appium‑mcp – 用於行動測試自動化的 AI 增強型 Appium 伺服器

是什麼 – 基於 Node.js 的 MCP（模型上下文協定）伺服器，位於標準 Appium 自動化框架之上。它提供常見的 Appium 功能（Android UiAutomator2、iOS XCUITest 等），並新增 AI 驅動的輔助功能，讓您能使用自然語言描述與裝置互動，自動產生定位器，甚至從純英文描述生成 Java/TestNG 測試程式碼。

核心功能（如 README 所述）

類別	您將獲得的功能
跨平台行動自動化	使用內建的 Appium 驅動程式支援 Android 與 iOS 裝置（實體裝置、模擬器、模擬器）。
AI 驅動的元素尋找	一個工具（`appium_ai`），將螢幕截圖傳送至可設定的視覺模型（OpenAI 相容）並回傳符合自然語言查詢的 UI 元素。
智慧定位器產生	基於優先順序規則產生穩健的選擇器（XPath、可存取性 ID 等），減少測試的不穩定性。
自動化測試產生	將自然語言測試描述轉換為使用 Page Object 模式的 Java/TestNG 程式碼。
會話管理	透過簡單的 MCP 命令建立、連接與清理 Appium 會話；支援內嵌的本機驅動程式與遠端 WebDriver/Appium 伺服器。
多語言支援	AI 層可理解多種語言（英文、西班牙文、中文、日文、韓文等）。
可觀測性	可選的 OpenTelemetry 追蹤、每個動作的結構化「證據」記錄，以及可設定的螢幕截圖儲存。
可擴充的外掛 API	允許開發者新增自訂工具或取代現有工具。

典型工作流程

安裝伺服器（npx appium-mcp@latest），並加入 IDE 的 MCP 設定中（Cursor、Gemini CLI、Claude Code 等）。
設定環境變數 – 至少設定 ANDROID_HOME（或 macOS 上的 iOS 工具），並可選地設定 CAPABILITIES_CONFIG 指向描述您裝置的 JSON 檔案。
啟動會話 – 讓伺服器啟動本機驅動程式（action=create）或指向現有的遠端 Appium 伺服器（remoteServerUrl）。
向 AI 提出請求 – 發送自然語言請求，如「點選登入按鈕」或「尋找標籤為 電子郵件 的欄位」。伺服器使用透過 AI_VISION_* 變數設定的視覺模型定位元素並執行動作。
產生程式碼 – 提供如「驗證登入後歡迎畫面顯示使用者姓名」之類的描述，即可獲得包含 Page Object 模板的可執行 Java/TestNG 程式碼。
可選追蹤 – 啟用 OpenTelemetry（APPIUM_MCP_OTEL_ENABLED=true）以收集每個工具呼叫的跨度，有助於 CI 調試。

安裝與快速入門（來自 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，點擊一鍵安裝徽章即可自動新增伺服器。
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。

設定亮點

AI 視覺 – 透過 AI_VISION_ENABLED=true 啟用，並提供 AI_VISION_API_BASE_URL 和 AI_VISION_API_KEY。預設模型為 Qwen3-VL-235B-A22B-Instruct。
文件工具 – 透過 APPIUM_MCP_DOCS_ENABLED=true 選項啟用；需要可選的 @appium/mcp-documentation 套件。
OpenTelemetry – 透過 APPIUM_MCP_OTEL_ENABLED 切換；使用標準 OTEL_* 變數設定匯出器端點、服務名稱等。
會話清理 – 由 APPIUM_MCP_ON_CLIENT_DISCONNECT 控制（delete_all 或 skip）。
證據記錄 – 設定 APPIUM_MCP_EVIDENCE=true 可在每個元素尋找或手勢回應中附加結構化 JSON 塊，有助於 CI 診斷。

誰會使用它？

希望透過與助理對話而非手動撰寫選擇器來更快撰寫行動測試的 QA 工程師。
需要可靠、AI 增強的元素定位與自動測試骨架的 CI 管道開發者。
採用 LLM 驅動開發工具（Cursor、Claude、Gemini）並尋找可直接整合至這些 IDE 的現成 MCP 伺服器的團隊。
探索行動裝置上基於視覺的 UI 互動的研究人員，因為伺服器可指向任何 OpenAI 相容的視覺端點。

限制與需求（如 README 所述）

需要 Node 22+、Java 8+、Android SDK（用於 Android）和 Xcode（用於 macOS 上的 iOS）。
AI 視覺功能僅在提供所需 API 端點與金鑰時才可運作；否則 appium_ai 工具不會註冊。
每個伺服器程序僅維持一個活躍的 Appium 會話；並行會話需獨立的伺服器實例。
「通用」平台模式允許向遠端 Appium 伺服器傳遞任意能力集，但本機內嵌驅動程式僅限於 Android 與 iOS。

總結

appium-mcp 是一個真正的軟體專案，它在廣為人知的 Appium 自動化堆疊中增加了 AI 驅動功能（自然語言元素定位、自動產生測試程式碼、多語言支援），並透過 MCP 協定與現代 LLM 中心 IDE 無縫整合。它明確屬於 AI 增強行動測試領域，而非單純的教學或連結集合。

appium/appium-mcp