---
title: "AIエージェント スマホ操作、OSS 11ツール比較"
description: "実機を動かすスマホ操作AIエージェント11種を、接続方式、画面データの送信先、確認機能、テレメトリー、規約対応から比較します。"
url: https://personalagentbench.com/ja/phone-use/
last_updated: 2026-11-05
---

# AIエージェントのスマホ操作: 実機を動かすオープンソース11ツール

このページは 2026-11-05 時点の英語版を機械翻訳し、数値を原文と照合したものです。内容が食い違う場合は[英語版](https://personalagentbench.com/phone-use/)が優先されます。

スマホ操作エージェントとは、言語モデルが実機のスマートフォンを操作できるようにするソフトウェアだ。画面を見て、どこをタップするか判断し、指での操作しか想定されていなかったアプリをタップする。2026年10月、この発想は研究デモの段階を越え、CodexでiPhoneを操作できるプラグインを筆頭に、GitHubのトレンド入りを果たした。このページでは、10月13日に確認したコミット、最後に追加した2件については10月19日に確認したコミットに固定し、11のオープンソースツールをソースコードから比較する。各ツールがスマートフォンへ接続する方法、何をどこへ送るか、どの場面でユーザーに確認を求めて停止するか、アプリ側の規約について何を説明しているかを取り上げる。私たちは、いずれも実行していない。開示事項: このサイトを運営するZentorも、スマホ操作ソフトウェアを開発している。ここで扱うOh My Phone Useは、Zentorの関係者が個人のGitHubアカウントで公開しているサイドプロジェクトであり、表にもその旨を明記している。他のツールと同じチェックリストで確認し、ほかと同様にスコアは付けていない。残る10ツールは競合製品である。[私たちについて](https://personalagentbench.com/about/)。

- スマートフォンへ入る経路は4つある。Appleのテスト自動化フレームワーク、画面ミラーリングと仮想キーボードおよびマウスの組み合わせ、Androidのデバッグブリッジとアクセシビリティサービス、他社のクラウドで借りるスマートフォンだ。
- どのツールでも、画面に表示されている内容は言語モデルへ送られる。機密性の高いタップをコードで制限するツールは1つだけで、そこでも制限を発動するかどうかはモデルが決める。
- 2つのツールは、ユーザーがエージェントに依頼した内容を含み得る利用イベントを、デフォルトで開発元へ送る。
- あるフレームワークは、タップを人間らしく見せることを明示したコードを同梱し、そのクラウドサービスは「ステルス」を売りにしている。一方、別のツールはアンチボットチェックを横切るスワイプをコードで拒否する。11ツールのうち、アカウント停止に触れているものはない。

## スマホ操作エージェントとは何か、このページが対象外とするもの

ここで扱うすべてのツールは、モデルと、スマートフォンの画面を見る手段、そして操作する手段を組み合わせている。モデルはスクリーンショット、画面の要素ツリー、またはその両方を受け取り、タップ、スワイプ、キー入力のいずれかを選んで繰り返す。デスクトップを操作する「computer use」エージェントのスマートフォン版であり、ブラウザエージェントでは届かない領域、たとえばWeChat、銀行アプリ、配達アプリ、ウェブ版のないあらゆるサービスを操作できる。

このページの対象は、自分でインストールするオープンソースツールだ。スマートフォンのOSに組み込まれたアシスタントは、検証可能なツールではなく端末の機能であるため対象外とした。ベンダー自身のサーバーからユーザーに代わって用事を済ませる消費者向けアプリも含めない。これらは、私たちが追跡している[パーソナルエージェント](https://personalagentbench.com/ja/landscape/)や、[分解調査した](https://personalagentbench.com/agents/)製品と同じ分類に属する。11ツールのうちOpenGUIはBusiness Source License 1.1で公開されており、2030年まで本番利用が制限される。このため、オープンソースではなくソース公開型である。[OpenGUIのライセンス](https://github.com/Core-Mate/OpenGUI/blob/8a681b45f170eb2566c3d254e7ee0089ba9f43a5/LICENSE#L1-L16)。

10月19日に確認した、さらに2つのiPhoneプロジェクトは表から除外した。iphone-kitは、MacをBluetoothキーボードおよびマウスとして使い、Appleの非公開フレームワークを通じてUSB経由でAssistiveTouchを有効にする。そのためDeveloper Modeも追加の基板も不要だが、ライセンスファイルがなく、全権利が留保されている。[iphone-kitの仕組み](https://github.com/quangtuyen88/iphone-kit/blob/598930df241bc068ae0dbc5b5bdab03e50f24a47/docs/FEASIBILITY.md#L10-L18)。RC Pairのphone-openは、Apple自身の開発者向けサービスを介し、LinuxコンピューターからiPhoneまたはiPadを操作する。エージェントは同梱されず、スマートフォン用アプリもリポジトリに含まれていない。また、Functional Source Licenseにより、競合する用途での利用が2年間禁止されている。[phone-openのライセンス](https://github.com/rcpair/phone-open/blob/c5382ba10b98a43968b627704a1828211b8845a7/LICENSE#L1-L9)、[phone-openのアーキテクチャ](https://github.com/rcpair/phone-open/blob/c5382ba10b98a43968b627704a1828211b8845a7/docs/ARCHITECTURE.md#L9-L22)。

## スマホ操作エージェントがスマートフォンへ入る4つの経路

| 経路 | エージェントの実行場所 | 画面を見る方法 | 操作方法 | スマートフォン側で必要なもの | ツール |
| --- | --- | --- | --- | --- | --- |
| Appleのテスト自動化 | Mac、同じWi-Fi上の別のコンピューター、またはスマートフォン上のエージェントアプリ | iPhone上のテストランナーが読み取る要素ツリーとスクリーンショット | AppleのXCTestを通じて合成されるタップと文字入力 | 自分で署名してインストールするランナー、Developer Mode、さらにMacなしでiCTRLを使う場合は、SideStore内の無料Apple IDとAppleのDeveloper Disk Image | iPhone Use、iCTRL、iOS上のDroidrunとAutoGLM |
| 画面共有と仮想入力 | コンピューター、またはスマートフォン上のエージェントアプリ | ミラーリングまたは共有された画面のスクリーンショット | USBまたはBluetoothのキーボードとマウスを装う小型基板、またはmacOSのiPhone Mirroringを通じた入力 | AssistiveTouch、場合によっては自分で署名する画面共有アプリ、またはMacのアクセシビリティ権限と画面収録権限 | esp32-iphone-agent（AirPlayと$7の基板）、Oh My Phone Use（画面共有アプリとBluetooth ESP32基板）、ipad_computer_use（画面共有アプリとUSB RP2040基板）、anan-iphone-use（iOS画面共有とM5Stack StopWatch基板）、phone-harness（macOS iPhone Mirroring） |
| Androidのデバッグとアクセシビリティ | USBまたはWi-Fiで接続されたコンピューター | アクセシビリティツリー、スクリーンショット、またはその両方 | ADBコマンド、またはアクセシビリティサービスアプリ | USBデバッグと、ほぼすべてを見て操作できるアクセシビリティ権限 | Droidrun、AutoGLM、mobile-use、OpenGUI、Android上のphone-harness |
| 他社クラウド内のスマートフォン | ユーザーのコンピューターまたはベンダーのサーバー | インターネット経由の遠隔操作 | インターネット経由の遠隔操作 | 自分の端末には何も不要。ホストされた端末を借り、手元にないスマートフォンで自分のアカウントにログインする | Mobilerun Cloud、phone-harness cloud |

出典: [esp32の経路](https://github.com/onehumanbeing/esp32-iphone-agent/blob/88a51030b5ec36564157bc778c7827b4dffb4b41/README.md#L46-L60)、[Oh My Phone Useの経路](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/README.md#L7-L28)、[ipad_computer_useの経路](https://github.com/jamiepinheiro/ipad_computer_use/blob/ac07704c3b22be7627f13cb062cd36160a0c4cce/README.md#L1-L27)、[phone-harnessの経路](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/README.md#L111-L125)、[DroidrunのAndroidセットアップ](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/README.md#L93-L101)、[AutoGLMの要件](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/README_en.md#L86-L103)。

