手机操控新姿势：将 hermes-phone-agent 改造为 MCP 模式实战记录

最近在折腾 AI Agent 自动化流的朋友可能对 hermes-phone-agent 这个项目不陌生，它原本能让我们通过指令远程操控手机，干点自动签到、截图测试的活儿。不过，随着 Anthropic 推出的 MCP (Model Context Protocol) 协议越来越火，原有的独立运行模式就显得有点“孤岛”了。

今天看到一个很硬核的改造分享，有博主直接把原本的 hermes-phone-agent 打造成了标准的 MCP 服务。这个改动看似折腾，实际上解决了一个大痛点：如何让手机控制能力无缝接入 Claude Desktop 或其他支持 MCP 的客户端。

MCP 协议使得 AI 能够直接调用工具控制手机，保持上下文连贯

为什么非要折腾成 MCP？

在这次改造之前，如果你想用 AI 刚手机，通常得单独起一个服务，然后通过 API 或者复杂的插件去对接。这种方式最大的问题是上下文割裂。AI 模型往往不知道你手机当前的具体状态（比如装了什么 App、当前电量、屏幕画面），对话时你还得不断手动上传截图。

改造成 MCP 形式后，手机就变成了 AI 的一个“肢体”。通过 MCP 协议，Claude 等大模型可以直接调用“工具”来获取屏幕信息、点击按钮或输入文字。所有的操作都在同一轮对话上下文中完成，不需要来回切换窗口，交互逻辑瞬间顺畅了不少。

通过 ADB 指令封装实现底层硬件控制

改造的核心思路

从技术角度来说，这次改造的核心在于把 Android ADB 的控制指令封装成 MCP Server 的标准工具接口。简单来说，就是做了这么几件事：

1. 服务端重构：原本直接执行命令的逻辑，被封装成了符合 MCP 规范的 JSON-RPC 接口。
2. 资源定义：将手机截图、应用列表等信息定义为 MCP 中的“Resources”，这样模型可以主动读取，而无需用户每次都提示。
3. Prompt 动态化：利用 MCP 的特性，让模型能“感知”到当前手机界面的变化，从而自我纠正操作步骤。

这个开源项目的意义在于，它提供了一个很好的范例：不仅是手机，任何硬件设备（树莓派、摄像头、智能家居）都可以通过 MCP 协议被 AI 直接调用，彻底打破了大模型“只能动嘴不能动手”的局限。

玩家实测与避坑指南

对于想上手尝鲜的朋友，这里有几条实测建议：

• 网络环境是关键：由于 MCP Server 通常运行在内网或本地，如果你想远程控制，可能需要配合 Tailscale 或 Frp 做内网穿透。
• ADB 连接稳定性：手机端的 ADB 调试经常会因为休眠断开，建议配合“Stay Awake”开发者选项使用，或者在脚本里增加自动重连机制。
• 权限管理：让 AI 直接控制手机风险不小，建议先在一个干净的环境机或者模拟器上测试，避免 AI “手滑”误删重要数据或发送奇怪消息。

总结

把 hermes-phone-agent 改造成 MCP 模式，不仅仅是换了个协议，更是将手机控制能力从“手动脚本”升级到了“智能体感知”的层面。随着越来越多的工具接入 MCP 协议，我们离打造一个真正的全能 AI 数字管家又近了一步。感兴趣的朋友可以去翻翻源码，看看能不能把自己手头的设备也 MCP 化！