看得懂界面,才能做对操作
靠截图坐标点按,界面一变就失效。这套工具让助手读懂界面,操作更稳。
读懂界面
识别屏幕上的每个元素:按钮、输入框、文字,而不只是像素。
ui_inspectstatusscreenshot
稳定操作
总能找对目标元素,界面变化时自动重试。
ui_tapui_typeui_waitui_swipeui_key
输入任意文字
中文、emoji 都能一字不差地填进去。
ui_typeapp_launchapp_list
受控的高级操作
高级命令只对你授权的密钥开放,并全程记录。
run_command
Agent Skill
MCP 负责动手,Skill 教它怎么做
cloud-phone-automation Skill 为助手内置了一套面向真实应用的操作规范,让它稳定完成任务,而不是靠猜。
1先看清,再动手每步操作前先读懂界面,按名称定位元素。
2信息保持最新界面变化后重新读取,不沿用过时的信息。
3自己纠错等待预期的元素出现,没出现就重试。
cloud-phone-automation
▸ device_list 42 tiktok-us-01 running · 43 tiktok-us-02 running▸ device_use { device: "42" }▸ ui_inspect n12 Button "Sign in" · n8 EditText @username …▸ ui_type { element: "n8", text: "你好世界" }▸ ui_tap { element: "n12" } → ui_wait { text: "Welcome" } ✓
三步完成接入
几分钟即可从零跑通。
获取密钥
在控制台创建一枚密钥,选择它可以做什么;高级操作可选。
想用命令行?下载 wp_cli,登录后运行 wp_cli mcp。
适配你惯用的助手
任何支持 MCP 的客户端都能用一个地址加一枚密钥接入,配置如下。
Claude Code
claude mcp add --transport http cloud-phone https://mcp.waitpid.ai \ --header "Authorization: Bearer wpa_..."
常见问题
接入、安全,以及它们如何协同。
功能一样,两种用法。在线地址(https://mcp.waitpid.ai)由平台托管,助手填个地址和密钥就能用,无需安装。**wp_cli** 在你自己的电脑上用命令行做同样的事。两者走同一套服务、同样记录操作。