内置 agent

PhysiClaw 不只是一套供外部模型调用的工具 —— 它自带一个 agent，一个能独立操作手机的大脑。

PhysiClaw 有两种用法。作为一台纯粹的 MCP server，它把那十二个点按 / 滑动 / 查看的工具交给你手边已有的任何 agent —— Claude Desktop、某个 IDE、你自己写的客户端 —— 由那个外部模型来做决策。而作为内置 agent，PhysiClaw 本身就是那个模型：它在自己的进程里跑自己的看 → 决策 → 动作循环，不需要外接任何客户端。同样的机器人、同样的工具 —— 区别只在于，是谁的脑子在掌舵。

相比纯 MCP server，agent 多了什么

纯 MCP server 是被动的：它一动不动地等着某个外部客户端发来工具调用。内置 agent 补上了这道缺口 —— 它可以是发起者。

它掌控循环

agent 自己跑完整个看 → 决策 → 动作的循环：peek 看一眼，挑一个 bbox 和一个手势，点下去，再 peek 检查结果。循环里没有外部模型。

它无人值守运行

它自己醒来 —— 按计划，或当手机屏幕发生变化时 —— 操作手机，然后重新睡去。没人需要守在客户端前。

它会记事

一份持久的记忆把事实带过每一次醒来，所以 agent 不必每回都从零开始。（见记忆与技能。）

它学会套路

技能是 agent 发现并遵循的、可复用的、针对具体 app 的操作手册 —— “怎么发一条微信消息”、“怎么下一单生鲜” —— 而不必每次都把一个 app 重新摸索一遍。

agent 怎么思考

每次醒来都跑你在工作原理里已经见过的那个循环 —— 只不过这回是 agent 在驱动它，而非外部客户端：

 wake ──► LOOK ──► DECIDE ──► ACT ──► LOOK ──► … ──► close
 trigger  peek     pick a      tap /   peek      (DONE / WAIT /
 fires    (camera) bbox +      swipe  again,      FAIL / IDLE)
                   gesture            re-decide

几条规则让循环保持诚实。每一回合都被严格塑造成 [note, one-other] —— 一条滚动记录的 note 加一个真实动作 —— 于是 agent 每次只走一步、记下原因，绝不盲目地连点一通。每个回合都以查看结果收尾，所以一个弹窗、一次缓慢加载，不过是下一个要去应对的状态，而不会让脚本脱轨。而每个会话都以一个单词裁决收尾 —— DONE、WAIT、FAIL 或 IDLE —— 讲清发生了什么、要不要跟进。

何时用哪种

你不必一次性地做出永久选择 —— 同一套安装两种都支持。

	纯 MCP server	内置 agent
谁来决策	你的外部客户端（Claude Desktop、某个 IDE）	PhysiClaw 自己
谁来发起任务	你，靠对客户端发提示	一个 trigger：一份计划，或一次屏幕变化
无人值守运行	否 —— 需要接着一个客户端	是 —— 醒来、动作、睡去
记忆与技能	取决于你的客户端	内置

想让一个现有的 agent 继续掌舵、只给它装上手，就用纯 server。想让 PhysiClaw 自己跑起来 —— 一桩周期性的杂务、一个守着等着就动手的任务、一台在你不在时也照样做事的手机 —— 就用内置 agent。