スマホもPCも自動操作!人間のようにタップして作業してくれるAIアシスタント — MobileAgent

X-PLUG/MobileAgentPython7.8k

MobileAgentは、スマートフォンやパソコン、ブラウザの画面を見て、人間のように自動操作できるAIエージェントです。「メールを送って」「ネット検索して」といった指示を日本語で伝えるだけで、アプリを開いて必要な操作を全て代行してくれます。アリババのAI研究チームが開発し、20以上のテストで最高性能を記録しています。プログラミング知識がなくても、まるで優秀な秘書のようにデジタル作業を任せられるのが魅力です。

🔥 なぜ話題?

生成AIの進化により、文字や画像だけでなく「実際の操作」も自動化できるようになった今、デジタル秘書のような存在として大きな注目を集めています。特に複数デバイス対応と高い操作精度が話題です。

💡 こう使える!

「今日の天気を調べてメモアプリに保存して」と指示すると、天気アプリを開いて情報を確認し、自動的にメモアプリに切り替えて天気情報を入力・保存まで完了してくれます。

ユースケース: 日常的なスマホ・PC操作の自動化や、繰り返し作業の効率化

  • スマホ・PC・ブラウザの画面を見て自動操作
  • 20以上のベンチマークで最高性能を達成
GitHubで見る →

Mobile-Agent: The Powerful GUI Agent Family

過去のトレンド履歴

関連リポジトリ

LLMアプリのレシピ集!ChatGPTから音声エージェントまで実例満載 — awesome-llm-apps

Shubhamsaboo/awesome-llm-appsPython99.0k

awesome-llm-appsは、ChatGPTやGeminiなどの大規模言語モデル(AIの文章生成技術)を使った実用的なアプリケーションの作り方を集めたレシピ集です。AIエージェント(自動でタスク

PDF・Word・Excel・画像…あらゆるファイルをMarkdownに一発変換!AI時代の必携ツール — markitdown

microsoft/markitdownPython89.9k

MarkItDownは、PDF、Word、Excel、PowerPoint、画像、音声、HTMLなど、さまざまなファイル形式をMarkdown(シンプルな書式付きテキスト)に変換するPython製のツ

写真1枚でリアルタイム顔すり替え!ワンクリックで誰にでもなれるAIディープフェイク — Deep-Live-Cam

hacksider/Deep-Live-CamPython86.8k

Deep-Live-Camは、たった1枚の顔写真を用意するだけで、リアルタイムにウェブカメラの映像や動画の顔を別人の顔に置き換えられるAIツールです。ビデオ通話やライブ配信中に、まるで別人になったかの

AIに「このサイトで○○して」と頼むだけ!ブラウザ操作を全自動化するエージェント — browser-use

browser-use/browser-usePython84.1k

browser-useは、AI(人工知能)にウェブブラウザを操作させて、オンラインの作業を自動化できるPython製のツールです。「この求人に応募して」「買い物リストの商品をカートに入れて」といった自

PDFや画像を一瞬で構造化データに変換!100言語以上対応のAI文字認識エンジン — PaddleOCR

PaddlePaddle/PaddleOCRPython74.5k

PaddleOCRは、PDFや画像の中にある文字・表・数式・グラフなどを読み取り、MarkdownやJSON(コンピュータが扱いやすいデータ形式)に自動変換するツールです。100以上の言語に対応してお