能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🌐 翻译 🐳 Docker 🖼 视觉 🧠 Claude ✨ GPT

🔌

MCP工具

Flutter 自动化测试工具

基于 Python · 让 AI 助手直接操作你的系统与工具

英文名：flutter-dev-agents

⭐ 5 Stars 💻 Python 📄 Apache-2.0 🏷 AI 7.5分

7.5AI 综合评分

mcpagentai-agentsandroidanthropicappiumpython

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

Flutter 自动化测试工具是 AI Skill Hub 本期精选MCP工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

Flutter 自动化测试工具是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 Flutter 自动化测试工具，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。Flutter 自动化测试工具提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 Flutter 自动化测试工具评为 AI 评分 7.5 分，属于同类工具中的优质选择。

📋 工具概览

The first MCP server for autonomous Flutter testing on real iPhones and Android，支持Flutter自动化测试。

Flutter 自动化测试工具是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 5

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

Apache-2.0

AI 综合评分

7.5 分

工具类型

MCP工具

Forks

—

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

The first MCP server for autonomous Flutter testing on real iPhones and Android，支持Flutter自动化测试。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/michal-giza/flutter-dev-agents

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "flutter--------": {
      "command": "npx",
      "args": ["-y", "flutter-dev-agents"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 Flutter 自动化测试工具 执行以下任务...
Claude: [自动调用 Flutter 自动化测试工具 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "flutter________": {
      "command": "npx",
      "args": ["-y", "flutter-dev-agents"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 46/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

flutter-dev-agents

The first MCP server that lets autonomous agents build, deploy and test Flutter apps on real iPhones and Android devices.

137 tools across Android (uiautomator2 + adb), iOS (WebDriverAgent + pymobiledevice3), Flutter (Patrol + flutter run --machine), and a 7-vertical opinionated audit suite for shipping with confidence. Works with Claude Desktop, Claude Code, Cursor, or any MCP-aware host. Composes with Google's official Dart/Flutter MCP and Maestro MCP — see the stack.

→ First 15 minutes · The Stack · Senior-tester discipline · Comparison vs other MCPs · FAQ · Configuration · Operational gotchas · Tools by category · Architecture

What's new in v0.4.0 (May 2026)

The Maestro composition release. We now sit explicitly on top of Maestro (mobile.dev's flow-based mobile test framework, whose MCP launched Feb 2026) — auditing what their flows produce rather than competing with them. Same posture for Google's official Dart/Flutter MCP.

🆕 audit_maestro_flow — lint Maestro YAML flows against 12 senior-tester rules (hardcoded locale strings, vacuous assertions, sleep_in_flow, missing failure paths, …)
🆕 ingest_maestro_report — parse Maestro execution reports (JUnit XML + Maestro JSON), surface flake / regression signals
🔧 audit_release_readiness — extended with a 6th test_execution domain (opt-in via maestro_report_path); failed flows propagate to verdict=block

See the stack for how the 4 MCPs compose end-to-end, and the comparison memo for the full landscape analysis.

Previous milestones: - v0.3.1 — calibration patches from 3-project field test, signal:noise ~96% - v0.3.0 — the 7-vertical audit suite (seniority + security + i18n + supply chain + a11y + test-quality + composite gate) + senior-tester loop (design_test_plan + audit_test_quality) - v0.2.x — initial PyPI release, multi-device locking, Patrol integration, AR/vision

---

What's here

Path	What
[`packages/phone-controll/`](packages/phone-controll/)	The flagship MCP. 137 tools spanning device control, build/install/launch, Patrol-driven Flutter UI tests, AR/Vision, declarative YAML test plans, cross-session device locking, the 7-vertical audit suite (seniority/security/i18n/dependencies/a11y/test-quality + composite), the senior-tester loop (`design_test_plan` + `audit_test_quality`), and Maestro composition (`audit_maestro_flow` + `ingest_maestro_report`).
`packages/<future>/`	Future MCPs slot in here using the same shape (see [`docs/adding_an_mcp.md`](docs/adding_an_mcp.md)).
[`examples/templates/`](examples/templates/)	Shared YAML test-plan templates (smoke, ump-decline, ar-anchor, flutter-test-smoke).
[`examples/agent_loop.py`](examples/agent_loop.py)	Reference autonomous Plan→Build→Test→Verify loop using any OpenAI-compat local LLM.
[`skills/`](skills/)	Symlinks to the Claude Code skills that ship with these MCPs.
[`scripts/`](scripts/)	Fresh-laptop installer, doctor, and ops scripts.
[`docs/`](docs/)	Architecture, framework-extension recipe, MCP-extension recipe.

External prerequisites

See packages/phone-controll/README.md for the full list. Briefly:

Android: adb (brew install --cask android-platform-tools)
iOS: Xcode + CLT, pymobiledevice3 remote tunneld running for developer-tier services
Flutter: flutter on PATH; for Patrol: dart pub global activate patrol_cli
AR (optional): [ar] extra installs OpenCV
HTTP adapter (optional): [http] extra installs FastAPI + uvicorn

Run check_environment from any Claude Code session — it returns a structured doctor report with concrete fix commands for any red items.

