AutoGLM 的现代化 Web 图形界面 - 让 AI 自动化操作 Android 设备变得简单 已进化为你的专属自动化生产力工具
See the codeAI 驱动的 Android 自动化生产力工具 - 支持定时任务、远程部署，让 AI 7x24 小时为你工作
从个人助手到自动化中枢：支持 定时执行、Docker 部署、对话历史，打造你的 AI 自动化助手
从个人助手到自动化中枢，AutoGLM-GUI 现已支持：
| ⏰ 定时任务 Cron 调度系统 | 🐳 Docker 部署 7x24 运行 | 📚 对话历史 自动保存追溯 | ⚡ 立即打断 <1秒响应 | 📱 多设备管理 支持模拟器 |
核心场景：部署到服务器 + 定时任务 = AI 自动化助手 7x24 小时为你工作
AI Agent? 如果你是 AI Agent（如 Claude Code），请直接阅读 AI_USAGE.md 获取安装和 API 使用指南。
一键下载桌面版（免配置环境）：
| 操作系统 | 下载链接 | 说明 |
|---|---|---|
| 🪟 Windows (x64) | 📦 下载便携版 EXE | 适用于 Windows 10/11，免安装 |
| 🍎 macOS (Apple Silicon) | 📦 下载 DMG | 适用于 M 芯片 Mac |
| 🐧 Linux (x64) | 📦 下载 AppImage | deb | tar.gz | 通用格式，支持主流发行版 |
使用说明：
.exe 文件运行，无需安装.dmg 文件，拖拽到应用程序文件夹。首次打开可能需要在「系统设置 → 隐私与安全性」中允许运行chmod +x AutoGLM*.AppImage，然后直接运行sudo dpkg -i autoglm*.deb 安装./AutoGLM\ GUI/autoglm-gui💡 提示: 桌面版已内置所有依赖（Python、ADB 等），无需手动配置环境。首次运行时需配置模型服务 API。
自动更新：
AutoGLM GUI 桌面版支持自动更新功能：
或者使用 Python 包（需要 Python 环境）：
# 通过 pip 安装（推荐）
pip install autoglm-gui
# 或使用 uvx 免安装运行（需先安装 uv）
uvx autoglm-gui
分层代理（Layered Agent） 是更“严格”的两层结构：规划层专注任务拆解与多轮推理，执行层专注观察与操作。规划层会通过工具调用（可在界面中看到每次调用与结果）来驱动执行层完成一个个原子子任务，便于边执行边调整策略，适合需要多轮交互/推理的高级任务。
关于设备连接：
无需手动准备环境，直接安装运行：
# 通过 pip 安装并启动
pip install autoglm-gui
autoglm-gui --base-url http://localhost:8080/v1
也可以使用 uvx 免安装启动，自动启动最新版（需已安装 uv，安装教程）：
uvx autoglm-gui --base-url http://localhost:8080/v1
AutoGLM-GUI 提供预构建的 Docker 镜像，支持 linux/amd64 和 linux/arm64 架构，适合部署到服务器 7x24 小时运行，配合定时任务功能实现自动化中枢。
核心优势：
使用 docker-compose（推荐）：
# 1. 下载 docker-compose.yml
curl -O https://raw.githubusercontent.com/suyiiyii/AutoGLM-GUI/main/docker-compose.yml
# 2. 启动服务
docker-compose up -d
# 3. 访问 http://localhost:8000，在 Web 界面中配置模型 API
或直接使用 docker run：
# 使用 host 网络模式运行（推荐）
docker run -d --network host \
-v autoglm_config:/root/.config/autoglm \
-v autoglm_logs:/app/logs \
ghcr.io/suyiiyii/autoglm-gui:main
# 访问 http://localhost:8000，在 Web 界面中配置模型 API
配置说明：
docker-compose.yml 取消注释 environment 部分连接远程设备：
Docker 容器中连接 Android 设备推荐使用 WiFi 调试：
⚠️ 注意：二维码配对功能依赖 mDNS 多播，在 Docker bridge 网络中可能受限。强烈建议使用
--network host模式以获得完整功能支持。
更多 Docker 配置选项，请参见下方的 Docker 部署详细说明。
启动后，在浏览器中打开 http://localhost:8000 即可开始使用！
