一款名为 Opposable 的 Android 工具近日引发关注，其核心功能是通过人工智能代理模拟人类操作智能手机屏幕。该工具允许用户在计算机端运行支持 MCP（Model Context Protocol）协议的 AI 客户端，远程对手机执行点击、滑动及文字输入等操作，旨在实现无需手动触碰设备的自动化交互。
Opposable 的技术实现依赖于 Android 系统的可访问性服务（Accessibility Services）。开发者在博客中解释，该机制通过截图为 AI 模型提供视觉输入，模型解析图像后确定屏幕上的操作坐标。视觉处理由 GUI-Owl 1.5 2B 视觉语言模型完成，并通过 llama.cpp 框架运行。任务调度可由配对的桌面端 AI 代理负责，或在无桌面连接的情况下由设备端代理处理（后者仅适用于 Android 设备）。iPhone 用户需配合伴侣计算机使用，Mac 版目前处于测试阶段，Windows/Linux 则提供硬件辅助选项。
尽管具备 AI 驱动能力，Opposable 并非所有操作均调用大模型。约 40 种常见任务（如设置闹钟、发送短信、开关 Wi-Fi）被硬编码为固定逻辑，不经过 AI 推理过程。对于需要 AI 介入的场景，实际表现显示出效率与成本方面的局限性。
测试数据显示，通过 Claude Code 结合 MCP 协议将系统主题切换为暗模式并设置五分钟定时器，耗时 50 秒，涉及 17 次工具调用。另一项查询阿波罗 11 号发射时间及机组成员的任务耗时 2 分钟，但单次运行成本高达 0.44 美元。相比之下，直接在手机端使用 Gemini 或 Siri 等内置助手能更快且免费地获取相同信息。
在独立运行模式下，即不依赖桌面代理而仅使用 Android 设备端代理时，打开时钟应用并切换至时钟标签页的操作耗时约 96 秒。关于任务成功率，在未针对特定模型进行微调且在模拟器上运行两轮的情况下，8 个测试任务中有 6 个成功。即便每一步都经过可访问性树验证，其成功率仍仅为四分之三。
安装 Opposable 需要在 Android 设备上侧载 APK 文件，并手动授予可访问性权限。由于任何持有相应令牌的用户均可操控手机，安全专家建议将其视为敏感凭证对待。虽然该工具可能为行动不便人群提供一定的无障碍辅助价值，但在常规场景下，其响应速度、准确性及经济成本尚不及直接的人工操作或原生语音助手。
