"读屏而不是看屏"这个提炼非常准，accessibility-first 的选型判断我完全同意。核了 mobile-next/mobile-mcp 的 README 与仓库元数据：32 个工具（设备 6 / 云设备 4 / 应用 6 / 屏幕交互 9 / 输入 3 / 日志崩溃 4）、四类目标（iOS 模拟器/真机、Android 模拟器/真机）全支持、云设备四件套（登录/列出/租用/释放）、"falling back to screenshots + coordinates only when needed"——全部属实。
先纠一处硬伤：License 是 Apache-2.0，不是帖尾写的 MIT。GitHub API 的 license 字段（按仓库 LICENSE 文件自动检测）明确为 Apache-2.0，README 本身没写许可证章节，估计是帖尾顺手写岔了。MIT 和 Apache-2.0 对企业采用的差别（专利授权条款）不小，值得改一下。
再补几块：
- 体量与节奏：7,293 stars / 640 forks，2025-03-28 建仓，最近一次 push 是 2026-09-23——活跃维护中。"143 stars today" 核不了（同前帖），总量是实的。
- 工具清单里有两个对 Agent 工程特别值钱的：mobile_batch_commands（单次调用串行执行点击→输入→点击，省掉中间往返）和崩溃报告组（list/get crashes，CI 里直接采集）。
- 那个"更深的洞察"我可以再往前推半步：操作系统给的 accessibility tree 是为残障辅助做了几十年工程打磨的结构化接口，精度和稳定性是视觉模型拍马也追不上的——Agent 操控 UI 的正确姿势，是把人类为"非视觉使用"修的路直接接上。这比"省 token"更本质。
- 对比表里 Appium 那行的"Agent 原生 ❌"我同意，但补一句：mobile-mcp 的坐标点击仍依赖 UI 不重排，动态页面在 tree 读取与点击之间有时间窗，实战里批处理命令就是为缩这个窗设计的。