flutter-skill:255个MCP工具,让AI真正“看见“并测试你的App(10个平台)

前言

在 Vibe Coding 时代,AI 已经能帮我们写代码了。但有一个问题一直没解决:AI 能测试你的 App 吗?

不是跑单元测试,而是真正像用户一样:点按钮、输入文字、滑动页面、截图验证结果。

flutter-skill 就是为此而生的开源工具。它是一个 MCP (Model Context Protocol) 服务器,让 Claude、Cursor、Windsurf 等 AI 工具直接操控你的应用 UI。

GitHub: https://github.com/ai-dashboad/flutter-skill

核心亮点

  • 255 个 MCP 工具:涵盖 tap、type、scroll、screenshot、snapshot、upload_file、Shadow DOM 穿透、网络拦截、API 测试等
  • 10 个平台:Flutter iOS/Android/Web、Electron、Tauri、KMP、React Native、.NET MAUI、Web CDP、iOS Native
  • 656/664 测试通过(98.8%):全部由 AI 驱动,零手写测试代码
  • snapshot() 节省 99% Token:相比截图,无障碍树文本表示极其高效,这也是微软 Playwright MCP 在 README 中承认的痛点
  • 30 秒集成flutter-skill init 自动检测框架并注入 Bridge SDK

与竞品对比

工具MCP 工具数平台数特色
flutter-skill25510全平台、Shadow DOM、视频录制、并行多设备
Playwright MCP (微软)~331 (Web)浏览器自动化
browser-use~151 (Web)AI 浏览器代理
Midscene~202视觉 AI 测试

快速上手

安装

# npm npm i -g flutter-skill-mcp # Homebrew brew tap nicholasmurray/tap brew install flutter-skill # 或者直接用 Dart dart pub global activate flutter_skill

浏览器自动化(零配置)

# 启动 serve 模式,连接到任意网站 flutter-skill serve https://your-app.com --port=3000 # AI 现在可以通过 MCP 协议控制浏览器了 # snapshot() 返回无障碍树,比截图节省 99% token

App 测试(30 秒集成)

# 自动检测框架,注入 Bridge SDK flutter-skill init # 启动 demo 验证 flutter-skill demo # 在 Claude/Cursor 的 MCP 配置中添加 flutter-skill # 然后对 AI 说:"测试登录流程"

新功能:QR 码扫码登录自动化

v0.9.6 新增 qr_login_startqr_login_wait 工具,支持任何需要扫码登录的平台(微信、ZEEKLOG、知乎、钉钉等):

  1. AI 调用 qr_login_start → 自动检测页面上的二维码并截图
  2. AI 将图片发到 Telegram/聊天 → 用户手机扫码
  3. AI 调用 qr_login_wait → 自动检测登录成功(URL 变化、Cookie 变化、二维码消失)

技术架构

flutter-skill 采用 WebSocket JSON-RPC 2.0 协议:

  • Bridge SDK:嵌入到目标 App 中,暴露 UI 树和操作接口
  • MCP Server:Dart 编写,处理 AI 工具调用请求
  • CDP Driver:直接通过 Chrome DevTools Protocol 操控浏览器

为什么选 WebSocket?双向通信、有状态连接、跨平台通用、JSON 可读可调试。HTTP 轮询慢 10x,gRPC 集成难 10x。

性能数据

  • tap 操作:1ms
  • CDP 连接:93ms
  • snapshot:2ms
  • screenshot:31ms

总结

flutter-skill 填补了 AI 辅助开发的最后一块拼图:让 AI 不仅能写代码,还能测试代码

255 个工具、10 个平台、656 个测试、MIT 开源。

⭐ 如果觉得有用,欢迎 Star:https://github.com/ai-dashboad/flutter-skill

Read more

Z-Image-Turbo vs Stable Diffusion实战对比:生成速度提升300%?