経路によって、起こり得る問題は変わる。画面をミラーリングするツールが見られるのは、スマートフォンがミラーリングを許可した内容だけだ。esp32プロジェクトによれば、iOSはパスコード入力やApple Payをミラーリングしない。[ミラーリングの制限](https://github.com/onehumanbeing/esp32-iphone-agent/blob/88a51030b5ec36564157bc778c7827b4dffb4b41/README.md#L218-L218)。アクセシビリティサービスは、ほぼすべてを見て操作できる。クラウドスマートフォンを使う場合、ログイン済みのアカウントは、自分が触れることのないハードウェア上に置かれる。

2つのツールでは、エージェント自体をスマートフォン上で動かせる。iCTRLはiPhone上でJSON-RPC APIを提供するXCTestランナーで、開発元のスマートフォン内エージェントMinisはローカルでこれを呼び出す。同じネットワーク上の任意のエージェントから呼び出すこともできる。[iCTRLの設計](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L21-L38)、[エージェントの実行場所](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L75-L77)。anan-iphone-useは小型基板上にMCPサーバーを置き、USBまたはBluetooth経由で文字入力とタップを行う。同じiPhone上のエージェントアプリはiOS画面共有を通じて画面を監視するが、これにはiOS 27以降が必要だ。[anan-iphone-useの設計](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/README.md#L1-L12)、[要件](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/README.md#L63-L70)。どちらもセットアップの手間はなくならない。iCTRLには依然としてDeveloper Modeと署名証明書が必要で、無料アカウントでは7日ごとに更新しなければならない。[iCTRLの無料アカウント制限](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L270-L287)。基板のキーボードとマウスにはDeveloper Modeが不要だが、anan-iphone-use自身のセットアップ説明によれば、現在の開発者署名版スマートフォンアプリには必要であり、そのアプリはまだ公開されていない。[anan-iphone-useのセットアップ](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/docs/setup.md#L44-L49)。

経路ごとに到達できる深さも異なる。実際に許可しているのは、この深さだ。スマートフォンがエージェントに提供できる深さは3段階ある。最も浅いのは、1つの仕事に特化したOSのインターフェースだ。通知アクセスを許可されたAndroidアプリは各通知を受け取り、消去できるが、ほかのアプリ内をタップして進むことはできない。iPhoneでは、アプリがApp Intentsを通じて名前付きのアクションを提供し、SiriやShortcutsから実行できる。[Androidの通知アクセス](https://developer.android.com/reference/android/service/notification/NotificationListenerService)、[Apple App Intents](https://developer.apple.com/documentation/appintents)。中間の深さは、特定のアプリが公開する範囲だ。たとえば、入力済みメールや地図検索を開くAndroid intentが該当し、そのアプリの開発元が公開した機能にしか届かない。[Androidの一般的なintents](https://developer.android.com/guide/components/intents-common)。最も深いのは画面そのもので、Androidのデバッグブリッジ、アクセシビリティサービス、AppleのXCTestを通じて操作する。アクセシビリティサービスはバックグラウンドで動作し、ユーザーが見ているウィンドウの内容を読み取る許可を求められる。Android自身のリファレンスには、この種のサービスは障害のあるユーザーを支援する目的にのみ使うべきだと記されている。デバッグブリッジは端末上でシェルを開き、アプリの起動やその他のシステム操作を可能にする。[Androidのアクセシビリティサービス](https://developer.android.com/reference/android/accessibilityservice/AccessibilityService)、[Androidのデバッグブリッジ](https://developer.android.com/tools/adb)。

