Appium を使用したモバイル アプリ自動化のためのモデル コンテキスト プロトコル (MCP) サーバー実装。
Node.js (v14以上)
Java開発キット（JDK）
Android SDK（Android テスト用）
Xcode (iOS テスト用、macOS のみ)
Appiumサーバー
Androidデバイスまたはエミュレータ / iOSデバイスまたはシミュレータ
Related MCP server: MCP Android Agent
コマンドを実行する前に、環境変数が適切に設定されていることを確認してください。
.bash_profile 、 .zshrc 、またはその他のシェル構成ファイルに必要な環境変数が含まれていることを確認します。
# Example environment variables in ~/.bash_profile
export JAVA_HOME=/path/to/your/java
export ANDROID_HOME=/path/to/your/android/sdk
export PATH=$PATH:$ANDROID_HOME/tools:$ANDROID_HOME/platform-toolsMCP-Appium を実行する前に環境ファイルをソースします。
source ~/.bash_profile # For bash
# OR
source ~/.zshrc # For zsh注: システムはドライバーを初期化するときに
.bash_profile自動的に取得しようとしますが、新しいターミナル セッションでテストを実行する前に、適切な環境設定を手動で確認することをお勧めします。
iOS テストでは、適切な Xcode コマンドライン ツールの構成が不可欠です。
Xcode コマンドライン ツールがまだインストールされていない場合はインストールします。
xcode-select --installインストールを確認し、現在の Xcode パスを確認します。
xcode-select -p必要に応じて、正しい Xcode パスを設定します (特に複数の Xcode バージョンがある場合)。
sudo xcode-select -s /Applications/Xcode.app/Contents/DeveloperXcode ライセンス契約に同意します:
sudo xcodebuild -license acceptiOS の実際のデバイスをテストする場合は、Xcode で Apple Developer アカウントが適切に設定されていることを確認してください。
Xcodeを開く
「設定」>「アカウント」へ移動
Apple IDをまだ追加していない場合は追加してください
必要なプロビジョニングプロファイルをダウンロードする
iOS 開発用の環境変数を設定します。
# Add these to your ~/.bash_profile or ~/.zshrc
export DEVELOPER_DIR="/Applications/Xcode.app/Contents/Developer"
export PATH="$DEVELOPER_DIR/usr/bin:$PATH"更新された構成を取得します。
source ~/.bash_profile # For bash
# OR
source ~/.zshrc # For zsh依存関係をインストールします:
npm installAppium サーバーをインストールして起動します。
npm install -g appium
appiumAndroid デバイス/エミュレータをセットアップします。
Androidデバイスで開発者向けオプションを有効にする
USBデバッグを有効にする
USB経由でデバイスを接続するか、エミュレータを起動します
adb devicesを使用してデバイスが接続されていることを確認する
iOS テストの場合 (macOS のみ):
Xcode コマンドラインツールがインストールされていることを確認します: xcode-select --install
iOSシミュレーターをセットアップするか、実際のデバイスを接続する
実際のデバイスを使用する場合は、iOSデバイスの開発用コンピュータを信頼します
プロジェクトをビルドします。
npm run buildMCP サーバーを起動します。
npm run dev新しいターミナルでテストを実行します。
npm testサンプルテストでは、Android設定アプリをデモとして使用します。独自のアプリをテストするには、以下の手順に従ってください。
examples/appium-test.tsを編集します。
deviceNameデバイスに合わせて更新します
APKファイルへのappを設定するか、
インストールされたアプリのappPackageとappActivityを更新する
共通機能の構成:
const capabilities: AppiumCapabilities = {
platformName: "Android",
deviceName: "YOUR_DEVICE_NAME",
automationName: "UiAutomator2",
// For installing and testing an APK:
app: "./path/to/your/app.apk",
// OR for testing an installed app:
appPackage: "your.app.package",
appActivity: ".MainActivity",
noReset: true,
};新しい Xcode コマンドライン サポートを使用した iOS テストの場合:
examples/xcode-appium-example.tsの設定例:
const capabilities: AppiumCapabilities = {
platformName: "iOS",
deviceName: "iPhone 13", // Your simulator or device name
automationName: "XCUITest",
udid: "DEVICE_UDID", // Get this from XcodeCommands.getIosSimulators()
// For installing and testing an app:
app: "./path/to/your/app.app",
// OR for testing an installed app:
bundleId: "com.your.app",
noReset: true,
};MCP サーバーはさまざまな Appium アクションをサポートしています。
要素の相互作用:
要素を見つける
W3C Actions API を使用した要素のタップ/クリック (「W3C 標準ジェスチャ」セクションを参照)
テキストを入力
W3C Actions API で要素までスクロールする
長押し
アプリ管理:
アプリを起動/閉じる
アプリをリセット
現在のパッケージ/アクティビティを取得する
デバイスコントロール:
画面の向き
キーボード操作
デバイスのロック/ロック解除
スクリーンショット
バッテリー情報
高度な機能:
コンテキスト切り替え（ネイティブ/WebView）
