【亲测免费】 atx-agent 项目教程
1. 项目介绍
atx-agent 是一个运行在 Android 设备上的 HTTP 服务器,旨在屏蔽不同安卓机器的差异,并提供统一的 HTTP 接口供 openatx/uiautomator2 使用。该项目的主要目的是简化 Android 设备的自动化操作,通过统一的接口处理不同设备的差异,从而提高自动化测试和开发的效率。
atx-agent 项目使用 Go 语言编写,编译后生成一个二进制程序,运行在 Android 系统的后台。它通过多种方式处理截图、设备信息获取、应用安装、Shell 命令执行等操作,确保在不同设备上提供一致的接口。
2. 项目快速启动
2.1 安装
首先,从 GitHub Releases 下载适用于 linux_armv7 架构的二进制包。大多数 Android 设备都是 linux-arm 架构的。
# 下载二进制包
wget https://github.com/openatx/atx-agent/releases/download/v0.0.2/atx-agent_0.0.2_linux_armv7.tar.gz
# 解压
tar -xzf atx-agent_0.0.2_linux_armv7.tar.gz
2.2 部署
将解压后的 atx-agent 文件推送到 Android 设备上,并设置执行权限。
# 推送到设备
adb push atx-agent /data/local/tmp
# 设置执行权限
adb shell chmod 755 /data/local/tmp/atx-agent
2.3 启动
在设备上启动 atx-agent 服务。
# 启动 atx-agent 服务
adb shell /data/local/tmp/atx-agent server -d
默认情况下,atx-agent 监听的端口是 7912。
2.4 常用接口
假设设备的地址是 $DEVICE_URL(例如:http://10.0.0.1:7912),以下是一些常用的接口示例:
-
获取手机截图
curl $DEVICE_URL/screenshot -
获取当前程序版本
curl $DEVICE_URL/version -
获取设备信息
curl $DEVICE_URL/info
3. 应用案例和最佳实践
3.1 自动化测试
atx-agent 可以与 openatx/uiautomator2 结合使用,实现 Android 设备的自动化测试。通过统一的 HTTP 接口,可以轻松地控制设备进行截图、安装应用、执行 Shell 命令等操作,从而实现自动化测试流程。
3.2 远程控制
atx-agent 还可以用于远程控制 Android 设备。通过 HTTP 接口,可以远程执行 Shell 命令、获取设备信息、安装应用等操作,适用于远程管理、远程调试等场景。
3.3 数据采集
通过 atx-agent 提供的接口,可以方便地采集 Android 设备的各种数据,如设备信息、应用内存使用情况、CPU 信息等。这些数据可以用于分析设备性能、监控应用状态等。
4. 典型生态项目
4.1 openatx/uiautomator2
openatx/uiautomator2 是一个基于 uiautomator 的 Android 自动化测试框架。它通过 atx-agent 提供的 HTTP 接口,实现对 Android 设备的自动化操作。uiautomator2 提供了丰富的 API,可以方便地进行 UI 自动化测试。
4.2 openatx/atx-server
openatx/atx-server 是一个用于管理多台 Android 设备的集中式服务器。它通过 atx-agent 提供的接口,实现对多台设备的统一管理和控制。atx-server 可以用于设备集群管理、自动化测试调度等场景。
4.3 openatx/atx-webide
openatx/atx-webide 是一个基于 Web 的 Android 设备管理工具。它通过 atx-agent 提供的接口,实现对 Android 设备的远程控制和管理。atx-webide 提供了友好的 Web 界面,方便用户进行设备操作和调试。
通过这些生态项目,atx-agent 可以与其他工具结合,构建完整的 Android 设备管理和自动化测试解决方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00