このページで扱う11ツールは、すべて最も深い段階で動作する。何も公開していないアプリへ到達できる唯一の方法であり、スマホ操作エージェントが配達アプリで注文までできるのはそのためだ。同時に、より浅いインターフェースなら1つの仕事だけを対象とするところ、1つの権限で銀行アプリとメッセージの両方が対象になる。ツールのセットアップでUSBデバッグやアクセシビリティサービスを有効にするよう求められたとき、ユーザーが与えているのはこの権限である。

## オープンソースのスマホ操作エージェント11種を比較

| ツール | スマートフォン | 経路 | デフォルトモデル | コード内の確認 | 利用テレメトリー | ライセンス |
| --- | --- | --- | --- | --- | --- | --- |
| [iPhone Use](https://personalagentbench.com/ja/phone-use/iphone-use/) | iPhone | WebDriverAgent、USB | ホスト側のモデル（Codexなど） | パスワード欄への入力を拒否。未検証の送信後はバッチを停止 | Codexでのインストール時は有効 | MIT |
| esp32-iphone-agent | iPhone | AirPlayとESP32キーボードおよびマウス | OpenAI互換の任意のエンドポイント | なし。緊急停止のみ | 見つからず | MIT |
| Oh My Phone Use（Zentorのサイドプロジェクト） | iPhone、iPad | 画面共有アプリとBluetooth ESP32キーボードおよびマウス。通話も可能 | MCP経由でホスト側のモデル | なし。skillの指示文では事前確認を要求 | 見つからず | MIT |
| ipad_computer_use | iPad、USB-C iPhone | 画面共有アプリとUSB RP2040キーボードおよびマウス | MCP経由でホスト側のモデル | なし | 見つからず | MIT |
| phone-harness | iPhone、Android、クラウド | iPhone MirroringとOCR、ADB | ホストエージェントのモデル | なし。skillの指示文では事前確認を要求 | 有効。タスク本文を含む | MIT |
| Droidrun | Android、iPhone | ADBとアクセシビリティアプリ、WebDriverAgent | サンプル設定ではgemini-3.8-flash | なし | 有効。目標の本文を含む | MIT |
| Open-AutoGLM | Android、HarmonyOS、iPhone | ADBまたはHDC、WebDriverAgent | AutoGLM-Phone-9B、セルフホスト | モデルがタップにフラグを付けた場合、はい、いいえの確認 | 見つからず | Apache-2.0 |
| mobile-use | Android、iPhoneシミュレーター | ADBとUIAutomator2 | OpenAI GPT-5ファミリー | なし | 事前確認あり | Apache-2.0 |
| OpenGUI | Android | ADBとscrcpy、アクセシビリティクライアント | ホスト側のモデル | バックエンドのプロンプトが支払いと削除をユーザーへ引き継ぐ | 無効 | BUSL-1.1 |
| iCTRL | iPhone | スマートフォン上の独自XCTestランナー。エージェントはスマートフォン上または同じWi-Fi上 | ホストエージェントのモデル | なし。skillの指示文では事前確認を要求 | 見つからず | Apache-2.0 |
| anan-iphone-use | iPhone | iOS画面共有と、USBまたはBluetoothのマウスおよびキーボードとして動作するStopWatch基板 | MCP経由でクライアント側のモデル | なし。基板上で操作を有効にする必要あり | ファームウェアにはなし。スマートフォン用アプリは未公開 | GPL-3.0 |

11月5日時点のGitHubスター数は、Open-AutoGLMが26,543、Droidrunが9,962、iPhone Useが4,905、phone-harnessが4,460（リポジトリはその後phone-harness organizationへ移動）、esp32-iphone-agentが4,408、mobile-useが3,363、OpenGUIが1,807、iCTRLが582、anan-iphone-useが149、ipad_computer_useが81、Oh My Phone Useが18だった。10月13日時点では、同じ一覧がOpen-AutoGLM 26,389、Droidrun 9,632、iPhone Use 3,504、mobile-use 3,257、phone-harness 3,253、OpenGUI 1,816、esp32-iphone-agent 1,189、ipad_computer_use 78、Oh My Phone Use 9だった。最も急速に伸びたのは、最も新しい2件だ。iPhone Useは10月6日、esp32-iphone-agentは10月11日に作成され、その後esp32-iphone-agentのスター数はほぼ4倍になった。Oh My Phone Useはipad_computer_useのスナップショットを出発点とし、USB基板をBluetooth基板に置き換え、通話機能を追加した。[Oh My Phone Useのクレジット](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/README.md#L176-L183)。