Getting started (developer machine, macOS)

```bash git clone <this repo> ~/Desktop/flutter-dev-agents cd ~/Desktop/flutter-dev-agents/packages/phone-controll uv venv --python 3.11 uv pip install -e ".[dev,ar,http]" pytest # full unit suite, no toolchain needed

Real-developer multi-project workflow

A typical day on the factory laptop:

Claude #1 in checkaiapp/
  → open_project_in_ide("checkaiapp")     # spawns its own VS Code window
  → select_device(R3CYA05CHXB)            # acquires the lock on the Galaxy
  → start_debug_session(project_path=...)  # `flutter run --machine`, returns vm_service_uri
  → ...edit code, restart_debug_session, read_debug_log, repeat...
  → run_patrol_test (or run_test_plan with dev_iteration.yaml)
  → stop_debug_session, release_device, close_ide_window

Claude #2 in another_app/                  → emulator-5554, its own VS Code, its own debug
Claude #3 in third_app/                    → iPhone simulator UDID, its own VS Code, its own debug

Three independent debug sessions, three IDE windows, three locked devices, no collisions. The HTTP adapter exposes both the unified /tools/* surface and a focused /dev-session/* sub-router for agents that only care about the dev-iteration loop.

See examples/templates/dev_iteration.yaml for a runnable plan template; docs/ios_setup.md for the iPhone prerequisites (Developer Mode, DDI, tunneld, WebDriverAgent).

🎯 aiskill88 AI 点评 B 级 2026-06-06

该工具提供了一个开源的MCP服务器，支持Flutter自动化测试，虽然star数较少，但仍然是一个有价值的工具，值得关注。

📚 实用指南（长尾问题）

适合谁

需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者
跨境业务、多语言内容运营团队

最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
容器内无法访问宿主机 localhost — 使用 host.docker.internal
Python 依赖冲突：建议用 venv / uv 隔离环境

部署方案

Docker：flutter-dev-agents 提供官方镜像，docker compose up 一键启动
云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台

⚡ 核心功能

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

👥 适合谁

需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者
跨境业务、多语言内容运营团队

⭐ 最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

⚠️ 常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
容器内无法访问宿主机 localhost — 使用 host.docker.internal
Python 依赖冲突：建议用 venv / uv 隔离环境

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点

+Apache-2.0 协议，可免费商用
+标准化 MCP 协议，生态互联性强
+与 Claude 官方生态无缝对接
+即插即用，配置简单快捷

⚠️ 不足

−依赖 Claude 客户端，非 Claude 用户无法使用
−MCP 协议仍在持续演进，接口可能变更
−需要一定的配置步骤

⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

🔗 相关工具推荐

MCP 服务器资源汇总

精心策划的Model Context Protocol服务器列表，汇集AI工具生态中的优质MCP服务实现。面向Claud

📰 相关 AI 新闻

AI 前沿资讯：A2A, how it looks in an enterp…

🍿 AI 圈相关吃瓜

配了5个 MCP 工具，Claude 一个都没用

AI 圈观察

AutoGPT 自主完成了任务：把我的文件夹全部重命名了

AI 圈观察

Filesystem MCP 帮 Claude 找文件，找了整个 node_modules

🗺️ 相关解决方案

ai-workflow-templates

translation

ai-translation-pipeline

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

技能寻求者

MCP · Agent · 工作流

natively-cluely-ai-assistant — Claude Skill 中文使用文档

免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。

❓ 常见问题 FAQ

常见问题−

解答

MCP 是什么？和普通 API 有什么区别？+

我需要编程基础才能使用这个 MCP 工具吗？+

这个工具支持 Claude Code 吗？还是只有 Claude Desktop？+

MCP 工具是否会访问我的本地文件或数据？+

多个 MCP 工具可以同时使用吗？+

💡 AI Skill Hub 点评

经综合评估，Flutter 自动化测试工具在MCP工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

⬇️ 获取与下载

⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 Flutter 自动化测试工具

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`flutter-dev-agents`
原始描述	开源MCP工具：The first MCP server for autonomous Flutter testing on real iPhones and Android 。⭐5 · Python
Topics	`mcpagentai-agentsandroidanthropicappiumpython`
GitHub	https://github.com/michal-giza/flutter-dev-agents
License	Apache-2.0
语言	Python

🔗 原始来源

🐙 GitHub 仓库 https://github.com/michal-giza/flutter-dev-agents 🌐 官方网站 https://pypi.org/project/mcp-phone-controll/

收录时间：2026-06-06 · 更新时间：2026-06-11 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。

Flutter 自动化测试工具

📚 深度解析

📋 工具概览

📖 中文文档

flutter-dev-agents

What's new in v0.4.0 (May 2026)

What's here

External prerequisites

Getting started (developer machine, macOS)

Real-developer multi-project workflow

⚡ 核心功能

👥 适合人群

🎯 使用场景

⚖️ 优点与不足

🔗 相关工具推荐

❓ 常见问题 FAQ

🤖 交给 Agent 安装 · Flutter 自动化测试工具