一天一个开源项目

一天一个开源项目（第255篇）：Mika —— 装在安卓手机里的 AI 代理，在后台虚拟屏上替你操作 App 和网页

Mika 是一个 Android 端的开源 AI 助手：你说一句话，它在隐藏的后台屏幕上像人一样看屏幕、点按钮、输入文字，跨 App 和网页完成任务，不占用你的主屏。没有 Mika 服务器，请求只发给你自己配置的模型提供商；支持 DeepSeek、Qwen、Kimi、Claude、Gemini、OpenAI、Ollama 等预设，内置浏览器、定时任务、Linux 沙箱和 MCP/CLI 接入。Kotlin 编写，Apache-2.0 协议，约 7.2k Stars。

·约 7 分钟阅读·AI 工程
开源项目MikaAndroidAI Agent手机自动化KotlinMCP开源

引言

「没有 App API，没有逐个 App 适配。」

这是「一天一个开源项目」系列的第 255 篇。今天的项目是 Mika，一个跑在安卓手机上的 AI 代理。

让 AI 替你操作手机，常见的做法有两条：要么靠各个 App 开放接口（绝大多数没有），要么给每个 App 单独写适配（维护不过来）。Mika 走的是第三条：像人一样看屏幕、找按钮、点击、输入。README 的说法是「不需要 App API，不需要逐个 App 集成」。

它有一个很实用的设计：任务在一块隐藏的后台屏幕上执行，你的主屏幕可以继续做别的事。仓库创建于 2026-10-29，目前约 7.2k Stars，增长很快，不过项目还很新，下面讲的内容都以 README 为准，没有一一实测。

你将学到什么

  • Mika 如何在不依赖 App 接口的前提下操作手机
  • 模型怎么选：它没有自己的服务器，数据流向在哪里
  • 提问模式与自主模式如何控制风险，以及哪些场景会交还给你
  • 内置浏览器、定时任务、Linux 沙箱、技能学习这些扩展能力
  • 安装要求与几处需要留意的限制

前置知识

  • 会安装 APK、使用安卓的开发者选项
  • 了解大模型 API Key 的基本用法
  • 可选：了解 MCP

项目背景

项目简介

Mika 是一个 Android AI 助手应用：你下达指令，它在多个 App 和网页之间执行任务。仓库描述是「一个在设备上运行的 Android AI 代理，替你操作应用和网页」。这里的「设备上」指的是代理本体运行在手机里；模型本身是否本地，取决于你怎么配置（见下文）。

项目数据

  • ⭐ GitHub Stars：约 7,240
  • 🍴 Forks：约 1,655
  • 💻 语言：Kotlin
  • 📅 创建时间：2026-10-29
  • 📄 许可证：Apache-2.0（附 NOTICE 与第三方声明）
  • 👤 作者：wangzan101（X 上为 @wangzan101），有社区 X 群聊
  • 🌐 界面支持 10 种语言，含中英日韩西阿

主要功能

核心作用

让 AI 操作手机的常见障碍：
  大多数 App 没有开放接口
  给每个 App 写适配又维护不过来
  代理占着主屏，你就没法用手机
 
Mika 的做法：
  像人一样看屏幕、找按钮、点击输入
  ↓ 在隐藏的后台屏幕上执行
  ↑ 主屏幕仍然归你；遇到登录、验证码、支付就交还给你

能做什么

  • 操作 App：读取长列表和聊天记录、点击、输入、分享文本
  • 内置浏览器：保持登录状态，读取页面，处理下载和上传
  • 悬浮胶囊：双击即可把当前屏幕发给它
  • 定时与条件任务：提醒、周期性任务
  • 随时插话：任务中途可以打断、停止，之后说「继续」
  • 按住说话：语音输入，使用手机自带识别，没有的话用提供商的语音模型
  • Linux 沙箱：每个对话一个沙箱，可运行 Python、Node 和 shell（仅 arm64 设备）
  • 电脑端接入：电脑上的 AI 工具可通过 CLI + Skill 或 MCP 给它派任务
  • 学习能力：记住你的偏好，把完成的任务沉淀成技能
  • 内置 App 知识：覆盖大量应用和网站，以国内平台为主，另有 Amazon、Gmail、Uber、YouTube 等；没列出的应用同样可用