AutoGLM-GUI 只需要一个 OpenAI 兼容的模型服务。你可以：
--base-url https://open.bigmodel.cn/api/paas/v4，--model autoglm-phone，--apikey <你的 API Key>--base-url https://api-inference.modelscope.cn/v1，--model ZhipuAI/AutoGLM-Phone-9B，--apikey <你的 API Key>zai-org/AutoGLM-Phone-9B，启动 OpenAI 兼容端口后将 --base-url 指向你的服务。示例：
# 使用智谱 BigModel
pip install autoglm-gui
autoglm-gui \
--base-url https://open.bigmodel.cn/api/paas/v4 \
--model autoglm-phone \
--apikey sk-xxxxx
# 使用 ModelScope
pip install autoglm-gui
autoglm-gui \
--base-url https://api-inference.modelscope.cn/v1 \
--model ZhipuAI/AutoGLM-Phone-9B \
--apikey sk-xxxxx
# 指向你自建的 vLLM/SGLang 服务
pip install autoglm-gui
autoglm-gui --base-url http://localhost:8000/v1 --model autoglm-phone-9b
# 查看已安装的版本
pip show autoglm-gui
# 或使用命令行参数
autoglm-gui --version
使用 pip 升级：
# 升级到最新版本
pip install --upgrade autoglm-gui
AutoGLM-GUI 支持同时控制多个 Android 设备：
设备状态说明：
完全无需数据线，手机和电脑只需在同一 WiFi 网络即可：
手机端准备：
电脑端操作：
手机端扫码：
特点：
在初始化设备时，可以选择不同的 Agent 类型（默认：GLM Agent）：
mai_legacy 类型MAI Agent 可配置参数：
history_n：历史截图数量（1-10，默认：3）MAI Agent 增强特性（v1.5.0+）：
这是开源 AutoGLM-Phone 的“原生形态”：由一个视觉模型直接完成「理解任务 → 规划步骤 → 观察屏幕 → 执行动作」的完整闭环。
分层代理模式是更“严格”的两层结构：规划层专注拆解与推理，执行层专注观察与操作，二者通过工具调用协作完成任务。
list_devices() / chat(device_id, message)）去驱动执行层；你能在界面里看到每次工具调用与返回结果📖 深入了解：查看 Layered Agent 架构分析文档 了解技术原理、数据流和实现细节
AutoGLM-GUI 提供了两种不同的代理工作模式，适用于不同的使用场景：
autoglm-phone 视觉模型直接处理（即普通 Open AutoGLM 的体验）选择建议：
除了 AI 自动化，你也可以直接在实时画面上操控手机：
AutoGLM-GUI 内置定时任务系统，让 AI 按照你的计划自动执行操作，打造 7x24 小时的自动化助手。
典型应用场景：
如何使用：
0 8 * * * 表示每天早上 8 点）Docker 部署推荐：
对话历史支持：
将常用任务保存为 Workflow，实现一键快速执行：
管理操作：
在 Chat 界面执行已保存的 Workflow：
使用场景示例：
所有对话和执行记录自动保存到本地数据库，支持随时查看和追溯：
核心功能：
使用场景：
数据存储：
~/.config/autoglm/history.db（SQLite 数据库）AutoGLM-GUI v1.5 已从单纯的"手机助手"升级为"AI 自动化中枢"，以下是典型的生产力应用场景：
配置：
# 在 VPS/NAS 上部署 Docker
docker-compose up -d
# 通过 WiFi 连接 Android 设备
# 在 Web 界面配置定时任务
典型任务：
价值：AI 助手 7x24 小时运行在服务器上，无需人工干预
配置：
典型任务：
价值：一个控制台管理多台设备，规模化自动化
配置：
# 使用模拟器进行自动化测试
# 模拟器零配置，自动检测连接
典型任务：
价值：结合 CI/CD 流程，实现移动端自动化测试
配置：
典型任务：
价值：减少重复性工作，专注创造性任务
| 功能组合 | 适用场景 |
|---|---|
| 定时任务 + Docker + WiFi 连接 | 服务器端 7x24 自动化 |
| 多设备 + Workflow + 对话历史 | 批量设备管理 + 操作追溯 |