ファイル操作
通知
カスタムジェスチャー
Xcode コマンドラインツール (iOS のみ):
iOS シミュレーターの管理 (起動、シャットダウン)
シミュレータ上でのアプリのインストール/アンインストール
アプリの起動/終了
スクリーンショットを撮る
ビデオを録画する
シミュレータの作成/削除
デバイスの種類とランタイムを取得する
MCP-Appium ライブラリは、モバイル自動化の最新標準であるタッチ ジェスチャ用の W3C WebDriver Actions API を実装するようになりました。
tapElementメソッドは、インテリジェントなフォールバックを備えた W3C Actions API を使用するようになりました。
// The method will try in this order:
// 1. Standard WebdriverIO click()
// 2. W3C Actions API
// 3. Legacy TouchAction API (fallback for backward compatibility)
await appium.tapElement("//android.widget.Button[@text='OK']");
// or using the click alias
await appium.click("//android.widget.Button[@text='OK']");scrollToElementメソッドは W3C Actions API を使用するようになりました。
// Uses W3C Actions API for more reliable scrolling
await appium.scrollToElement(
"//android.widget.TextView[@text='About phone']", // selector
"down", // direction: "up", "down", "left", "right"
"xpath", // strategy
10 // maxScrolls
);executeMobileCommandメソッドを使用して、独自のカスタム W3C ジェスチャを作成できます。
// Create custom W3C Actions API gesture
const w3cActions = {
actions: [
{
type: "pointer",
id: "finger1",
parameters: { pointerType: "touch" },
actions: [
// Move to start position
{ type: "pointerMove", duration: 0, x: startX, y: startY },
// Press down
{ type: "pointerDown", button: 0 },
// Move to end position over duration milliseconds
{
type: "pointerMove",
duration: duration,
origin: "viewport",
x: endX,
y: endY,
},
// Release
{ type: "pointerUp", button: 0 },
],
},
],
};
// Execute the W3C Actions using executeScript
await appium.executeMobileCommand("performActions", [w3cActions.actions]);W3C 標準ジェスチャ実装の詳細な例についてはexamples/w3c-actions-swipe-demo.ts参照してください。
新しいXcodeCommandsクラスは、iOS テスト用の強力なツールを提供します。
import { XcodeCommands } from "../src/lib/xcode/xcodeCommands.js";
// Check if Xcode CLI tools are installed
const isInstalled = await XcodeCommands.isXcodeCliInstalled();
// Get available simulators
const simulators = await XcodeCommands.getIosSimulators();
// Boot a simulator
await XcodeCommands.bootSimulator("SIMULATOR_UDID");
// Install an app
await XcodeCommands.installApp("SIMULATOR_UDID", "/path/to/app.app");
// Launch an app
await XcodeCommands.launchApp("SIMULATOR_UDID", "com.example.app");
// Take a screenshot
await XcodeCommands.takeScreenshot("SIMULATOR_UDID", "/path/to/output.png");
// Shutdown a simulator
await XcodeCommands.shutdownSimulator("SIMULATOR_UDID");click()メソッドはtapElement()のより直感的な代替手段を提供します。
// Using the click method
await appium.click("//android.widget.Button[@text='OK']");
// This is equivalent to:
await appium.tapElement("//android.widget.Button[@text='OK']");デバイスが見つかりません:
adb devicesの出力を確認する
USBデバッグが有効になっていることを確認する
デバイスを再接続してみてください
アプリがインストールされません:
APKパスが正しいことを確認する
デバイスに十分なストレージがあるか確認する
アプリがデバッグ用に署名されていることを確認する
要素が見つかりません:
Appium Inspectorを使用してセレクタを検証する
画面上に要素が表示されているかどうかを確認する
さまざまなロケーター戦略を試す
接続の問題:
Appiumサーバーが実行中であることを確認する
ポートの競合を確認する
正しい機能が設定されていることを確認する
iOS シミュレータの問題:
Xcodeコマンドラインツールがインストールされていることを確認します: xcode-select -p
xcrun simctl list devicesを使用してシミュレータのUDIDが正しいことを確認します。
シミュレータが応答しなくなった場合は閉じて再起動してください
追加機能やバグ修正に関する問題やプル リクエストをお気軽に送信してください。
マサチューセッツ工科大学
Take a screenshot using Appium
Inputs: name (required).
