CommunityImagengithub.com

web-infra-dev/android-device-automation

Automatización de dispositivos Android impulsada por visión usando Midscene. Opera completamente a partir de capturas de pantalla, sin necesidad de DOM ni etiquetas de accesibilidad. Puede interactuar con todos los elementos visibles en pantalla, independientemente de la tecnología subyacente.

¿Qué es android-device-automation?

Esta habilidad permite controlar y automatizar dispositivos Android mediante comandos en lenguaje natural, utilizando la herramienta Midscene.js para una interacción basada en visión. A diferencia de las soluciones tradicionales que dependen del DOM o de etiquetas de accesibilidad, este enfoque analiza directamente las capturas de pantalla del dispositivo, lo que permite interactuar con cualquier elemento visible, sin importar la tecnología con la que fue construido (aplicaciones nativas, webviews, juegos, etc.). Es especialmente útil para tareas de QA, testing end-to-end, verificación visual y automatización de flujos en dispositivos Android reales o emulados. Se comunica con el dispositivo a través de ADB (Android Debug Bridge) y puede ejecutar acciones como toques, deslizamientos, ingreso de texto, apertura de aplicaciones, capturas de pantalla y más. Funciona con cualquier asistente de IA compatible con la ejecución de código y herramientas de línea de comandos, como Claude Code, Cursor o Codex. La habilidad se activa mediante palabras clave como 'android', 'phone', 'mobile app', 'tap', 'swipe', 'install app', 'open app on phone', 'android device', 'mobile automation', 'adb', 'launch app', 'mobile screen', 'test android app', 'verify mobile app', 'QA on phone', 'check the app on android', 'test on device', 'see if the app works on phone', 'end-to-end test on android', y 'visual verification on mobile'. Todo está potenciado por Midscene.js (https://midscenejs.com).

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/web-infra-dev/midscene-skills/tree/main/skills/android-device-automation

Installed? Explore more Imagen skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace android-device-automation?

Automatización de dispositivos Android impulsada por visión usando Midscene. Opera completamente a partir de capturas de pantalla — no se requiere DOM ni etiquetas de accesibilidad. Puede interactuar con todos los elementos visibles en pantalla, sin importar la tecnología subyacente. Controla dispositivos Android con comandos en lenguaje natural a través de ADB. Realiza toques, deslizamientos, ingreso de texto, apertura de aplicaciones, capturas de pantalla y más. Palabras clave de activación: android, teléfono, aplicación móvil, tocar, deslizar, instalar aplicación, abrir aplicación en el teléfono, dispositivo android, automatización móvil, adb, lanzar aplicación, pantalla móvil, probar aplicación android, verificar aplicación móvil, QA en el teléfono, revisar la aplicación en android, probar en dispositivo, ver si la aplicación funciona en el teléfono, prueba de extremo a extremo en android, verificación visual en móvil. Potenciado por Midscene.js (https://midscenejs.com).

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

web-infra-dev/browser-automation

Vision-driven browser automation using Midscene. Operates from screenshots — no DOM or accessibility labels needed. Runs in headless Puppeteer — does NOT take over the user's mouse or keyboard. Also supports CDP mode and Bridge mode to connect to an existing Chrome. Use this skill when the user wants to: - Browse, navigate, or open web pages - Scrape, extract, or collect data from websites - Fill out forms, click buttons, or interact with web elements - Verify, validate, test, or QA frontend UI behavior - Take screenshots of web pages - Automate multi-step web workflows - Test what was just built, see if it works in browser - Connect to Chrome via CDP, DevTools Protocol, or remote debugging - Connect to user's Chrome browser, control my browser, operate my Chrome Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/desktop-computer-automation

Vision-driven desktop automation using Midscene. Control your local desktop (macOS, Windows, Linux) or a remote Windows desktop over RDP with natural language commands. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. ⚠️ In local mode this takes over the user's real mouse and keyboard. For web apps, prefer "Browser Automation" instead. Only use this for desktop-native apps (Electron, Qt, native macOS/Windows/Linux) that cannot run in a browser, or for driving a remote Windows host via RDP. Triggers: open app, press key, desktop, computer, click on screen, type text, screenshot desktop, launch application, switch window, desktop automation, control computer, mouse click, keyboard shortcut, screen capture, find on screen, read screen, verify window, close app, test Electron app, rdp, remote desktop, windows server, connect via rdp Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/harmonyos-device-automation

Vision-driven HarmonyOS NEXT device automation using Midscene. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control HarmonyOS devices with natural language commands via HDC. Perform taps, swipes, text input, app launches, screenshots, and more. Trigger keywords: harmony, harmonyos, 鸿蒙, hdc, huawei device, harmony app, harmony automation, harmony phone, harmony tablet, test harmony app, verify on harmonyos, QA on 鸿蒙, check the app on harmony, test on huawei device, see if the app works on harmony, end-to-end test on harmonyos, visual verification on 鸿蒙 Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/ios-device-automation

Vision-driven iOS device automation using Midscene CLI. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control iOS devices with natural language commands via WebDriverAgent. Triggers: ios, iphone, ipad, ios app, tap on iphone, swipe, mobile app ios, ios device, ios testing, iphone automation, ipad automation, ios screen, ios navigate, test ios app, verify on iphone, QA on ipad, check the app on ios, test on ios device, see if the app works on iphone, end-to-end test on ios, visual verification on ios Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/vitest-midscene-e2e

Enhances Vitest with Midscene for AI-powered UI testing across Web (Playwright), Android (ADB), and iOS (WDA). Scaffolds new projects, converts existing projects, and creates/updates/debugs/runs E2E tests using natural-language UI interactions. Triggers: write test, add test, create test, update test, fix test, debug test, run test, e2e test, midscene test, new project, convert project, init project, 写测试, 加测试, 创建测试, 更新测试, 修复测试, 调试测试, 运行测试, 新建工程, 转化工程.

Skills relacionados