| 分层代理 + 立即打断 + 实时预览 | 复杂任务调试与优化 |
| 模拟器直连 + CI/CD 集成 | 自动化测试流程 |
如果你需要从源码进行开发或定制，可以按照以下步骤：
# 1. 克隆仓库
git clone https://github.com/suyiiyii/AutoGLM-GUI.git
cd AutoGLM-GUI
# 2. 安装依赖
uv sync
# 3. 构建前端（必须）
uv run python scripts/build.py
# 4. 启动服务
uv run autoglm-gui --base-url http://localhost:8080/v1
# 后端开发（自动重载）
uv run autoglm-gui --base-url http://localhost:8080/v1 --reload
# 前端开发服务器（热重载）
cd frontend && pnpm dev
# 仅构建前端
uv run python scripts/build.py
# 构建完整包
uv run python scripts/build.py --pack
AutoGLM-GUI 内置了 MCP 服务器，可以作为一个工具集成为其他 AI 应用（如 Claude Desktop、Cline、Cursor 等）提供 Android 设备自动化能力。
MCP (Model Context Protocol) 是一个开放协议，允许 AI 应用连接到外部数据源和工具。通过 MCP，你可以让 Claude、Cursor 等 AI 直接操作你的 Android 设备。
AutoGLM-GUI 提供了两个 MCP 工具：
chat(device_id, message) - 执行手机任务向指定设备发送自动化任务，AI 会控制手机完成操作。
参数：
device_id：设备标识符（如 "192.168.1.100:5555" 或设备序列号）message：自然语言任务描述（如 "打开微信"、"发送消息"）特点：
list_devices() - 列出已连接设备获取所有已连接的 ADB 设备列表及其状态。
返回信息：
典型应用：
示例：
用户：帮我在手机上打开微信，给张三发消息"下午三点开会"
AI：
1. 调用 list_devices() 找到设备
2. 调用 chat(device_id, "打开微信")
3. 调用 chat(device_id, "搜索联系人张三")
4. 调用 chat(device_id, "发送消息：下午三点开会")
# 使用默认 MCP 端点（挂载在 /mcp）
autoglm-gui --base-url http://localhost:8080/v1
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
添加以下配置：
{
"mcpServers": {
"autoglm-gui": {
"transport": {
"type": "http",
"url": "http://localhost:8000/mcp"
}
}
}
}
在 VS Code 设置中搜索 "cline"，添加 MCP 服务器配置：
{
"cline.mcpServers": {
"autoglm-gui": {
"transport": {
"type": "http",
"url": "http://localhost:8000/mcp"
}
}
}
}
在 Cursor 设置中添加 MCP 服务器（设置 → MCP Servers）：
{
"mcpServers": {
"autoglm-gui": "http://localhost:8000/mcp"
}
}
AutoGLM-GUI 的 MCP 服务器通过 HTTP 端点暴露：
http://localhost:8000/mcp端点路径：
/mcp/sse - SSE 传输端点/mcp/messages - 消息端点实现方式：
/PhoneAgentManager.use_agent 上下文管理器专用 Prompt 特性：
ELEMENT_NOT_FOUND 和 STEP_LIMIT_EXCEEDED 标准化错误chat 工具设计用于执行原子操作（5 步内完成），复杂任务应拆分为多个子任务list_devices() 先确认设备在线，再执行操作ELEMENT_NOT_FOUND 错误，调整策略后重试在 Claude Desktop 中：
用户：帮我查一下手机上有几台设备连接了
Claude：我调用 list_devices() 工具查看一下...
[MCP 工具调用] list_devices()
结果：发现 1 台设备
- 设备 ID: emulator-5554
- 型号: sdk_gphone64_x86_64
- 状态: 在线
用户：在模拟器上打开设置应用
Claude：我调用 chat 工具来操作设备...
