■ **概要** Mac/Linux経由でAIエージェントがスマートフォンを視覚と接触で直操作するツール。iPhoneはスクリーンショット+Visionフレームワーク、AndroidはスクリーンキャプチャUIツリーで状態を把握し、タップコマンドで自動化する。 ■ **特徴・用途** - **低い導入障壁**: 脱獄・アプリインストール・WebDriverAgentなし。OSネイティブAPI（HID、accessibility framework）のみで動作。 - **実機テスト・RPA** : エージェントによる自動テスト・シナリオ実行、ユーザー行動の記録・再生。ただし視覚OCRの認識精度に依存し、複雑なレイアウト変動は弱い。 - **開発DX**: `agent_helpers.py`をエージェント実行中にコード追加・編集可能。OSのセキュリティ境界内で閉じるため情報漏洩リスク最小。 ■ **結論** コンピュータビジョン駆動の軽量型フォン自動化。精度・応答性ではWebDriverAgent等に劣るが、セットアップの手軽さと編集可能性はエージェント開発のプロトタイピングに優れている。