## スマホ操作エージェントが見るものと、画面データの送信先

各ツールは、スマートフォンの画面をモデルへの入力に変換する。Droidrunはデフォルトでアクセシビリティツリーを読み、要求された場合はスクリーンショットも追加する。[Droidrunのビジョン設定](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/config_example.yaml#L15-L29)。mobile-useはUI階層と圧縮したスクリーンショットの両方を送る。[mobile-useの入力](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/minitap/mobile_use/agents/cortex/cortex.py#L80-L88)。phone-harnessは、まずローカルOCRを使ってiPhoneを読み取る。AutoGLMはスクリーンショットをビジョンモデルへ送る。[AutoGLMのスクリーンショット](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/agent.py#L144-L167)。iCTRLはアクセシビリティツリーを読み、ツリーの情報が少ない場合はAppleのオンデバイス文字認識へ切り替える。[iCTRLの画面読み取り](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L132-L137)。anan-iphone-useの基板自体は何も見ない。スクリーンショットはクライアントの画面共有から取得する。

形式が何であれ、データは設定したモデルへ送られる。ローカルにとどめることもできる。AutoGLMはローカルで提供する独自の9Bモデルをデフォルトとし、esp32-iphone-agentもローカルでの選択肢を説明している。[AutoGLMのデフォルト](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/model/client.py#L17-L19)。より一般的なのはホスト型モデルへの送信だ。mobile-useはOpenAIをデフォルトとし、Droidrunのサンプル設定はGoogleを使う。iPhone Use、phone-harness、Oh My Phone Use、ipad_computer_use、iCTRL、anan-iphone-useは、それらを操作するエージェントが使用するモデルを使う。[mobile-useのデフォルト](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/llm-config.defaults.jsonc#L3-L35)。画面上のチャット、銀行残高、ワンタイムコードは、そのプロバイダーへのリクエストの一部になる。iCTRLには、さらに2つの小さな漏えい経路がある。ライブ画面ストリームはいずれのチャンネルでも暗号化されず、スマートフォン上で見つからないアプリ名はAppleの公開iTunes検索で照会される場合がある。[iCTRLのストリーム](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L680-L684)、[アプリ検索](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/ActionHandler.swift#L2820-L2826)。

## スマホ操作エージェントがユーザーへの確認で止まる場所

これは、すべての[パーソナルエージェント](https://personalagentbench.com/how-scoring-works/)について私たちが確認する項目だが、ここで得られた答えは乏しい。

アクションコードに確認処理を組み込んでいるのはAutoGLMだけだ。モデルがメッセージ付きと分類したタップは、はい、いいえの確認を発生させる。引き継ぎアクションでは、ログインやcaptchaのためにスマートフォンの操作をユーザーへ渡す。[AutoGLMの確認](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/actions/handler.py#L138-L146)。ただし制限が2つある。ラベルを追加するかどうかはモデルが決める。また、その方法を教えているのは中国語のシステムプロンプトだけで、英語のプロンプトはラベル付きタップにも引き継ぎアクションにも触れていない。[中国語プロンプト](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/config/prompts_zh.py#L28-L29)、[英語プロンプト](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/config/prompts_en.py#L28-L70)。

