Droidrun

Você dá ao agente um objetivo em palavras comuns e ele deduz os toques, deslizes e textos necessários para chegar lá. Isso dispensa a manutenção de seletores que deixa os scripts mobile frágeis, porque o modelo relê a tela a cada passo e se adapta às mudanças de layout.

O Droidrun combina a árvore de acessibilidade com as capturas de tela, então o agente entende a estrutura dos elementos e enxerga o mesmo que uma pessoa veria. O modo visão envia capturas ao modelo, e um modo só capturas cobre apps que não expõem dados úteis de acessibilidade, uma lacuna comum em jogos e telas com muito canvas.

Um agente gerente planeja o trabalho e um agente executor realiza cada passo na sequência, conferindo o avanço pelo caminho. O modo raciocínio encaixa em fluxos de reserva e mudanças de configuração que cruzam vários apps, enquanto um modo direto mais leve resolve ações rápidas de um só golpe sem o peso do planejamento.

O framework funciona com OpenAI, Anthropic, Gemini, xAI, Ollama, DeepSeek, OpenRouter e qualquer endpoint compatível com OpenAI. Você pode definir um modelo diferente por agente, assim um modelo mais forte planeja e um mais barato executa, o que derruba o custo em tarefas longas.

Você pode ampliar os agentes com funções próprias, anexar orientações específicas por app chamadas app cards e devolver resultados como dados tipados por meio de modelos do Pydantic. Isso transforma um agente de automação geral em uma ferramenta afinada para um app ou fluxo, e deixa a saída pronta para consumo adiante.

O Mobilerun Cloud oferece celulares Android hospedados e iPhones dedicados com IP residencial próprio, além de números só de recebimento e caixas de entrada para etapas de cadastro e verificação. Você pode subir muitos celulares de uma vez, rodar a mesma automação em paralelo e gerenciar tudo por uma API, que é onde o desenho local do framework rende em larga escala.