droidrun-docs

DroidRun to otwartoźródłowy framework do automatyzacji mobilnej poprzez agentów LLM. Pozwala kontrolować urządzenia Android i iOS za pomocą poleceń w języku naturalnym, bez pisania tradycyjnego kodu. Obsługuje wiele modeli LLM (Google Gemini, OpenAI, Ollama, OpenRouter, Anthropic, DeepSeek) i oferuje elastyczną architekturę z trybem rozumowania (planowanie + wykonanie) lub trybem bezpośrednim (generowanie i wykonywanie kodu Python). Idealne do testowania aplikacji mobilnych, automatyzacji zadań i tworzenia agentów sterujących interfejsem urządzenia.

1. Zainstaluj DroidRun za pomocą menedżera pakietów: uruchom uv tool install droidrun. Upewnij się, że masz zainstalowany Python 3.11 lub nowszy oraz Android Debug Bridge (ADB) dostępny w ścieżce systemowej.

2. Przygotuj urządzenie mobilne: podłącz urządzenie Android lub iOS do komputera za pośrednictwem USB. Na urządzeniu Android zainstaluj Portal APK, który umożliwia agentom komunikację z interfejsem. Włącz debugowanie USB w ustawieniach deweloperskich.

3. Skonfiguruj model LLM: wybierz dostawcę (Google Gemini, OpenAI, Ollama lub inny) i ustaw wymagane klucze API jako zmienne środowiskowe. Domyślnie DroidRun obsługuje kilka popularnych modeli bez dodatkowych zależności.

4. Utwórz skrypt lub interaktywną sesję, w której zdefiniujesz zadanie dla agenta w języku naturalnym, np. "Otwórz aplikację, zaloguj się, przejdź do ustawień". DroidRun automatycznie rozbije polecenie na kroki i będzie wykonywać akcje na urządzeniu.

5. Wybierz tryb pracy: użyj trybu rozumowania (reasoning=True), jeśli chcesz, aby agent planował kroki przed wykonaniem, lub trybu bezpośredniego (reasoning=False), aby agent natychmiast generował i wykonywał kod Python. Tryb rozumowania jest bardziej niezawodny dla złożonych zadań.

6. Monitoruj wykonanie poprzez zrzuty ekranu i logi śledzenia. DroidRun udostępnia narzędzia do debugowania i strukturyzowanego wyodrębniania danych z interfejsu urządzenia, co przydaje się przy walidacji wyników automatyzacji.