[iPhone Use](https://personalagentbench.com/ja/phone-use/iphone-use/)はパスワード欄への入力を拒否し、未検証の送信後にバッチを停止する。OpenGUIのホスト型バックエンドは、ログイン、支払い、送金、注文、削除をユーザーへ引き継ぐようモデルに指示する。[OpenGUIの引き継ぎ](https://github.com/Core-Mate/OpenGUI/blob/8a681b45f170eb2566c3d254e7ee0089ba9f43a5/server/apps/backend/src/modules/graph-agent/graph/nodes/executor/entry.node.ts#L115-L130)。phone-harnessはskillの指示文で、送信、投稿、購入、削除の前に停止するようホストエージェントへ求める。[phone-harnessのskill](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/SKILL.md#L148-L152)。Oh My Phone Useのskillも、メッセージ、支払い、削除、アカウント変更、パスワード、確認コードを扱う前に同じ対応を求める。[Oh My Phone Useのskill](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/skills/oh-my-phone-use/SKILL.md#L109-L112)。iCTRLのskillは、会計段階で停止し、最後の支払いボタンを決してタップしないようエージェントに指示する。ランナーはスマートフォン上で新しいエージェントごとに許可を求め、その際にはスマートフォンのロックを解除しておく必要がある。その後は、エージェントが何をタップするかをコードで確認する処理はない。[iCTRLのskill](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/SKILL.md#L45-L45)、[ペアリング確認](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/iCTRLUITests.swift#L762-L766)。anan-iphone-useは、誰かが基板上で操作を有効にするまで、すべての入力を拒否する。どちらのボタンでも停止できるが、これは電源スイッチに相当し、支払い内容を確認する仕組みではない。[anan-iphone-useの操作ゲート](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/main/network/mcp.c#L526-L536)。esp32-iphone-agent、Droidrun、mobile-use、ipad_computer_useについては、支払いや送信の確認機能を見つけられなかった。

11ツールのうち、音声通話にも対応するのはOh My Phone Useだけだ。基板はスマートフォンのBluetooth車載キットとして動作し、MacがmacOSの`say`で発話し、通話相手の発言をwhisper.cppでローカルに文字起こしする。その文字起こしはエージェントへ送られる。skillは、ユーザーが指定した番号だけに電話し、ユーザーに代わって電話するエージェントであることと、返答が文字起こしされることを伝え、相手の発言を指示ではなく情報として扱うようエージェントに求める。電話番号、文字起こし、要約はMac上のファイルに保存される。[通話のルール](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/skills/oh-my-phone-use/SKILL.md#L116-L142)、[保存される結果](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/host/README.md#L146-L150)。これらのルールも指示文にすぎず、通話は何もインストールしていない相手に届く。

Oh My Phone Useとipad_computer_useはどちらも、設計上、画面操作サーバーをパスワードなしで実行し、ネットワークが自分のものであることを前提としている。コントローラーへ接続できる人は誰でもスクリーンショットを要求し、入力を送信できるため、自分のマシン上、またはTailscaleのようなプライベートネットワーク内に置く必要がある。[Oh My Phone Useのセキュリティ](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/SECURITY.md#L5-L9)、[ipad_computer_useのセキュリティ](https://github.com/jamiepinheiro/ipad_computer_use/blob/ac07704c3b22be7627f13cb062cd36160a0c4cce/README.md#L38-L45)。

指示文にも意味はあるが、ロックではなくモデルへの依頼にすぎない。製品の仕組みとして請求に関するすべての操作前に確認する[Pine](https://personalagentbench.com/agents/pine/)と比べてほしい。

