真实安卓手机驱动多Agent的工程瓶颈

作者用一台有自己 SIM 卡的 root 版 Pixel，通过 MCP 和 REST 工具将 WhatsApp、SMS、浏览器、LinkedIn 等真实界面开放给多个项目中的 AI Agent；实测结论是，主要难点并非模型能力，而是状态归属、幂等、并发租约和 UI 变更监控。 Webhook 重试曾使系统在 7 秒内发出两条不同问候，作者按消息 ID 加原子锁解决；平台风控主要限制对未聊过用户的“首触”，应对其设置日上限，而回应对方主动来信成本较低。多 Agent 共用实体屏幕还会互相干扰，作者以最长 10 分钟的预约—操作—释放租约协调，并让多数浏览器任务改用虚拟显示器上的 headless 模式。作者称，大模型本身约占这些工作的两成。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。