Capture all UI elements and their locators for future use
Inputs: elementType, saveToFile, refreshSource.
Clear text from an input element
Inputs: selector (required), strategy.
Close the app associated with the current Appium session
Inputs: no named parameters.
Close the current Appium driver session
Inputs: no named parameters.
Check if an element exists on the current page
Inputs: selector (required), strategy.
Execute a custom ADB command
Inputs: command (required).
Execute a custom mobile command for iOS or Android
Inputs: command (required), args.
Extract element locators from UI XML source
Inputs: xmlSource (required), elementType, maxResults.
Find an element using iOS class chain (iOS only)
Inputs: classChain (required), timeoutMs.
Find an element using iOS predicate string (iOS only)
Inputs: predicateString (required), timeoutMs.
Generate XPath to find element by text
Inputs: text (required), platformName (required), exactMatch, elementType.
Find all elements containing specific text
Inputs: text (required).
Generate multiple types of locators for an element
Inputs: selector (required), strategy.
Generate Appium test script from actions
Inputs: platformName (required), actions (required), appPackage, bundleId.
Get the device battery information
Inputs: no named parameters.
Get all available contexts (NATIVE_APP, WEBVIEW, etc.)
Inputs: no named parameters.
Get the current Android activity name
Inputs: no named parameters.
Get the current context
Inputs: no named parameters.
Get the current active app package name
Inputs: no named parameters.
Get the current device time
Inputs: no named parameters.
Get all available attributes of an element
Inputs: selector (required), strategy.
Get text content from a UI element
Inputs: selector (required), strategy.
Get a hierarchical view of the UI elements (similar to Appium Inspector)
Inputs: maxDepth.
Get the current device orientation
Inputs: no named parameters.
Get the XML representation of the current UI
Inputs: no named parameters.
Check if specific text exists anywhere on the current screen
Inputs: text (required).
Hide the keyboard if it's currently visible
Inputs: no named parameters.
Initialize an Appium driver session for mobile automation
Inputs: platformName (required), deviceName (required), udid, app, +8 more.
Inspect UI to identify element locators and then perform an action
Inputs: action (required), elementIdentifier, text, longPressMs, +4 more.
Inspect an element using one locator, then tap using the best available locator
Inputs: selector (required), strategy, preferredOrder.
Get detailed information about an element (for debugging)
Inputs: selector (required), strategy.
Install an Android application APK
Inputs: deviceId (required), apkPath (required).
Check if the device is currently locked
Inputs: no named parameters.
Launch an app on an Android device
Inputs: deviceId (required), packageName (required), activityName.
Launch the app associated with the current Appium session
Inputs: no named parameters.
List all connected Android devices
Inputs: no named parameters.
List all installed packages on an Android device
Inputs: deviceId (required).