## スマホ操作エージェントのテレメトリー: ツールが開発元へ送るもの

4つのツールが利用状況を分析サービスへ報告するが、含まれる内容には大きな差がある。

- **phone-harness**はデフォルトで有効になっており、PostHogへ送信する。各イベントには、パイプで渡したスクリプトが最大20,000文字まで含まれる場合があり、出力の末尾も含まれる。iPhoneでは、そこに画面から読み取ったテキストが入る可能性がある。インストールガイドはこれを匿名としている。[デフォルトで有効](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/src/phone_harness/config.py#L78-L78)、[イベントのフィールド](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/src/phone_harness/telemetry.py#L128-L156)。無効にするには`PHONE_HARNESS_TELEMETRY=0`を設定する。
- **Droidrun**はデフォルトで有効になっており、最初のイベントでユーザーが入力した目標を送る。ドキュメントには「個人データや機密データは一切」収集しないと書かれている。[初期イベント内の目標](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/agent/droid/droid_agent.py#L847-L850)、[ドキュメント上の主張](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/docs/features/telemetry.mdx#L13-L13)。「姉妹にお金を返して」のような目標は、どう解釈しても個人的な情報だ。
- **iPhone Use**はCodexでのインストール時にデフォルトで有効になり、ツール名、結果、所要時間だけを送る。許可リストによる制限はドキュメントの説明と一致している。10月16日のバージョン0.3.14以降、同じイベントがPostHogに加えてGoogle Analyticsにも送られる。[専用ページ](https://personalagentbench.com/ja/phone-use/iphone-use/)では、その後のバージョンを扱っている。
- **mobile-use**は、何かを有効にする前に確認を求める。[同意確認](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/minitap/mobile_use/main.py#L303-L339)。

AutoGLM、esp32-iphone-agent、Oh My Phone Use、ipad_computer_use、iCTRLでは、テレメトリーを見つけられなかった。OpenGUIの分析機能はスタブ化されている。anan-iphone-useのファームウェアには存在しないが、画面を監視するスマートフォン用アプリは公開されていないため、何を送信するかは判断できない。

## ステルス、アカウント停止、スマートフォンを操作するAI

アプリは自動操作に気付く。常に正確な中央へ着地するタップ、完全に一定の速度での文字入力、同一のデバイスフィンガープリントは典型的なシグナルであり、WeChat、Instagram、配達アプリなどのプラットフォームには独自のリスク管理がある。11のリポジトリのうち、検知されたアカウントに何が起きるかを説明しているものはない。

Droidrunは逆方向へ進んでいる。オープンソースコードには、デフォルトでは無効のステルスモードが含まれ、その目的が明記されている。ランダム化したタップ位置で「自動化を露呈する予測可能な中央タップを避ける」ほか、人間らしいタイミングと入力速度を使う。[ステルス状態](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/tools/ui/stealth_state.py#L1-L6)、[ステルス設定](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/config_manager/config_manager.py#L233-L233)。同社のホスト型サービス[Mobilerun](https://mobilerun.ai/)は、「ステルス入力とスワイプ」および正規端末として認識されるデバイスを宣伝している。phone-harnessのREADMEは、「ステルス、実在の電話番号、2FA」を備えたホスト型スマートフォンを宣伝する。[phone-harnessのREADME](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/README.md#L21-L21)。

対極にあるAutoGLMの規約は、大量アカウント、グループ制御、偽のエンゲージメントを禁止し、このプロジェクトは研究および学習用だとしている。[AutoGLMの規約](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/resources/privacy_policy_en.txt#L91-L100)。esp32-iphone-agentは、関係するアプリの規約を尊重するよう求めている。[esp32の責任ある利用](https://github.com/onehumanbeing/esp32-iphone-agent/blob/88a51030b5ec36564157bc778c7827b4dffb4b41/README.md#L226-L229)。

iCTRLだけは、アプリの防御機能に対してコード上で手を引く。読み取った直後のスライダーまたはパズル形式のチェック上から始まるスワイプやドラッグは拒否され、チェックを閉じるか、その手順がブロックされたと報告するようエージェントへメッセージが表示される。また、10分間にアプリから3回拒絶された場合、そのアプリの使用を中止するようエージェントへ伝える。READMEには、合成タップを使ってもアプリ独自のボット検出を回避できる保証はないとも記されている。[Captchaの拒否](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/ActionHandler.swift#L449-L459)、[レート制限時の後退](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/ActionHandler.swift#L4986-L4993)、[検出に関する警告](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L692-L695)。

アプリから人間に見えるよう設計されたソフトウェアは、そのアプリのルールをかいくぐるよう設計されたソフトウェアでもある。これをどう評価するにせよ、リスクはユーザーのアカウントへ移る。

