تصور کنید یک برنامه نویس بتواند به جای ساعتها درگیر شدن با شبیهسازها، تنها با یک دستور متنی، یک گوشی واقعی را برای تست اپلیکیشن فرماندهی کند. این دیگر یک تصور نیست؛ ابزار RobotActions حالا این قدرت را به عاملهای هوشمند میدهد. توسعهدهندگان اکنون میتوانند با استفاده از RobotActions، کنترل کامل در سطح سختافزاری یک گوشی هوشمند فیزیکی را به یک عامل هوش مصنوعی واگذار کنند.
به نقل از مستندات این پروژه، در ۵ آگوست ۲۰۲۶ اعلام شد که این قابلیت از طریق پروتکل زمینهٔ مدل (MCP) — که شبیه به یک مترجم استاندارد است و به مدل اجازه میدهد با ابزارهای خارجی صحبت کند — پیادهسازی شده است. هدف این است که عاملها بتوانند با دور زدن اشتراکگذاریهای کندِ صفحه (screen-shares) و شبیهسازها، برای تعاملی با دقت بالا مستقیماً با سختافزار تعامل کنند.
بسیاری از عاملها (Agents) — سیستمهایی که میتوانند هدف را بفهمند و برای رسیدن به آن اقدام کنند — فعلاً محدود به نوشتن کد یا وبگردی و فراخوانی APIها هستند. این محدودیتها در حال شکسته شدن است؛ برای مثال، برخی ابزارها توانستهاند با مهندسی معکوس APIها، فرآیند تبدیل وبسایتها به ابزارهای کاربردی برای عاملها را خودکار کنند. با این حال، عاملها هنوز میتوانند اسکرینشاتها را تحلیل کنند، اما دقت انگشتان انسان در لمس صفحه را ندارند. همین شکاف باعث شده بود تستهای موبایل به فرآیندی کند تبدیل شود که شامل تنظیمات دستی و لایههای اسکریپتی بود. تا پیش از این، عاملها میتوانستند گوشی را «ببینند»، اما نمیتوانستند آن را بهصورت برنامهنویسیشده «به کار بگیرند». همانطور که در تحلیلهای قبلی ما دربارهی آیندهی ابزارهای عاملمحور اشاره کردیم، حذف واسطههای نرمافزاری و دسترسی مستقیم به لایهی سختافزار، گام نهایی برای بهرهوری واقعی است.
زمینه و راهاندازی
برای پیادهسازی این سیستم، کاربر باید یک کلاینت سازگار با MCP مانند Claude Desktop، Cursor، Cline یا هر کلاینت دیگری که زبان MCP را میفهمد، به رابط دورمت RobotActions در آدرس https://mcp.robotactions.com/mcp متصل کند.
طبق گزارش توسعهدهندگان، این فرآیند مستلزم داشتن یک توکن API شخصی از سایت robotactions.com برای تامین امنیت دسترسی است، زیرا به دلیل طراحی سیستم، هیچ دسترسی ناشناسی وجود ندارد. کاربران باید از طریق حساب گوگل یا گیتهاب ثبتنام کرده، به بخش آواتار پروفایل خود در گوشه سمت راست بالا بروند و یک توکن نامگذاری شده (مثلاً با نام "Claude Desktop") ایجاد کنند تا به عنوان یک bearer token ارسال شود.
مسیر اتصال دو حالت اصلی دارد: کاربران Claude Desktop میتوانند RobotActions را به عنوان یک رابط MCP دورمت اضافه کنند. کاربران Cursor یا Cline میتوانند از بسته اتصال از طریق دستور npx @robotactions/mcp init استفاده کنند یا نقطه اتصال (endpoint) را بهصورت دستی اضافه نمایند. همچنین RobotActions در فهرست رسمی رجیستری MCP یعنی Smithery و همچنین glama لیست شده است.
پس از احراز هویت، عامل به مجموعهای از ابزارها دسترسی دارد تا با دستگاه تعامل کند. برای مثال، کاربر میتواند به عامل دستور دهد: «دستگاههای موجود را لیست کن، یک اندرویدی را باز کن و اسکرینشات بگیر». در این حالت، عامل بهصورت خودکار ابزارهای device-list و screenshot را اجرا میکند تا یک فریم واقعی از یک گوشی واقعی را بازگرداند.
