• 简体中文
      • New
      使用 Midscene Skills 控制任意平台|了解更多

      Midscene.js

      视觉模型驱动，支持全平台的 UI 自动化 SDK。完全开源。

      11k+
      Github Stars
      #2
      Github 趋势榜第2名
      使用文档案例展示
      平台

      Web、iOS、Android 等多端支持

      用自然语言跨平台控制浏览器和移动应用
      统一的 API 设计，轻松实现跨平台自动化
      Web

      Web

      与 Puppeteer 或 Playwright 集成，或使用桥接模式控制桌面浏览器。
      iOS

      iOS

      通过自然语言与 WebDriver 控制 iOS 设备
      Android

      Android

      通过自然语言与 adb 控制安卓设备
      Any Interface

      任意界面

      视觉建模支持任意界面的自动化，突破 DOM 限制。
      模型策略

      视觉模型 多模型组合 适配开源模型

      视觉模型提升操作精准度
      多模型协同提升完成率
      有开源选项也靠谱

      豆包 Seed

      豆包 Seed 视觉模型，针对视觉理解和 UI 元素识别进行优化，表现出色。

      Qwen3-VL

      Qwen 视觉语言模型，支持高质量图像理解和 UI 元素识别，性价比高。

      Gemini-3-Pro

      Gemini 先进的多模态模型，拥有强大的视觉能力和全面的 UI 自动化支持。
      Multi-model combo

      多模型组合

      支持在规划、交互时选用不同模型，提升任务完成率
      开发体验

      丰富的 API 和工具

      大量实用 API，方便控制自动化流程和运行策略
      支持扩展自己的 UI 操作 Agent
      帮助开发者快速完成 UI Automation 任务上线
      Rich APIs

      丰富的 API

      同时支持智能执行流程与原子化精确控制。
      MCP Server

      MCP Server

      将设备操作暴露为 MCP Server，并可与多种模型协作使用。
      Reports & Playground

      报告与 Playground

      提供直观的可视化报告，帮助开发者回溯自动化流程
      Flexible Integration

      灵活集成

      支持使用 Yaml 编写自动化流程，支持自定义 Agent 执行策略
      .
      查看所有 APIArrow right
      aiAct, aiLocate, aiAssert...
      探索完整的 API 文档以获取更多自动化能力。
      使用文档案例展示