ClawPhone Phone Control

使用手机控制 MCP 完成手机界面感知与操作。适用于读取当前手机状态、打开 App、处理弹窗、点击控件、输入文本、排查手机自动化失败等场景。执行时优先读取界面状态，涉及坐标点击时必须基于当前截图临时判定，禁止把历史坐标当成通用规则。

Security Scan

The skill is an instruction-only phone-control helper that only directs the agent to use on-device MCP screen-reading and input tools; its requirements and instructions are coherent with its stated purpose.

Purpose & Capability

Name/description say: control phone UI and perform screen-aware operations. The SKILL.md only references MCP perception and action primitives (get_screen_info, capture_screen, tap, type_text, launch_app, etc.), which are exactly what such a skill needs. No unrelated binaries, credentials, or config paths are requested.

Instruction Scope

Instructions consistently limit actions to reading the current screen and performing UI interactions on the device; they emphasize verification (one-step-one-check) and warn against reusing historical coordinates. No instructions to read host files, network‑exfiltrate data, or access unrelated system state are present.

Install Mechanism

No install spec and no code files — instruction-only. This is the lowest-risk install model and appropriate for a skill that delegates to existing MCP tooling.

Credentials

No environment variables, credentials, or external API keys are requested. The only sensitive operation is setting/using the device clipboard (documented in tools-reference), which is proportional to the described input/paste fallback.

Persistence & Privilege

always:false and user-invocable: true. The skill does not request permanent presence or to modify other skills/settings. Autonomous invocation is allowed by platform default but not a special privilege here.

Assessment

This skill appears coherent and limited to controlling a phone via MCP primitives. Before installing, ensure the MCP toolset it expects actually exists and is trusted in your environment. Be aware the skill may use the device clipboard as a fallback — avoid sending highly sensitive secrets through clipboard/paste flows. Because the skill source/homepage is unknown, prefer installing only in environments where you trust the underlying MCP provider and have control over which device actions are permitted.

快速流程

1. 先感知，再操作。
2. 优先用文字/节点能力，坐标点击只在当前截图下临时使用。
3. 脆弱流程必须一步一验，不要把多步盲打成“理应成功”。

感知优先级

1. 先用 get_screen_info 判断前台应用、分辨率、可见文字。
2. 需要精确定位时，再用 capture_screen。
3. 需要找标准控件时，优先 click_by_text 或 find_node。

操作原则

• 输入前先确认输入框真的已获焦。
• 启动 App 后先确认前台应用真的切换成功。
• 若工具返回“已点击”“已启动”“已输入”，仍要以界面复核为准。
• 发送前先确认文本真的已经进入输入框。
• 点击发送前先确认发送控件真实可见。
• 发送后必须再次确认界面已变化，不要仅凭工具返回值认定成功。

启动 App

1. 可先调用 launch_app(...)。
2. 立即用 get_current_app 或 get_screen_info 确认前台应用是否真的切换。
3. 若仍停留在桌面或其他 App，不要在同一路径上重复盲开。
4. 先读取当前屏幕状态，再决定是否改用桌面图标点击、通知入口或其他页面内入口。

输入兜底

1. 先确认输入框已聚焦。
2. 优先尝试 type_text(...)。
3. 若 type_text(...) 失败，或文本没有真正进入输入框，立即切到兜底链路：
   • set_clipboard(...)
   • 长按当前截图里的输入区域
   • 截图确认菜单
   • 基于当前截图临时点击 粘贴
4. 粘贴后再次确认文本真的进入输入框，再继续后续操作。

坐标原则

• 坐标只对应“当前设备、当前页面、当前截图”。
• 不要把一次成功的坐标写成固定流程。
• 如果页面一变、键盘弹出、工具栏切换，之前的坐标立即失效，应重新截图。

失败排查

按下面顺序定位失败点：

1. 是否在正确页面。
2. 是否点中了真实控件，而不是附近空白区域。
3. 输入框是否真的聚焦。
4. 文字是否真的进入输入框。
5. 发送按钮是否真的出现且可点击。
6. 操作后界面是否真的变化。
7. 某条路径失败后，是否及时切换到更合适的兜底路径，而不是重复试错。

微信等脆弱场景

• 聊天发送属于脆弱流程，默认一步一验。
• press_enter 只能作为兜底，不要把它当作“必然发送成功”的主路径。
• 微信自定义弹窗通常不在无障碍树中，遇到菜单项时应截图后临时取坐标点击。

参考

• 需要工具说明时，读 tools-reference.md。