Bỏ qua để vào nội dung chính
Cho agent AI điều khiển iPhone/Android thật: dựng Pinky

Cho agent AI điều khiển iPhone/Android thật: dựng Pinky

Bởi Henry Morgan
15 thg 11, 20266 phút đọc

Pinky là MCP server cho agent điều khiển iPhone/Android thật, với chốt duyệt nằm trong gateway. Hướng dẫn dựng, đặt approval và giới hạn pre-alpha.

Bạn giao cho agent một việc trên điện thoại: mở app, điền form, xác nhận đơn hàng. Chạy được vài bước thì nó bấm trúng nút thanh toán, và bạn chỉ biết khi SMS trừ tiền về.

Pinky xử lý đúng chỗ đó theo một hướng khác: chốt chặn nằm ngoài tầm với của model, không nằm trong prompt. Bài này đi qua yêu cầu máy móc, cách đặt approval, và các giới hạn phải biết trước khi giao việc thật.

Pinky là gì và chạy được ở đâu

Theo mô tả dự án, Pinky là desktop bridge giấy phép Apache 2.0, cho phép bất kỳ agent Model Context Protocol nào điều khiển một chiếc iPhone hoặc Android thật. Con người ngồi xem, duyệt các bước rủi ro và giành lại quyền bất cứ lúc nào.

DIYgod mở mã ngày 6/11/2026. Bản 2026.1115.4 ra ngày 15/11/2026 lúc 02:38 UTC, với 2.158 star, 235 fork, 1.352 commit và 151 release — nhịp ra bản mới vài giờ một lần.

Bản tải khoảng 35 MB, không cần tài khoản, không cần API key hay GPU, chạy trên Linux, macOS hoặc Windows. Máy thật cần Android 10 đến 17, hoặc iPhone chạy iOS 17.4 trở lên. Máy Android đời cũ hơn mốc đó thì khỏi tính tiếp.

Phía agent nhìn thấy gì

Mặt tiếp xúc với agent là một MCP server qua standard input, nói JSON-RPC 2.0. Nó expose 26 tool, tất cả đều có prefix phone_, từ phone_connect và phone_tap đến phone_task_steer. Mỗi action trả về màn hình mới.

Tài liệu liệt kê Claude Code, Claude Desktop, Codex, Cursor, VS Code, Copilot CLI, Windsurf và Gemini CLI là các agent được hỗ trợ, nối qua standard input hoặc HTTP. Nếu team bạn đang dùng một trong số đó thì không phải đổi harness.

Pinky không kèm model nào của riêng nó. App trên điện thoại chạy task bằng model người dùng chọn: DeepSeek, Qwen, Kimi và GLM, hoặc Claude, GPT, Gemini, hoặc model local trong Ollama và LM Studio.

Chi tiết đó quan trọng hơn vẻ ngoài của nó. Bạn giữ được quyền quyết định chi phí và độ trễ cho từng loại task, thay vì bị khoá vào một nhà cung cấp mà tool đã chọn sẵn.

Chốt chặn phải nằm ngoài prompt

Đây là phần đáng chép lại nhất trong thiết kế. Approval nằm trong gateway của Pinky chứ không nằm trong prompt, nên agent không tự duyệt cho chính nó, kể cả khi chữ hiện trên màn hình dụ nó làm vậy.

Mặc định, thanh toán, giao dịch và chuyển tiền phải chờ một cú click. Trong settings có thể mở rộng danh sách này sang tin nhắn, đơn hàng, thao tác xoá, cuộc gọi, cài đặt app, link rời khỏi app và thay đổi cấu hình. Dự án nói họ nhận ra các nút này ở 10 ngôn ngữ.

App ngân hàng, ví và password manager thì agent không nhìn thấy. Agent cũng không gõ được vào ô mật khẩu hay ô mã một lần. Khi cần, nó phải hỏi, và người dùng cấp quyền cho riêng task đó.

