如何将Agent部署在Android上

背景

随着AI在日常生活中愈发的深度绑定，人们已经不满足于只能用文字和AI交流和发起任务。同时手机📱也是人们最为密切的生产工具之一。随着LLM的飞速发展，各个手机厂商也将LLM融入了各家的手机智能助手，但是很尴尬的是，智能助手并没有我们想的那么智能，智能助手只能调用手机内部的api，比如说我现在使用的mate 60，“小艺、小艺，你帮我发条短信给妈妈”这是没有问题的，但如果我想说“小艺、小艺，你帮我发一条微信给妈妈”，这时智能助手就只能提示你，“我不能操作其他app，不能获取其他app的权限”。通过以上的场景，我们能够发现智能助手其实还是没有那么智能，并不能只是动动嘴就可以让手机来自动执行我们想要的一些操作。这个时候能够操作手机的agent就诞生了，同时也是受到豆包手机的影响，看见了一个开源框架 Open-AutoGLM，通过文字输入的方式来控制手机的操作，可以暂且把这一系列的操作可以成为mobile agent。本文主要通过文字的方式来表达用户的需求，从而通过 Open-AutoGLM接受并转换成对应的手机命令操作手机。

什么Open-AutoGLM？

Open-AutoGLM 是一个开源的 AI 手机智能助理框架，由中国 AI 公司智谱 AI（Zhipu AI，也叫 Z.ai）在 2025 年 12 月 8 日左右发布的。它基于他们的 AutoGLM 模型系列（一个能“自主操作”图形界面的 AI 基础模型），专为 Android 手机设计，让 AI 像真人一样“玩手机”——看屏幕、点按钮、滑动、输入文字，全自动帮你完成任务。

通俗解释，就像聊天一样：

想象一下，你的手机是个调皮的孩子，你懒得一步步教它怎么操作（比如打开 App、搜索东西、下单买东西），你直接用大白话说一句“帮我打开美团，搜附近的火锅店下单”，AI 就自己看懂屏幕、想好步骤、动手操作，一气呵成，不用你再碰手机。它不是简单聊天机器人，而是带“眼睛”和“手”的超级助手，能处理多步复杂任务，比如订外卖、买机票、刷社交 App。
归根到底来说，还是一个agent类型的框架，在我们之前接触的agent类型的框架只是在电脑上调用其他的api而获取agent强大的能力，这个最大的两点就是将调用api换成了通过adb【Android debug bridge】像安卓手机发送对应的操作指令来操作手机。👇🏻的图片是Open-AutoGLM的执行过程。其实大体看起来和普通的agent运行过程没有很大的区别。

Demo

环境准备

• python环境
• 大模型本地部署环境 Vllm，没有话需要先安装 pip install vllm
• 克隆代码库，git clone git@github.com:zai-org/Open-AutoGLM.git
• 按照官网readme的指导，就可以一步一步的完成环境的配置
  这里要注意的是，如果要使用官网的启动命令来启动VLLM，可能会遇到大模型下载失败的问题。这里可以采取一个折中的办法在ms【ModelScope】中将模型先单独下载好，然后直接使用VLLM运行能够加速很多，当我们能够看到以下的截图的时候，代表模型已经在本地运行起来了。这时候可以运行python main.py --base-url http://localhost:8000/v1 --model "autoglm-phone-9b"之后就可以看到以下结果，然后再Open-AutoGLM的运行控制台中就可以看到接口请求成功的日志。至此，手机能够连上，大模型已经跑起来·

总结

当前项目确实有很多的可玩性，相当于提供了VLM与手机操作的一个底层框架，我相信在未来肯定还是会有很多的项目能够基于此爆发的，刚发布就获得了4k的star数，我敢说这又是一个爆款项目。但是目前这个开源项目还是有一些的局限性。因为采用了VLM，对于GPU的要求就很高了。我目前是无法在我本地mac mini M4+16G memory的机器上平稳运行，一旦运行本地机器CPU就会超负荷运转，autoglm-phone-9b模型的参数过多，后续可能会有小型量化的模型推出，直接可以在手机上运行。同时该框架暂时只能支持Android上的运行，对于IOS的支持度并不是很高【可能是因为IOS的协议比较严格】