[MCP 工具调用] chat("emulator-5554", "打开设置应用")
执行结果：✅ 已完成
步骤 1: Launch(app="设置")
步骤 2: 等待应用加载
步骤 3: 完成
设置应用已成功打开。
💡 提示：Docker 部署已整合到 快速开始 部分，推荐直接查看上方的"方式二：Docker 部署"说明。
本节提供更多 Docker 配置选项和高级用法。
如果使用 host 网络模式且需要修改默认端口（8000），可以通过 command 参数指定：
# 监听 9000 端口
docker run -d --network host \
-v autoglm_config:/root/.config/autoglm \
-v autoglm_logs:/app/logs \
ghcr.io/suyiiyii/autoglm-gui:main \
autoglm-gui --host 0.0.0.0 --port 9000 --no-browser
如果使用 bridge 网络模式，则使用 -p 参数映射端口：
# 映射主机 9000 端口到容器 8000 端口
docker run -d -p 9000:8000 \
-v autoglm_config:/root/.config/autoglm \
-v autoglm_logs:/app/logs \
ghcr.io/suyiiyii/autoglm-gui:main
| 标签 | 说明 |
|---|---|
main | 跟随 main 分支最新代码，推荐使用 |
<commit-sha> | 特定 commit 的镜像（如 abc1234），用于锁定版本 |
| 变量 | 说明 | 默认值 |
|---|---|---|
AUTOGLM_BASE_URL | 模型 API 地址 | (必填) |
AUTOGLM_MODEL_NAME | 模型名称 | autoglm-phone |
AUTOGLM_API_KEY | API 密钥 | (必填) |
# 检查服务状态
curl http://localhost:8000/api/health
我们热烈欢迎社区贡献！无论是修复 bug、添加新功能、改进文档，还是分享使用经验，都对项目有重要价值。
/assign mebug 的 Issueenhancement 的需求如果你是第一次贡献开源项目，可以从这些任务开始：
good first issue 的 Issue| 文档 | 说明 |
|---|---|
| CONTRIBUTING.md | 完整的贡献指南（环境配置、开发流程、PR 规范） |
| CLAUDE.md | 技术架构文档（代码结构、关键实现细节） |
| Issues | 查看和认领任务 |
感谢每一位贡献者，你们让 AutoGLM-GUI 变得更好！🎉
Apache License 2.0
AutoGLM-GUI 打包了 ADB Keyboard APK (com.android.adbkeyboard)，该组件使用 GPL-2.0 许可证。ADB Keyboard 组件作为独立工具使用，不影响 AutoGLM-GUI 本身的 Apache 2.0 许可。
详见：AutoGLM_GUI/resources/apks/ADBKeyBoard.LICENSE.txt
本项目基于 Open-AutoGLM 构建，感谢 zai-org 团队在 AutoGLM 上的卓越工作。
1,515 followers · starred Dec 2025
18 followers · starred Jan 2026
102 followers · starred Jan 2026
AutoGLM 的现代化 Web 图形界面 - 让 AI 自动化操作 Android 设备变得简单 已进化为你的专属自动化生产力工具
See the codeAI 驱动的 Android 自动化生产力工具 - 支持定时任务、远程部署，让 AI 7x24 小时为你工作
从个人助手到自动化中枢：支持 定时执行、Docker 部署、对话历史，打造你的 AI 自动化助手
从个人助手到自动化中枢，AutoGLM-GUI 现已支持：
| ⏰ 定时任务 Cron 调度系统 | 🐳 Docker 部署 7x24 运行 | 📚 对话历史 自动保存追溯 | ⚡ 立即打断 <1秒响应 | 📱 多设备管理 支持模拟器 |
核心场景：部署到服务器 + 定时任务 = AI 自动化助手 7x24 小时为你工作
AI Agent? 如果你是 AI Agent（如 Claude Code），请直接阅读 AI_USAGE.md 获取安装和 API 使用指南。
一键下载桌面版（免配置环境）：
| 操作系统 | 下载链接 | 说明 |
|---|---|---|
| 🪟 Windows (x64) | 📦 下载便携版 EXE | 适用于 Windows 10/11，免安装 |
| 🍎 macOS (Apple Silicon) | 📦 下载 DMG | 适用于 M 芯片 Mac |
| 🐧 Linux (x64) | 📦 下载 AppImage | deb | tar.gz | 通用格式，支持主流发行版 |
使用说明：
.exe 文件运行，无需安装.dmg 文件，拖拽到应用程序文件夹。首次打开可能需要在「系统设置 → 隐私与安全性」中允许运行chmod +x AutoGLM*.AppImage，然后直接运行sudo dpkg -i autoglm*.deb 安装./AutoGLM\ GUI/autoglm-gui💡 提示: 桌面版已内置所有依赖（Python、ADB 等），无需手动配置环境。首次运行时需配置模型服务 API。
自动更新：
AutoGLM GUI 桌面版支持自动更新功能：
或者使用 Python 包（需要 Python 环境）：
# 通过 pip 安装（推荐）
pip install autoglm-gui
# 或使用 uvx 免安装运行（需先安装 uv）
uvx autoglm-gui