Get list of available iOS simulators
Inputs: no named parameters.
Lock the device screen
Inputs: durationSec.
Perform a long press gesture on an element
Inputs: selector (required), duration, strategy.
Open the notifications panel (Android only)
Inputs: no named parameters.
Perform a specific action on an element using various locator strategies
Inputs: action (required), locatorType (required), locatorValue (required), actionParams, +1 more.
Simulate Touch ID fingerprint (iOS only)
Inputs: match (required).
Perform touch gestures using the W3C Actions API (more reliable than TouchAction API)
Inputs: actionType (required), startX (required), startY (required), endX, +6 more.
Press an Android key code
Inputs: keycode (required).
Pull a file from the device
Inputs: path (required).
Push a file to the device
Inputs: path (required), data (required).
Reset the app (terminate and relaunch) associated with the current Appium session
Inputs: no named parameters.
Save UI hierarchy XML to a file
Inputs: xmlSource (required), filePath (required).
Scroll the screen in a specified direction
Inputs: direction (required), distance.
Scroll until an element becomes visible
Inputs: selector (required), direction, strategy, maxScrolls.
Send a key event to the device (e.g., HOME, BACK)
Inputs: keyEvent (required).
Send text input to a UI element
Inputs: selector (required), text (required), strategy.
Send text to an element using iOS class chain (iOS only)
Inputs: classChain (required), text (required), timeoutMs.
Send text to an element using iOS predicate string (iOS only)
Inputs: predicateString (required), text (required), timeoutMs.
Send keys directly to the device without focusing on any element
Inputs: text (required).
Set the device orientation
Inputs: orientation (required).
Simulate shake gesture (iOS only)
Inputs: no named parameters.
Intelligently tap an element trying different locator strategies in a specific order
Inputs: elementIdentifier (required), text, timeoutMs.
Start recording the screen
Inputs: videoType, timeLimit, videoQuality, videoFps.
Stop recording the screen and get the recording data
Inputs: outputPath (required).
Perform a swipe gesture on the screen
Inputs: startX (required), startY (required), endX (required), endY (required), +1 more.
Switch between contexts (e.g., NATIVE_APP, WEBVIEW)
Inputs: context (required).
Take a screenshot on an Android device
Inputs: deviceId (required), outputPath (required).
Tap on an element using iOS class chain (iOS only)
Inputs: classChain (required), timeoutMs.
Tap on an element using iOS predicate string (iOS only)
Inputs: predicateString (required), timeoutMs.
Tap on a UI element identified by a selector
Inputs: selector (required), strategy.
Tap on an element containing specific text
Inputs: text (required).
Uninstall an Android application
Inputs: deviceId (required), packageName (required).
Unlock the device screen
Inputs: no named parameters.
Wait for an element to be visible on screen
Inputs: selector (required), strategy, timeoutMs.
Add photos/videos to a simulator
Inputs: udid (required), mediaPaths (required).
Boot an iOS simulator
Inputs: udid (required).
Check if Xcode command line tools are installed
Inputs: no named parameters.
Clear the location of a simulator
Inputs: udid (required).
Configure simulator preferences in batch
Inputs: udid (required), preferences (required).
Copy files to a simulator (limited to media files)
Inputs: udid (required), sourcePath (required), destinationPath (required).
Create a new iOS simulator
Inputs: name (required), deviceTypeId (required), runtimeId (required).
Delete an iOS simulator
Inputs: udid (required).
Erase all data from a simulator
Inputs: udid (required).
Get available device types for simulators
Inputs: no named parameters.
Get a list of available iOS simulators
Inputs: no named parameters.
Get the path to the Xcode installation
Inputs: no named parameters.
Get privacy permission status for an app
Inputs: udid (required), bundleId (required), service (required).
Get available runtimes for simulators
Inputs: no named parameters.
Get detailed information about a specific simulator
Inputs: udid (required).
Get logs from a simulator
Inputs: udid (required), predicate.
Get the status of all simulators
Inputs: no named parameters.
Get system information from a simulator
Inputs: udid (required).