Một code review của Tokenstrom ghi nhận thêm: chỉ desktop interface mới cấp được approval, request bị từ chối sau 60 giây, và mỗi approval gắn với session, device, tool và arguments, dùng đúng một lần. Nghĩa là một cú duyệt không thể bị tái sử dụng cho lệnh khác.

Giám sát trong lúc agent chạy

Trên Android 13 trở lên, agent làm việc trên một màn hình phụ ẩn, nên bạn không bị nó tranh máy. Android cũ hơn và iPhone thì dùng màn hình chính. Click vào mirror hoặc chạm trực tiếp vào máy Android sẽ pause agent.

Mỗi lần chạy được ghi lại bằng lời, kèm screenshot và screen recording đánh dấu theo từng bước, xuất ra được báo cáo HTML, và dữ liệu nằm lại trên máy của bạn.

Cái log đó mới là thứ quyết định bạn có dám giao việc thật hay không. Một agent bấm máy mà không để lại dấu vết từng bước thì khi có sự cố, bạn không có gì để dựng lại chuỗi thao tác.

Giới hạn phải biết trước khi tin

Dự án tự nhận trạng thái pre-alpha và trỏ sang docs/ACCEPTANCE.md cho phần thực sự chạy được hôm nay. Đọc đúng tinh thần đó: dùng cho một máy của chính bạn, có bạn trong vòng lặp, chứ không phải hạ tầng chạy không người hay device farm.

Bản tin nguồn nói rõ mô hình approval là tuyên bố từ phía tác giả chứ chưa phải kết quả kiểm chứng độc lập. Khâu yếu nhất là nhận diện nút: cổng chỉ giúp được khi nó nhận ra cú tap rủi ro trước đã.

Thêm nữa, dự án mới chín ngày tuổi và ra vài release mỗi ngày. Với nhịp đó, đừng trỏ script vào bản mới nhất; pin đúng version bạn đã thử và đọc release note trước khi nâng.

Mẫu đáng chép: đặt giới hạn ở chỗ agent không với tới

Chính bản tin nguồn chốt lại bài học theo cách này: pattern đáng chép là đặt safety control ở nơi agent không với tới được.

Một MCP server khác công bố cùng ngày đi đúng hướng đó, nhưng ở trục chi phí. Mỗi tool của nó nhận URL file công khai kèm tham số max_charge_usd cho từng call, mặc định 1 USD, nên một agent chạy trong vòng lặp không tiêu quá mức bạn cho phép. Tác giả server đó có ghi disclosure rằng chính họ xây nó.

Hai dự án, hai trục rủi ro khác nhau — một bên là thao tác, một bên là tiền — nhưng cùng một kết luận thiết kế. Giới hạn nào nằm trong prompt thì sớm muộn cũng bị chính prompt nói lại.

Làm gì trong tuần này

  • Kiểm tra máy thử trước: Android 10–17 hoặc iOS 17.4+, và ưu tiên Android 13+ để có màn hình phụ ẩn.
  • Pin đúng một version đã thử, đừng để script tự kéo bản mới nhất khi dự án ra vài release mỗi ngày.
  • Mở rộng danh sách cần approval vượt mức mặc định: thêm xoá, gọi, cài app và link rời khỏi app trước khi chạy task thật.
  • Chạy thử trên một máy phụ không đăng nhập tài khoản thật, rồi đọc báo cáo HTML từng bước trước khi tin kết quả.
  • Theo dõi docs/ACCEPTANCE.md giữa các bản: với dự án pre-alpha, phạm vi chạy được đổi nhanh hơn tài liệu giới thiệu.

Thứ đáng theo dõi tiếp: liệu phần nhận diện nút rủi ro có được ai đó kiểm chứng độc lập hay không. Chừng nào chưa có, hãy coi cổng duyệt là lớp giảm thiệt hại, không phải lớp bảo đảm.

Không spam, hủy đăng ký bất kỳ lúc nào.

Bài viết liên quan