## スマホ操作エージェントのベンチマーク: 誰が測った数値か

成功率を公表しているプロジェクトは2つあり、いずれも自ら測定したものだ。mobile-useは、2026年1月にAndroidWorldの全116タスク中116タスクを初めて完了したとしている。[mobile-useの主張](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/README.md#L49-L49)。DroidrunのREADMEにあるバッジは91.4%としている一方、ウェブサイトではAndroidWorldで100%、iOSWorldとAndroidWorldを合わせて98.34%としているが、モデル、日付、評価の実施者は示していない。[Droidrunのバッジ](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/README.md#L25-L25)。

iCTRLが公表しているのは成功率ではなく速度だ。タップ1回が約280ミリ秒、8アプリで可視画面を読み取る時間の中央値が416ミリ秒としている。[iCTRLの速度](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L126-L130)。

私たちの知る限り、これらの数値はいずれも独立に再現されておらず、2つの「100%」という主張がどちらも新しい成果であるはずはない。ベンダーが自社製品を対象に実施した[ベンチマーク](https://personalagentbench.com/benchmarks/)は出発点であり、結果ではない。私たちは独自の試験でスマホ操作エージェントを1つも実行しておらず、このサイトでスコアが付いたものもない。

## FAQ

**スマホ操作エージェントとは何ですか？** 実機のスマートフォンに接続された言語モデルである。スクリーンショットまたは要素ツリーとして画面を見て、タップ、スワイプ、キー入力を選び、タスクが完了するまで繰り返す。ウェブ版やAPIのないアプリでも動作する。

**AIは脱獄なしでiPhoneを操作できますか？** できる。iPhone Use、Droidrun、AutoGLMは、ユーザー自身の開発者署名でAppleのWebDriverAgentを使う。iCTRLは、無料のApple IDで署名できる独自のXCTestランナーを同梱する。esp32-iphone-agentはUSBキーボードおよびマウスとして動作する。Oh My Phone Use、ipad_computer_use、anan-iphone-useは画面共有と小型基板を組み合わせ、BluetoothまたはUSB経由で同じことを行う。phone-harnessはmacOS iPhone Mirroringを操作する。いずれも脱獄は不要だ。

**支払い前に確認するスマホ操作エージェントはどれですか？** コード上ではAutoGLMだけであり、そのモデルがタップにフラグを付けた場合に限られる。英語のプロンプトは、その方法をモデルに教えていない。OpenGUIのバックエンド、phone-harness、Oh My Phone Use、iCTRLは、モデルへの指示を通じて確認を求める。その他については、支払い確認機能を見つけられなかった。

**メインのスマートフォンでスマホ操作エージェントを使っても安全ですか？** 私たちは勧めない。通常、スマートフォンのロックが解除されている間、エージェントはあらゆるアプリを開き、どこでもタップできる。画面はモデルプロバイダーへ送られ、アカウント停止のリスクを説明しているプロジェクトもない。予備のスマートフォンと、失っても許容できるアカウントを使うべきだ。

**スマホ操作エージェントは私のデータをどこかへ送りますか？** 画面は、設定したモデルへ送られる。それとは別に、phone-harnessとDroidrunは、タスク本文を含み得る利用イベントをデフォルトで送信する。iPhone Useが送るのはツール名と所要時間だけで、mobile-useは事前に確認を求める。

**最も優れたオープンソースのスマホ操作エージェントはどれですか？** 私たちは順位付けをしておらず、実際に動かしてもいない。上の表はトレードオフを示している。AutoGLMはコード内に確認手順を持つ唯一のツールで、iPhone Useはデフォルトのテレメトリーをツール名と所要時間に限定する。Droidrunは最も多くのプラットフォームに対応する一方、ステルス機能を同梱し、デフォルトで目標の本文を送る。iCTRLは、アプリのアンチボットチェックとの対抗を拒否するツールだ。これは2026年10月13日と19日の固定コミットを対象としたソースレビューであり、[iPhone Use](https://personalagentbench.com/ja/phone-use/iphone-use/)には専用ページがある。

---

Published by Personal Agent Bench (https://personalagentbench.com), run by the Zentor team. Zentor builds agent software of its own, so its products are not on the scorecard and will not be added.
