソースなので、ライセンス料が不要でコードを読むこともフォークすることもできる。
- モデルに依存しないため特定ベンダーに縛られず、安いモデルと強いモデルの間でタスクを振り分けられる。
- 公開ベンチマークの成績が良く、チームは自社のタスク集で AndroidWorld の公式スコア 100%、iOSWorld の平均 98.24% を報告している。
- ローカルの試作から管理型のクラウド端末まで道筋が明確で、中核を書き直さずにプロジェクトを育てられる。
デメリット
- 開発者向けツールであり、コードを書かない人にはノーコードの道がなく、ターミナル、Python、API のいずれかを通す必要がある。
- ローカル実行には実機か ADB を設定したエミュレータが要り、最初のタスクの前にひと手間かかる。
- ホスト型の端末と追加オプションは無料のフレームワークとは別に課金されるため、規模を出すほど費用がかさむ。
- Python 3.14 にはまだ対応しておらず、当面は 3.11 から 3.13 に留まる必要がある。
よくある質問
少なくとも現時点では必要だ。このフレームワークは開発者を対象に、CLI と Python API で機能を提供する。ホスト型の Mobilerun Cloud は管理端末を求めるチーム向けに敷居を下げるが、コードを書かない人向けのドラッグ＆ドロップのエディタは今も存在しない。
関連コンテンツ
Droidrunに関連するツール、スキル、記事を探す。
Droidrunの代替ツール
Odyssey 3
Odyssey · その他Odyssey-3はOdysseyの基盤ワールドモデルだ。物理をリアルタイムにシミュレーションし、プロンプトからインタラクティブな環境を生成して、ロボットや車、ゲームに適応する。
JarvisCore
Prescott Data · コーディング · 生産性向上 · その他JarvisCore は、AI エージェントが対等なピアとしてメッシュを組み、共有台帳からタスクを引き受け、ゼロトラストのブローカー経由で外部サービスを呼ぶオープンソースの Python ランタイムである。
Clef
Cloudflare · ビジネス · その他Clef は Workers AI で動く Cloudflare のオープンソース意思決定モデルだ。生成テキストではなく、型付きの設問に確率を返す。エージェントは素早く分類し、振り分け、行動できる。