分层代理（Layered Agent） 是更“严格”的两层结构：规划层专注任务拆解与多轮推理，执行层专注观察与操作。规划层会通过工具调用（可在界面中看到每次调用与结果）来驱动执行层完成一个个原子子任务，便于边执行边调整策略，适合需要多轮交互/推理的高级任务。
关于设备连接：
无需手动准备环境，直接安装运行：
# 通过 pip 安装并启动
pip install autoglm-gui
autoglm-gui --base-url http://localhost:8080/v1
也可以使用 uvx 免安装启动，自动启动最新版（需已安装 uv，安装教程）：
uvx autoglm-gui --base-url http://localhost:8080/v1
AutoGLM-GUI 提供预构建的 Docker 镜像，支持 linux/amd64 和 linux/arm64 架构，适合部署到服务器 7x24 小时运行，配合定时任务功能实现自动化中枢。
核心优势：
使用 docker-compose（推荐）：
# 1. 下载 docker-compose.yml
curl -O https://raw.githubusercontent.com/suyiiyii/AutoGLM-GUI/main/docker-compose.yml
# 2. 启动服务
docker-compose up -d
# 3. 访问 http://localhost:8000，在 Web 界面中配置模型 API
或直接使用 docker run：
# 使用 host 网络模式运行（推荐）
docker run -d --network host \
-v autoglm_config:/root/.config/autoglm \
-v autoglm_logs:/app/logs \
ghcr.io/suyiiyii/autoglm-gui:main
# 访问 http://localhost:8000，在 Web 界面中配置模型 API
配置说明：
docker-compose.yml 取消注释 environment 部分连接远程设备：
Docker 容器中连接 Android 设备推荐使用 WiFi 调试：
⚠️ 注意：二维码配对功能依赖 mDNS 多播，在 Docker bridge 网络中可能受限。强烈建议使用
--network host模式以获得完整功能支持。
更多 Docker 配置选项，请参见下方的 Docker 部署详细说明。
启动后，在浏览器中打开 http://localhost:8000 即可开始使用！
AutoGLM-GUI 只需要一个 OpenAI 兼容的模型服务。你可以：
--base-url https://open.bigmodel.cn/api/paas/v4，--model autoglm-phone，--apikey <你的 API Key>--base-url https://api-inference.modelscope.cn/v1，--model ZhipuAI/AutoGLM-Phone-9B，--apikey <你的 API Key>zai-org/AutoGLM-Phone-9B，启动 OpenAI 兼容端口后将 --base-url 指向你的服务。示例：
# 使用智谱 BigModel
pip install autoglm-gui
autoglm-gui \
--base-url https://open.bigmodel.cn/api/paas/v4 \
--model autoglm-phone \
--apikey sk-xxxxx
# 使用 ModelScope
pip install autoglm-gui
autoglm-gui \
--base-url https://api-inference.modelscope.cn/v1 \
--model ZhipuAI/AutoGLM-Phone-9B \
--apikey sk-xxxxx
# 指向你自建的 vLLM/SGLang 服务
pip install autoglm-gui
autoglm-gui --base-url http://localhost:8000/v1 --model autoglm-phone-9b
# 查看已安装的版本
pip show autoglm-gui
# 或使用命令行参数
autoglm-gui --version
使用 pip 升级：
# 升级到最新版本
pip install --upgrade autoglm-gui
AutoGLM-GUI 支持同时控制多个 Android 设备：
设备状态说明：
完全无需数据线，手机和电脑只需在同一 WiFi 网络即可：
手机端准备：
电脑端操作：
手机端扫码：
特点：
在初始化设备时，可以选择不同的 Agent 类型（默认：GLM Agent）：
mai_legacy 类型MAI Agent 可配置参数：
history_n：历史截图数量（1-10，默认：3）MAI Agent 增强特性（v1.5.0+）：
这是开源 AutoGLM-Phone 的“原生形态”：由一个视觉模型直接完成「理解任务 → 规划步骤 → 观察屏幕 → 执行动作」的完整闭环。
分层代理模式是更“严格”的两层结构：规划层专注拆解与推理，执行层专注观察与操作，二者通过工具调用协作完成任务。
list_devices() / chat(device_id, message)）去驱动执行层；你能在界面里看到每次工具调用与返回结果📖 深入了解：查看 Layered Agent 架构分析文档 了解技术原理、数据流和实现细节
AutoGLM-GUI 提供了两种不同的代理工作模式，适用于不同的使用场景：
autoglm-phone 视觉模型直接处理（即普通 Open AutoGLM 的体验）选择建议：
除了 AI 自动化，你也可以直接在实时画面上操控手机：
AutoGLM-GUI 内置定时任务系统，让 AI 按照你的计划自动执行操作，打造 7x24 小时的自动化助手。
典型应用场景：
如何使用：