جزئیات فنی و ابزارها
قابلیتهای این سیستم بسیار فراتر از ضربات ساده روی صفحه است و شامل مداخلات عمیق در سطح سیستم میشود. عامل اکنون همان دسترسیهایی را دارد که یک تستکننده انسانی دارد و به جای استفاده از لایههای پوششی اشتراکگذاری صفحه، از ورودیهای بومی در سطح سختافزار استفاده میکند. این رویکرد یادآور پروژه Desktop Commander است که کنترل کامل سیستمعامل را به عاملها سپرد تا تعاملات نرمافزاری از سطح محیطهای ایزوله خارج شود:
- کنترل (Control): عامل قادر به اجرای ضربات واقعی (Taps)، عملکردهای فشار دادن و نگه داشتن (Press-and-hold)، کشیدن (Swipe)، درگ کردن (Drag) و تایپ کردن است.
- بصری و بازرسی (Visuals & Inspection): این سیستم میتواند اسکرینشاتهای زنده بگیرد، بازرسی وب (Web Inspection) را در داخل دستگاه انجام دهد و درخت عناصر رابط کاربری (UI Element Tree) یا DOM را بخواند.
- دستکاری شبکه (Network Manipulation): عاملها میتوانند هر درخواستی (Request) که اپلیکیشن ارسال میکند را ثبت کنند. آنها میتوانند هر درخواست یا پاسخی را شبیهسازی (Mock) کنند تا حالتهای خطا و موارد خاص (Edge Cases) را بررسی کنند؛ مثلاً پاسخ مسیر
/profileرا بهگونهای شبیهسازی کنند که یک وضعیت خالی (Empty State) برگرداند تا ببینند اپلیکیشن آن را چگونه رندر میکند. - شبیهسازی محیط: عامل میتواند مکان GPS دستگاه را به هر نقطهای از کره زمین، مثلاً توکیو، تغییر دهد تا بررسی کند که آیا مکانیاب فروشگاهها بهدرستی بهروزرسانی میشود یا خیر.
- اتوماسیون: عامل میتواند در اپلیکیشن گشتوگذار کند، تمام مراحل یک جریان پرداخت (Checkout Flow) را طی کند، المانهای خراب را شناسایی کرده و یک اسکریپت تست قابل اجرا برای بازتولید آن مشکل تولید کند.
این تحول، تست موبایل را از یک پروژه زیرساختی هفتروزه به یک پرامپت ساده تبدیل میکند. وقتی کنترل دستگاه به عنوان ابزارهای درجهیک MCP تعریف شود، عامل با سرعت یک مدل زبانی بزرگ (LLM) — شبیه کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — اما با دسترسی یک متخصص QA عمل میکند.
در عمل، این بدان معناست که توسعهدهندگان دیگر نیازی به نگهداری مزارع دستگاههای محلی (Device Farms)، کابلهای متعدد یا پیکربندیهای پیچیده شبیهسازها ندارند. عامل تمام مراحل اکتشاف، یافتن باگ و تولید اسکریپت را در یک حلقه بسته و مداوم مدیریت میکند. همچنین، این تغییر در نحوه تعامل با سیستمها، رویکرد جدیدی را در دسترسی به عاملهای خودکار ایجاد میکند که جایگزین روشهای سنتی مانند SSH در مدیریت سرورها و دستگاهها میشود.
برای شما به عنوان کاربر، این یعنی «تست این اپلیکیشن» دیگر یک کار طاقتفرسا نیست، بلکه یک فرمان است. این ابزار اصطکاک بین استدلال عامل و اجرای عملیاتی یک وظیفه روی سختافزار فیزیکی را از بین میبرد.
همانطور که عاملها از رابطهای سادهی چت به ابزارهای عملیاتی تبدیل میشوند، لمس سختافزار واقعی، آخرین مرز بهرهوری در دنیای موبایل است. برای شروع، میتوانید با حساب گوگل یا گیتهاب خود وارد شوید تا این قابلیتها را روی یک دستگاه دمو، بدون نیاز به هیچگونه نصب محلی، تست کنید.
گام بعدی شما
- اگر توسعهدهنده موبایل هستید، دسترسی به MCP را در Cursor یا Claude Desktop فعال کنید.
- توکن اختصاصی خود را از سایت robotactions.com دریافت کرده و یک سناریوی تست «تغییر GPS» را اجرا کنید.
- بررسی کنید کدام بخشهای جریان کاری (Workflow) شما هنوز وابسته به شبیهسازهای کند است و آنها را به RobotActions منتقل کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو