logo
  • 環境
  • 企業方案
  • 價格方案
TeamApr 10, 2026

Eigent Mobile MCP:AI 代理人的手機自動化

Tao SunTao Sun
·
Douglas LaiDouglas Lai
Eigent Mobile MCP — 使用 AI 代理人的手機自動化
Automate Everything with
AI Workforce on Desktop
Download Eigent

Category: 生產力 · 行動裝置 · 整合


Mobile MCP 將 iPhone 和 Android 應用程式帶入你已在 Eigent 中執行的相同 多代理工作流程。你的 AI 協作夥伴 不再只停留在桌面端,而是可以在已連接的裝置上開啟應用程式、讀取畫面、透過點擊操作 UI,並將結果交給像 Slack 這類工具——由 任務拆分 與 Mobile Phone Agent 負責手機端處理。這個頁面會示範一個具體的 手機自動化 範例:在裝置上找出一家 附近餐廳,然後 回報到 Slack 頻道,全部只需一個提示詞即可完成。

Eigent 現在可以控制你的手機了。

透過 Mobile MCP 整合,Eigent 的代理人不再只侷限於桌面端。它們可以在已連接的 iPhone 或 Android 裝置上開啟應用程式、導覽 UI、擷取資訊並進行操作——ทั้งหมด都作為你用一個提示詞啟動的單一工作流程的一部分。沒有手動交接,也不需要在不同畫面之間複製貼上。

這個使用情境將逐步說明其運作方式,並以一個真實範例為例:請 Eigent 找附近餐廳並回報到 Slack 頻道——全部都透過手機完成。


1將你的手機連接到 Eigent

在撰寫任何提示詞之前,你需要先在 Eigent 中將 Mobile MCP 新增為工具。

開啟 Eigent,然後點擊頂部導覽列中的 Connectors。你會在左側邊欄看到 MCP & Tools——點擊它,接著選擇 Your own MCPs 分頁並點擊 + Add MCP Server。貼上下列設定:

{
  "mcpServers": {
    "mobile-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "@mobilenext/mobile-mcp"
      ]
    }
  }
}

點擊 Install。一旦它出現在你的 Added external servers 清單中,Eigent 就能存取你已連接的裝置——iPhone 或 Android——並可將其作為任何工作流程的一部分來使用。

Mobile MCP 支援 iOS 實體裝置、iOS 模擬器、Android 實體裝置與 Android 模擬器。教學影片使用的是 Android 裝置,但相同設定也適用於 iOS。


2撰寫你的提示詞——只要描述結果

你不需要告訴 Eigent 要打開哪個應用程式或如何操作。只要描述你想完成的結果即可。以下是本範例使用的提示詞:

安排一場部門晚餐。所有任務都必須透過我的手機完成。針對五人團體,找出一家附近評分 4.5 以上的餐廳,然後將餐廳名稱、地址與評分資訊傳送到 #team-dinner Slack 頻道。

就這樣。一個提示詞橫跨兩台裝置與兩個應用程式。


3Eigent 會自動拆分任務

Eigent 不會把你的提示詞當成一條大型指令直接執行。它會先透過 任務拆分 進行分解——找出不同的子任務,以及應由哪些代理人負責。

在這個案例中,它會辨識出有兩件事需要完成:先用手機找餐廳,然後再透過桌面端的 Slack 回報結果。它會將第一步指派給 Mobile Phone Agent,並自動協調交接。你不需要設定任何內容。


4行動代理人會操作你的手機

Mobile Phone Agent 會使用 以視覺為基礎 的方式控制你已連接的裝置——它以和你相同的方式「看見」畫面,並透過點擊與導覽來互動,而不是依賴 API。這在 iOS 和 Android 上都可運作。

它在手機上會做以下事情:

  • 開啟 Google Maps
  • 確認目前位置
  • 搜尋附近餐廳並篩選出評分 4.5 以上的店家
  • 捲動結果並選擇符合條件的選項
  • 點進店家資訊以收集名稱、地址、評分與其他細節

代理人是在讀取並操作真實的 Maps 介面——即時資料、真實篩選條件、以及你自己也會使用的相同畫面。


5Eigent 會回報到 Slack

一旦行動代理人取得所需資訊,Eigent 就會在你沒有任何輸入的情況下切換到桌面端。它會開啟 Slack、導覽到正確的頻道,並發布一則格式化訊息,包含它找到的所有內容——餐廳名稱、星等評分、地址,以及 Maps 連結。

整個跨裝置交接都發生在同一次工作流程執行中。


6檢視完成報告

當任務完成後,Eigent 的儀表板會顯示一份 完成報告,摘要說明發生了什麼:

  • 已在行動裝置上確認位置
  • 找到符合條件的餐廳
  • 已將詳細資訊發布到 Slack 頻道

這讓你能清楚掌握代理人執行的每個動作,方便驗證結果或調整提示詞後重新執行。


7這為何重要

大多數代理人工作流程都只停在桌面端。只要任務需要用到手機,你就得回頭自己手動處理。

Mobile MCP 消除了這道界線。Eigent 現在可以操作任何 iOS 或 Android 應用程式——不只是有開發者 API 的那些——並將其作為更大型跨裝置工作流程的一部分。結合 Eigent 的多代理協調,這代表單一提示詞就能橫跨你的桌面、瀏覽器、整合服務,現在還能延伸到手機。

部門晚餐這個範例刻意設計得很簡單。相同能力也適用於任何你原本需要中途拿起手機才能完成的情境。


8接下來可以嘗試什麼

一旦 Mobile MCP 連接完成,試試看同時跨手機與桌面工具的提示詞:

  • 在 Google Maps 搜尋場地,並直接加入 Google Calendar。
  • 檢查某個僅限手機的應用程式資訊,並將輸出儲存到 Notion 頁面。
  • 用手機查找資訊,然後把結果在 Slack 中摘要整理。
  • 執行任何最後一步需要傳送通知到手機的工作流程。
  • 將手機端研究與由 Eigent 的 Document Agent 產生的文件結合使用。

9提升成果的技巧

在提示詞中明確寫出「使用我的手機」。 當任務可能由瀏覽器代理人或行動代理人其中之一處理時,告訴 Eigent 要使用哪一個,能讓路由更清楚。

先用簡單任務測試連線。 在執行複雜工作流程之前,先試試像「在我的手機上打開 Google Maps 並確認目前位置」這類任務。如果代理人能完成,代表整合已成功。

將手機步驟與桌面整合搭配使用。 Mobile MCP 最適合當作更大型工作流程的一部分。把它和 Slack、Notion、Google Calendar,或其他已連接到 Eigent 的工具結合,打造能自動跨裝置傳遞資訊的端到端自動化。

Other use cases

從影片建立 CAD 模型:Gemini 3.7 Flash 與 3.6 Flash 比較

從影片建立 CAD 模型:Gemini 3.7 Flash 與 3.6 Flash 比較

分析上傳參考影片中的 Transformers 角色,並匯出可供正式製作用的高細節 3D CAD/網格模型(.glb)。分析角色風格、關節與表面細節;以邏輯關節樞軸分離身體和裝甲部件,建立高精度硬表面機械幾何;使用陽極金屬、拉絲鋼、深色鈦和高光塗裝等金屬 PBR 材質,並為眼睛、胸部核心和關節光效使用自發光通道。將 Diffuse、Normal、Roughness、Metallic 和 Emissive 紋理直接封裝在 GLB,確保拓撲乾淨、幾何為流形且適合即時預覽。

收據與發票的自動化 VAT 申報

收據與發票的自動化 VAT 申報

請處理 "VAT" 資料夾中的所有收據與發票,包括照片、掃描 PDF 與數位發票。最終輸出應只包含兩個檔案:(1) vat_return.xlsx — 這個 Excel 檔應每筆收據或發票占一列,列出所有擷取的欄位,顯示每筆項目是否符合 VAT 退稅資格,顯示每筆符合資格項目的可回收 VAT 金額,包含不可回收項目的排除原因,清楚標示需要人工審核的項目,並包含一個顯示可回收 VAT 總額的摘要工作表。(2) vat_return.html — 建立一個可直接開啟並分享給會計團隊的獨立 HTML 檔。HTML 檔應顯示所有 VAT 回收項目、每筆項目的可回收 VAT 金額、被排除的項目及其排除原因、需要人工審核的項目,以及可回收 VAT 總額。不要猜測任何不確定的資訊。

長時程任務:在 Eigent 單代理架構中比較 GLM-5.1 與 GLM-5.2

長時程任務:在 Eigent 單代理架構中比較 GLM-5.1 與 GLM-5.2

對 AI 基礎設施生態系中的 26 家公司進行深度研究——這是整個 AI 價值鏈中最確定的主線。涵蓋以下 6 個子領域(各自選出具代表性的公司,從大型領導者到較小玩家皆納入):AI 資料中心(運算基礎設施/建置);GPU/AI 晶片(訓練與推論矽晶片、ASIC、IP);伺服器、網路與光模組(交換器、NIC、光互連);電力、液冷與儲能(電源供應、散熱、能源管理);AI 雲端/算力平台(超大型雲端業者、GPU 雲、算力租賃平台);支援生態系(HBM/先進封裝、晶圓代工、連接器與其他關鍵零組件)。針對每家公司,研究:公司名稱、子領域、總部/國家;核心產品及其在 AI 供應鏈中的具體角色;上市或未上市(若上市,提供代號+交易所;若未上市,註明最新估值/融資輪次);市值或估值規模(用於排序);在生態系中的定位與護城河(1–2 句);主要客戶/競爭對手。排序方式:在每個子領域內,依規模由大到小排名(依市值/估值)。整體結構採由上而下:從完整硬體生態系全景一路展開到每一家公司的細節。輸出要求:首先產生結構化資料檔 ai_infra_data.json——包含全部 26 家公司與上述欄位、6 個子領域分類、上市/未上市旗標,以及跨公司比較矩陣(子領域 × 關鍵維度)。接著根據該 JSON 產生一份精緻的 HTML 報告:包含生態系全景/分層圖、產業區塊、公司卡片、清楚的上市/未上市視覺標示(標籤或色彩編碼)、市值排名圖表,以及可排序/可篩選的比較表。設計要專業、資訊密集且具互動性。先驗證研究資料的準確性(上市狀態、代號、估值——使用最新數據並引用來源),再產生報告。以單代理模式執行此任務。

Automate everything with AI workforce on desktop
Download Eigent

立即體驗 Eigent

下載開源桌面應用,在本地以 AI 工作團隊開始自動化。

下載 Eigent
Eigent

掌握 AI 工作團隊自動化的最新更新與教學內容。

感謝您的訂閱!

產品Eigent環境價格方案企業方案
探索解決方案使用情境技能插件部落格
開發者文件GitHubCAMEL-AI開源基金合作夥伴
下載開源版
公司關於我們品牌招募使用條款隱私權政策安全與信任Cookie 政策退款與試用政策

版權所有 © 2026 EIGENT UK LTD