0 8 * * * 表示每天早上 8 点）Docker 部署推荐：
对话历史支持：
将常用任务保存为 Workflow，实现一键快速执行：
管理操作：
在 Chat 界面执行已保存的 Workflow：
使用场景示例：
所有对话和执行记录自动保存到本地数据库，支持随时查看和追溯：
核心功能：
使用场景：
数据存储：
~/.config/autoglm/history.db（SQLite 数据库）AutoGLM-GUI v1.5 已从单纯的"手机助手"升级为"AI 自动化中枢"，以下是典型的生产力应用场景：
配置：
# 在 VPS/NAS 上部署 Docker
docker-compose up -d
# 通过 WiFi 连接 Android 设备
# 在 Web 界面配置定时任务
典型任务：
价值：AI 助手 7x24 小时运行在服务器上，无需人工干预
配置：
典型任务：
价值：一个控制台管理多台设备，规模化自动化
配置：
# 使用模拟器进行自动化测试
# 模拟器零配置，自动检测连接
典型任务：
价值：结合 CI/CD 流程，实现移动端自动化测试
配置：
典型任务：
价值：减少重复性工作，专注创造性任务
| 功能组合 | 适用场景 |
|---|---|
| 定时任务 + Docker + WiFi 连接 | 服务器端 7x24 自动化 |
| 多设备 + Workflow + 对话历史 | 批量设备管理 + 操作追溯 |
| 分层代理 + 立即打断 + 实时预览 | 复杂任务调试与优化 |
| 模拟器直连 + CI/CD 集成 | 自动化测试流程 |
如果你需要从源码进行开发或定制，可以按照以下步骤：
# 1. 克隆仓库
git clone https://github.com/suyiiyii/AutoGLM-GUI.git
cd AutoGLM-GUI
# 2. 安装依赖
uv sync
# 3. 构建前端（必须）
uv run python scripts/build.py
# 4. 启动服务
uv run autoglm-gui --base-url http://localhost:8080/v1
# 后端开发（自动重载）
uv run autoglm-gui --base-url http://localhost:8080/v1 --reload
# 前端开发服务器（热重载）
cd frontend && pnpm dev
# 仅构建前端
uv run python scripts/build.py
# 构建完整包
uv run python scripts/build.py --pack
AutoGLM-GUI 内置了 MCP 服务器，可以作为一个工具集成为其他 AI 应用（如 Claude Desktop、Cline、Cursor 等）提供 Android 设备自动化能力。
MCP (Model Context Protocol) 是一个开放协议，允许 AI 应用连接到外部数据源和工具。通过 MCP，你可以让 Claude、Cursor 等 AI 直接操作你的 Android 设备。
AutoGLM-GUI 提供了两个 MCP 工具：
chat(device_id, message) - 执行手机任务向指定设备发送自动化任务，AI 会控制手机完成操作。
参数：
device_id：设备标识符（如 "192.168.1.100:5555" 或设备序列号）message：自然语言任务描述（如 "打开微信"、"发送消息"）特点：
list_devices() - 列出已连接设备获取所有已连接的 ADB 设备列表及其状态。
返回信息：
典型应用：
示例：
用户：帮我在手机上打开微信，给张三发消息"下午三点开会"
AI：
1. 调用 list_devices() 找到设备
2. 调用 chat(device_id, "打开微信")
3. 调用 chat(device_id, "搜索联系人张三")
4. 调用 chat(device_id, "发送消息：下午三点开会")
# 使用默认 MCP 端点（挂载在 /mcp）
autoglm-gui --base-url http://localhost:8080/v1
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
添加以下配置：
{
"mcpServers": {
"autoglm-gui": {
"transport": {
"type": "http",
"url": "http://localhost:8000/mcp"
}
}
}
}
在 VS Code 设置中搜索 "cline"，添加 MCP 服务器配置：
{
"cline.mcpServers": {
"autoglm-gui": {
"transport": {
"type": "http",
"url": "http://localhost:8000/mcp"
}
}
}
}
在 Cursor 设置中添加 MCP 服务器（设置 → MCP Servers）：
{
"mcpServers": {
"autoglm-gui": "http://localhost:8000/mcp"
}
}
AutoGLM-GUI 的 MCP 服务器通过 HTTP 端点暴露：
http://localhost:8000/mcp端点路径：
/mcp/sse - SSE 传输端点/mcp/messages - 消息端点实现方式：
/PhoneAgentManager.use_agent 上下文管理器专用 Prompt 特性：
ELEMENT_NOT_FOUND 和 STEP_LIMIT_EXCEEDED 标准化错误chat 工具设计用于执行原子操作（5 步内完成），复杂任务应拆分为多个子任务list_devices() 先确认设备在线，再执行操作ELEMENT_NOT_FOUND 错误，调整策略后重试在 Claude Desktop 中：
用户：帮我查一下手机上有几台设备连接了
Claude：我调用 list_devices() 工具查看一下...
[MCP 工具调用] list_devices()
结果：发现 1 台设备
- 设备 ID: emulator-5554
- 型号: sdk_gphone64_x86_64
- 状态: 在线
用户：在模拟器上打开设置应用
Claude：我调用 chat 工具来操作设备...
[MCP 工具调用] chat("emulator-5554", "打开设置应用")
执行结果：✅ 已完成
步骤 1: Launch(app="设置")
步骤 2: 等待应用加载
步骤 3: 完成
设置应用已成功打开。
💡 提示：Docker 部署已整合到 快速开始 部分，推荐直接查看上方的"方式二：Docker 部署"说明。
本节提供更多 Docker 配置选项和高级用法。
如果使用 host 网络模式且需要修改默认端口（8000），可以通过 command 参数指定：
# 监听 9000 端口
docker run -d --network host \
-v autoglm_config:/root/.config/autoglm \
-v autoglm_logs:/app/logs \
ghcr.io/suyiiyii/autoglm-gui:main \
autoglm-gui --host 0.0.0.0 --port 9000 --no-browser
如果使用 bridge 网络模式，则使用 -p 参数映射端口：
# 映射主机 9000 端口到容器 8000 端口
docker run -d -p 9000:8000 \
-v autoglm_config:/root/.config/autoglm \
-v autoglm_logs:/app/logs \
ghcr.io/suyiiyii/autoglm-gui:main
| 标签 | 说明 |
|---|---|
main | 跟随 main 分支最新代码，推荐使用 |
<commit-sha> | 特定 commit 的镜像（如 abc1234），用于锁定版本 |
| 变量 | 说明 | 默认值 |
|---|---|---|
AUTOGLM_BASE_URL | 模型 API 地址 | (必填) |
AUTOGLM_MODEL_NAME | 模型名称 | autoglm-phone |
AUTOGLM_API_KEY | API 密钥 | (必填) |
# 检查服务状态
curl http://localhost:8000/api/health
我们热烈欢迎社区贡献！无论是修复 bug、添加新功能、改进文档，还是分享使用经验，都对项目有重要价值。
/assign mebug 的 Issueenhancement 的需求如果你是第一次贡献开源项目，可以从这些任务开始：
good first issue 的 Issue| 文档 | 说明 |
|---|---|
| CONTRIBUTING.md | 完整的贡献指南（环境配置、开发流程、PR 规范） |
| CLAUDE.md | 技术架构文档（代码结构、关键实现细节） |
| Issues | 查看和认领任务 |
感谢每一位贡献者，你们让 AutoGLM-GUI 变得更好！🎉
Apache License 2.0
AutoGLM-GUI 打包了 ADB Keyboard APK (com.android.adbkeyboard)，该组件使用 GPL-2.0 许可证。ADB Keyboard 组件作为独立工具使用，不影响 AutoGLM-GUI 本身的 Apache 2.0 许可。
详见：AutoGLM_GUI/resources/apks/ADBKeyBoard.LICENSE.txt
本项目基于 Open-AutoGLM 构建，感谢 zai-org 团队在 AutoGLM 上的卓越工作。
1,515 followers · starred Dec 2025
18 followers · starred Jan 2026
102 followers · starred Jan 2026