appium‑mcp – 用于移动测试自动化的 AI 增强型 Appium 服务器

是什么 – 基于 Node.js 的 MCP（模型上下文协议）服务器，位于标准 Appium 自动化框架之上。它提供常规 Appium 功能（Android UiAutomator2、iOS XCUITest 等），并增加了 AI 驱动的辅助功能，允许您使用自然语言描述与设备交互，自动创建定位器，并从纯英文描述生成 Java/TestNG 测试代码。

核心功能（如 README 所述）

类别	您将获得的功能
跨平台移动自动化	使用内置的 Appium 驱动程序支持 Android 和 iOS 设备（真实设备、模拟器、仿真器）。
AI 驱动的元素查找	一个工具（`appium_ai`），将截图发送到可配置的视觉模型（OpenAI 兼容）并返回与自然语言查询匹配的 UI 元素。
智能定位器生成	基于优先级规则生成稳健的选择器（XPath、可访问性 ID 等），减少测试的不稳定性。
自动化测试生成	将自然语言测试描述转换为使用 Page Object 模式的 Java/TestNG 代码。
会话管理	通过简单的 MCP 命令创建、连接和清理 Appium 会话；支持嵌入式本地驱动程序和远程 WebDriver/Appium 服务器。
多语言支持	AI 层可理解多种语言（英语、西班牙语、中文、日语、韩语等）。
可观测性	可选的 OpenTelemetry 跟踪、每个操作的结构化“证据”记录，以及可配置的截图存储。
可扩展插件 API	允许开发者添加自定义工具或替换现有工具。

典型工作流程

安装服务器（npx appium-mcp@latest），并将其添加到 IDE 的 MCP 配置中（Cursor、Gemini CLI、Claude Code 等）。
设置环境变量 – 至少设置 ANDROID_HOME（或 macOS 上的 iOS 工具），并可选地设置 CAPABILITIES_CONFIG 指向描述您设备的 JSON 文件。
启动会话 – 让服务器启动本地驱动程序（action=create）或指向现有的远程 Appium 服务器（remoteServerUrl）。
向 AI 提出请求 – 发送自然语言请求，如“点击登录按钮”或“找到标记为邮箱的字段”。服务器使用通过 AI_VISION_* 变量配置的视觉模型定位元素并执行操作。
生成代码 – 提供如“验证登录后欢迎屏幕显示用户姓名”之类的描述，即可获得包含 Page Object 模板的可运行 Java/TestNG 代码。
可选跟踪 – 启用 OpenTelemetry（APPIUM_MCP_OTEL_ENABLED=true）以收集每个工具调用的跨度，有助于 CI 调试。

安装与快速入门（来自 README）

{
  "mcpServers": {
    "appium-mcp": {
      "disabled": false,
      "timeout": 100,
      "type": "stdio",
      "command": "npx",
      "args": ["appium-mcp@latest"],
      "env": {
        "ANDROID_HOME": "/path/to/android/sdk",
        "CAPABILITIES_CONFIG": "/path/to/your/capabilities.json"
      }
    }
  }
}

在 Cursor IDE 中，点击一键安装徽章即可自动添加服务器。
使用 Gemini CLI：gemini mcp add appium-mcp npx -y appium-mcp@latest。
使用 Claude Code CLI：claude mcp add appium-mcp -- npx -y appium-mcp@latest。

配置亮点

AI 视觉 – 通过 AI_VISION_ENABLED=true 启用，并提供 AI_VISION_API_BASE_URL 和 AI_VISION_API_KEY。默认模型为 Qwen3-VL-235B-A22B-Instruct。
文档工具 – 通过 APPIUM_MCP_DOCS_ENABLED=true 选择启用；需要可选的 @appium/mcp-documentation 包。
OpenTelemetry – 通过 APPIUM_MCP_OTEL_ENABLED 切换；使用标准 OTEL_* 变量配置导出器端点、服务名称等。
会话清理 – 由 APPIUM_MCP_ON_CLIENT_DISCONNECT 控制（delete_all 或 skip）。
证据记录 – 设置 APPIUM_MCP_EVIDENCE=true 可在每个元素查找或手势响应中附加结构化 JSON 块，有助于 CI 诊断。

谁会使用它？

希望通过与助手对话而非手动编写选择器来更快编写移动测试的 QA 工程师。
需要可靠、AI 增强的元素定位和自动测试骨架的 CI 管道开发者。
采用 LLM 驱动开发工具（Cursor、Claude、Gemini）并寻找可直接集成到这些 IDE 的现成 MCP 服务器的团队。
探索移动设备上基于视觉的 UI 交互的研究人员，因为服务器可以指向任何 OpenAI 兼容的视觉端点。

限制与要求（如 README 所述）

需要 Node 22+、Java 8+、Android SDK（用于 Android）和 Xcode（用于 macOS 上的 iOS）。
AI 视觉功能仅在提供所需 API 端点和密钥时才可工作；否则 appium_ai 工具不会注册。
每个服务器进程仅保持一个活动的 Appium 会话；并发会话需要独立的服务器实例。
“通用”平台模式允许向远程 Appium 服务器传递任意能力集，但本地嵌入式驱动程序仅限于 Android 和 iOS。

总结

appium-mcp 是一个真正的软件项目，它在广为人知的 Appium 自动化栈中增加了 AI 驱动功能（自然语言元素定位、自动生成测试代码、多语言支持），并通过 MCP 协议与现代 LLM 中心 IDE 无缝集成。它明确属于 AI 增强移动测试领域，而非简单的教程或链接集合。

appium/appium-mcp