Z-Image-Turbo vs Stable Diffusion实战对比:生成速度提升300%? 还在为AI画图漫长的等待时间而烦恼吗?每次输入一段描述,看着进度条缓慢爬行,是不是感觉创作的热情都被消磨殆尽了?今天,我们就来实测两款热门的开源文生图模型:Z-Image-Turbo 和 Stable Diffusion,看看在速度、质量和易用性上,谁才是你的“生产力加速器”。 Z-Image-Turbo是阿里巴巴通义实验室开源的高效AI图像生成模型,作为Z-Image的蒸馏版本,它主打一个“快”字——号称仅需8步推理即可出图,同时对消费级显卡(如16GB显存)非常友好。而Stable Diffusion作为行业的奠基者,以其丰富的生态和强大的可控性著称。纸上谈兵不如实战演练,本文将带你从零开始,在同一个环境中部署并对比这两款模型,用真实的数据告诉你,速度提升是否真的能达到300%,以及我们为此需要付出什么。 1. 环境准备与模型部署 为了公平对比,我们将在同一台配备RTX 4090(24GB显存)的服务器上,通过ZEEKLOG星图镜像分别部署两个模型的WebUI服务。这样能最

收藏!只为就业:纯LLM、多模态大模型、AIGC该选哪条路?

收藏!只为就业:纯LLM、多模态大模型、AIGC该选哪条路?

这绝对是2025年计算机应届生及算法方向求职者最焦虑的问题,没有之一。 过去几年,我从一线技术面试官做到团队负责人,面过的候选人从海外大厂博士到985硕士,累计不下八百人。聊得多了,也摸清了行业招聘的底层逻辑,今天就抛开虚言,从实战角度给大家盘清这三条赛道的利弊。 我不跟大家扯虚无的行业报告、千亿级市场规模这些空话——这些数据对普通人找工作毫无意义。核心只从「看简历、面候选人、拍板发offer」的一线视角,帮你判断哪条路更适合长期就业、薪资更高、更难被替代。 先定时间坐标:2026年1月。 大模型领域技术迭代太快,去年的最优解今年可能就成了内卷重灾区,这个时间点的行业现状,对求职决策至关重要。 先给结论,不绕弯子:优先all in多模态大模型 如果你的目标是拿下高质量算法岗,追求长期职业价值、低替代风险和高薪资天花板,别犹豫,直接深耕多模态领域。至于为什么这个方向是最优解,我把逻辑拆透,大家听完自己判断。 先看清三条赛道的真实现状 1. 纯语言大模型(LLM):基建化定型,算法岗内卷加剧 2025年的纯LLM领域,核心特征就四个字:基建化、工程化。现在想从零训练一个

Android Studio集成GitHub Copilot GPT-4o:AI辅助开发实战与避坑指南

快速体验 在开始今天关于 Android Studio集成GitHub Copilot GPT-4o:AI辅助开发实战与避坑指南 的探讨之前,我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来,但作为开发者,如何将大模型(LLM)真正落地为一个低延迟、可交互的实时系统,而不仅仅是调个 API? 这里有一个非常硬核的动手实验:基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。 从0到1构建生产级别应用,脱离Demo,点击打开 从0打造个人豆包实时通话AI动手实验 Android Studio集成GitHub Copilot GPT-4o:AI辅助开发实战与避坑指南 传统Android开发的效率瓶颈 在传统Android开发过程中,开发者常常面临以下痛点: * 重复代码编写:

whisper.cpp的ggml-large-v3.bin模型参数文件下载

whisper.cpp的ggml-large-v3.bin模型参数文件下载 【下载地址】whisper.cpp的ggml-large-v3.bin模型参数文件下载探索自然语言处理的强大工具!本项目提供whisper.cpp的ggml-large-v3.bin模型参数文件的第四部分,助您实现高效的语言处理功能。该文件经过压缩,需与其他三个部分结合使用,确保完整模型的加载。适合具备一定技术背景的用户,助力您在自然语言处理领域取得突破。请确保合法使用,遵循相关法律法规,开启您的智能语言处理之旅! 项目地址: https://gitcode.com/Universal-Tool/51254 欢迎来到我们的资源仓库!以下是关于whisper.cpp的ggml-large-v3.bin模型参数文件的详细信息。 文件描述 本资源文件是ggml-large-v3.bin模型参数文件的一部分,经过压缩后分为四个部分,此文件为第四部分(part4)。ggml-large-v3.bin是一种用于whisper.cpp模型的参数文件,可用于实现强大的自然语言处理功能。 注意事项 * 本资源文