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

写真1枚でリアルタイム顔入れ替え!ワンクリックでディープフェイク映像を生成 — Deep-Live-Cam

hacksider/Deep-Live-CamPython90.5k

Deep-Live-Camは、たった1枚の写真を用意するだけで、ウェブカメラの映像やビデオの中の顔をリアルタイムに別人の顔に入れ替えられるソフトウェアです。「顔を選ぶ→カメラを選ぶ→ライブボタンを押す

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

AIモデルの実行も学習もブラウザ画面ひとつで完結!最大2倍速・VRAM70%削減の万能ツール — unsloth

unslothai/unslothPython57.0k

Unslothは、Qwen、DeepSeek、Gemma、LlamaなどのオープンソースAIモデルを自分のパソコンで動かしたり、追加学習(ファインチューニング)したりできる統合ツールです。ブラウザから

たった1万5千円で自分だけのChatGPTを作れる!GPT-2級AIを2時間で訓練 — nanochat

karpathy/nanochatPython46.5k

nanochatは、大規模言語モデル(人間のように文章を書くAI)を自分で一から作って、ChatGPTのような対話画面で会話できるようにするツールです。2019年に約600万円かかったGPT-2という

たった3元・2時間でゼロからGPTを訓練!超軽量26MパラメータのAI言語モデル — minimind

jingyaogong/minimindPython42.9k

MiniMindは、大規模言語モデル(人間と会話できるAI)をゼロから自分の手で作れるオープンソースプロジェクトです。通常のAIモデルは数百億のパラメータ(AIの脳細胞のようなもの)を持ちますが、Mi