快速开始

  1. 在 GitHub Releases 页面下载 APK
  2. 进入 设置 › 模型，选择提供商并填写 Key，或直接登录账号
  3. 想控制手机上的其他 App，运行「设置手机控制」向导，配对一次无线调试

README 没有提供从源码构建的命令，只提到了一个用来生成 README 片段的 ./gradlew updateReadme 任务。电脑端安装代理可参考 README 里链接的指南。

系统要求

能力要求
聊天、网页、文件Android 11+
操作其他 AppAndroid 12+，推荐 14+
Linux 沙箱arm64 设备

设置 › 恢复与修复 里有兼容性自检。

项目详细剖析

没有 Mika 服务器：数据只去你选的模型

README 明确说没有 Mika 自己的服务器，你的请求和屏幕内容只发给你配置的模型提供商。这决定了隐私边界：

  • 预设：DeepSeek、Qwen、Kimi、智谱、SiliconFlow、火山方舟、MiniMax、OpenRouter、Anthropic、Gemini、OpenAI、xAI、Mistral、Groq、Ollama、LM Studio 等
  • 自定义：接受 OpenAI 兼容、Anthropic、Gemini 或 OpenAI Responses 端点，包括通过局域网地址指向你自己电脑上的模型
  • 登录方式：可用自己的 API Key，也可用 ChatGPT（Plus/Pro）、xAI/Grok、OpenRouter 账号登录

也就是说，想做到屏幕内容完全不出本地，可以接 Ollama 或 LM Studio 跑在自己电脑上的模型；用云端模型时，屏幕内容会发给对应的厂商。这一点使用前要想清楚。

本机存储方面：API Key 和记忆加密保存在设备上，对话和运行记录留在本地，检查更新只会连接 GitHub。

风险控制：两种模式与主动交还

  • 提问模式（默认）：只在要花钱之前确认
  • 自主模式：更少打断
  • 主动交还：登录、验证码、支付一律交给你；屏幕禁止截图的页面（如支付、密码页）同样会触发交还

README 也提醒：自动化第三方 App 可能违反对方的服务条款，请自行判断，重要任务建议用提问模式，仓库里链有免责声明文档。

它到底怎么控制手机

README 只说手机控制通过设置向导配对一次无线调试，并没有明确是否使用无障碍服务，也没有写清楚是否用到视觉模型。「看屏幕、找按钮」暗示有某种读屏方式，但细节没有公开。README 同样没有架构和目录结构说明。想了解实现，只能直接读源码。

限制与注意事项

  1. 无线调试会在 Wi-Fi 切换或手机重启后断开；个别手机系统没有这个功能，此时只能退回到用 USB 连电脑的设置方式
  2. 部分页面无法截屏，操作会受限
  3. 内置的 App 知识是用中文写的，不过你可以用英文跟 Mika 对话
  4. 项目很新，README 没有路线图，成熟度需要自己判断
  5. 欢迎贡献，可提交使用知识或代码，参见贡献指南

项目地址与资源

总结与展望

核心要点回顾

  1. 思路：不依赖 App 接口，像人一样看屏幕并操作
  2. 后台虚拟屏：执行任务时不占用主屏
  3. 数据流向清晰：无 Mika 服务器，只发给你配置的模型；可接本地模型
  4. 风险控制：默认花钱前确认，登录、验证码、支付交还给你
  5. 扩展性：内置浏览器、定时任务、Linux 沙箱、技能学习，以及 MCP/CLI 接入

适用人群

  • 想让 AI 帮忙处理手机上重复操作的安卓用户
  • 想把手机能力接进电脑端 Agent 工作流的开发者
  • 对移动端 GUI Agent 的实现思路感兴趣的人

学习建议

先在一台备用机上装，用提问模式试几个无关紧要的任务，观察它什么时候交还控制权。若在意隐私，先接 Ollama 或 LM Studio 的本地模型再测试。涉及账号、支付的任务，等你熟悉它的行为后再考虑放开。

欢迎访问 PrimeSkills —— 一个精心策划的 AI Agent 与技能市场，所有内容均经过真实企业级工作流验证。没有噱头，只有真正有效的东西。

更多实用知识和有趣产品，欢迎访问我的个人主页

← 返回博客列表