Grant privacy permission to an app
Inputs: udid (required), bundleId (required), service (required).
Install an app on a simulator
Inputs: udid (required), appPath (required).
Install Xcode command line tools (requires user interaction)
Inputs: no named parameters.
Launch an app on a simulator
Inputs: udid (required), bundleId (required), args, waitForDebugger.
List all installed apps on a simulator
Inputs: udid (required).
Open a URL on a simulator
Inputs: udid (required), url (required).
Push a notification to a simulator
Inputs: udid (required), bundleId (required), payload (required).
Start recording video of a simulator (returns process info)
Inputs: udid (required), outputPath (required).
Reset privacy permission for an app
Inputs: udid (required), bundleId (required), service (required).
Revoke privacy permission from an app
Inputs: udid (required), bundleId (required), service (required).
Enable/disable hardware keyboard for a simulator
Inputs: udid (required), enabled (required).
Set the location of a simulator
Inputs: udid (required), latitude (required), longitude (required).
Set a specific simulator preference
Inputs: udid (required), domain (required), key (required), value (required).
Simulate shake gesture on a simulator
Inputs: udid (required).
Shutdown an iOS simulator
Inputs: udid (required).
Take a screenshot of a simulator
Inputs: udid (required), outputPath (required).
Terminate an app on a simulator
Inputs: udid (required), bundleId (required).
Trigger memory warning on a simulator
Inputs: udid (required).
Uninstall an app from a simulator
Inputs: udid (required), bundleId (required).
Wait for a simulator to be ready
Inputs: udid (required), timeoutMs.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 110 tools
There is significant overlap and ambiguity between tools, making it difficult for an agent to choose correctly. For example, 'take-screenshot' and 'appium-screenshot' appear redundant, 'close-app' and 'close-appium' are confusingly similar, and many tap/send-keys variants (e.g., 'tap-element', 'smart-tap', 'tap-by-ios-class-chain') have unclear boundaries. The descriptions help somewhat, but the sheer number of overlapping tools increases misselection risk.
Naming is mixed with inconsistent patterns. Most tools use kebab-case (e.g., 'get-element-text'), but some use snake_case (e.g., 'xcode_add_media_to_simulator'), and verbs vary widely (e.g., 'get-', 'list-', 'perform-', 'execute-'). The xcode_* tools follow a consistent prefix pattern, but overall the conventions are not uniform across the set, reducing predictability.
With 110 tools, the count is excessive for an MCP server, likely overwhelming agents and causing decision paralysis. While Appium automation is broad, many tools could be consolidated (e.g., multiple screenshot or tap methods). A well-scoped server should have fewer, more generalized tools, making this set feel bloated and inefficient.
The tool set provides comprehensive coverage for mobile automation with Appium, including device management, UI interaction, testing, and simulator control. It supports CRUD-like operations for apps, elements, and files, and covers both Android and iOS platforms. No obvious gaps are present; agents can perform end-to-end automation tasks without dead ends.
MCP server for Appcircle mobile CI/CD platform.
Mozark's MCP server for AI-powered app testing: device access, test automation, and QA insights.
The Telnyx MCP server is an official implementation of the Model Context Protocol that enables AI clients (like Claude Desktop, Cursor, and OpenAI Agents) to interact with Telnyx's telephony, messaging, and AI assistant APIs. It provides comprehensive capabilities including making and managing phone calls, sending SMS/MMS messages, purchasing and configuring phone numbers, creating AI assistants with custom instructions, managing cloud storage buckets, scraping and embedding website content, and handling integration secrets. The server exists as both a local implementation and a remotely hosted version, allowing developers to integrate real-world communication infrastructure directly into AI applications.
The Mercado Pago MCP Server implements the Model Context Protocol to provide AI agents and LLMs with access to Mercado Pago's APIs and tools within compatible development environments. It acts as an intermediary that translates Mercado Pago resources into executable functions (tools) that AI applications can invoke to perform actions and automate flows. The server simplifies integration, enables using documentation to implement or improve code, and optimizes operations through natural language interactions without manual implementations.
