vmos-edge-control-api

VMOS Edge Android Control

VMOS Edge Android Control API を通じて単一の Android クラウド端末を制御する必要がある場合に、このスキルを使用します。MCP は任意の経路であり、前提条件ではありません。

接続先

• ユーザーが host_ip または cloud_ip を明示している場合は、ユーザーが指定した値を優先します
• ユーザーが IP を明示していない場合は、まずローカルに cbs_go プロセスが存在するか確認します。存在する場合は、デフォルトで host_ip=127.0.0.1 とします
• ユーザーが IP を明示しておらず、ローカルに cbs_go も存在しない場合は、host_ip、cloud_ip、またはホストが既知のシナリオでは db_id を提示するようユーザーに案内します
• 現在のセッションに vmos-edge-container-api もインストールされている場合：
  • ホストルーター http://{host_ip}:18182/android_api/v2/{db_id} を使用します
  • container API の POST /container_api/v1/get_db または GET /container_api/v1/get_android_detail/{db_id} を通じて、対象の db_id を必ず取得します
• 現在のセッションに vmos-edge-control-api のみがインストールされている場合：
  • デフォルトではクラウド端末への直接接続 http://{cloud_ip}:18185/api を優先します
  • LAN モードが有効になっているクラウド端末のみサポートします
• 現在のセッションに vmos-edge-control-api のみがインストールされており、現在の経路で host_ip を使用する場合：
  • ユーザーが db_id を指定している場合は、http://{host_ip}:18182/android_api/v2/{db_id} を直接使用します
  • db_id がない場合は、db_id または vmos-edge-container-api が不足していることを明確に伝えます
• 直接接続 http://{cloud_ip}:18185/api/base/version_info が接続できない、タイムアウトする、または 5xx を返す場合は、現在のクラウド端末で Control API が公開されていないか、LAN モードが有効になっていないことを明確に伝えます

基本的な手順

• 常に Observe -> Plan -> Act -> Verify に従います
• 初回接続時は、まず /base/version_info を確認します
• /base/version_info が正常に返れば、現在の環境は Control API に対応していると見なします。応答を取得できなかった場合に限り、現在の環境が非対応であるか、インターフェースが公開されていないと伝えます
• ローカルで cbs_go を確認する際は、pgrep -x cbs_go >/dev/null 2>&1 のような正確な一致を優先します
• 次に /base/list_action で機能を確認します：
  • コストを抑えてデバイスがサポートするインターフェースを確認する場合は、まずインターフェース一覧を取得します
  • 特定のインターフェースの詳しい使い方が必要な場合は、paths を指定して検索し、detail を付けます
• 観察の優先順位：
  • スクリーンショットインターフェース screenshot/format、screenshot/raw、screenshot/data_url
  • /accessibility/dump_compact
  • /accessibility/node の操作を伴わないクエリ
  • /display/info、/activity/top_activity、/package/list
• 観察方針：
  • 視覚的なレイアウト、アイコン、色、ポップアップによる遮蔽、座標クリック位置を確認する必要がある場合は、スクリーンショットを優先します
  • テキスト、階層、bounds を低コストで取得する場合、または /accessibility/node につなげる場合は、dump_compact を優先します
  • 両方を使用できる場合は、まずスクリーンショットで画面を把握し、その後 dump_compact / node で構造化して位置を特定します
  • スクリーンショットをユーザーに表示する場合：まず bash/exec の curl -o でスクリーンショットを workspace ディレクトリ（例：~/.openclaw/workspace/）に保存し、次に read ツールでそのファイルを読み込んでモデルに画像を認識させます
  • 画像を返す場合は、screenshot/format または screenshot/raw をファイルに保存することを優先します。screenshot/data_url のみ使用できる場合は、base64 をデコードしてから保存します
  • テキストの返信に MEDIA: と書いたり、base64 / data_url を直接貼り付けたりしないでください。これらは画像としてレンダリングされません
  • 画像を Telegram などのメッセージチャネルに転送する必要がある場合は、message --media <パス> ツールを使って送信します
• 旧バージョンのアクセシビリティのエクスポート／検索インターフェースをデフォルトの手順に含めないでください
• 操作の優先順位：
  • まずスクリーンショット、dump_compact、または /accessibility/node に基づいて操作を計画します
  • 構造化されたノードの特定／操作には /accessibility/node を優先します
  • クリック／スワイプには /input/click、/input/swipe、/input/scroll_bezier を優先します
  • テキスト入力には /input/text を優先します
  • アプリの起動には /activity/start を優先します。初回起動時の許可が必要な場合は /activity/launch_app を優先します
  • ブラウザー／ウェブのシナリオでは、指定したブラウザーを開くために /activity/start_activity を優先します。ブラウザーのパッケージ名には mark.via を優先し、利用できない場合は com.android.chrome を使用します
  • インストールには /package/install_sync または /package/install_uri_sync を優先します
  • Settings の読み取り／変更には /system/settings_get、/system/settings_put を優先します
• 重要な操作のたびに再度観察し、複数の操作をまとめて実行しないでください
• 専用インターフェースがない場合に限り、/system/shell を検討します

必読の参考資料

• まず references/api-reference.md の索引を確認し、必要なモジュールの reference ファイルのみを開きます
• 必要に応じて /base/list_action で機能を確認してから、インターフェースの詳細を調べるか判断します
• 正確なパス、フィールド、リクエスト例が必要な場合に限り、該当モジュールの reference を読みます
• タスクが「サードパーティアプリのインストール、ダウンロード、起動」の場合は、references/app-installation.md も読みます
• タスクが「クラウド端末のブラウザーで検索、ウェブページを開く、ウェブページの内容を抽出」の場合は、references/browser-search-and-reading.md も読みます

安全上の境界

• アプリの削除、データの消去、システム設定、権限の変更、shell 操作を行う前に、ユーザーの意図を確認します
• 明示的な要求がない場合は、タイムゾーン、言語、国、Google の状態、デバイス情報、位置情報、センサーを変更しないでください