Mika: un agente de Android que no te secuestra la pantalla

Lo primero que conviene saber de Mika es lo que no te quita: la pantalla.
Todos los agentes de teléfono que he probado funcionan igual. Se apoderan de la pantalla, tocan por tus apps a la velocidad de un becario nervioso y te devuelven el teléfono cuando terminan. No puedes usar tu propio dispositivo mientras trabajan. Mika lo corre todo en una segunda pantalla oculta, así que sigues deslizando mientras él le escribe a alguien en tu nombre.
Es una app de Android, Apache-2.0, escrita en Kotlin, con unas 7.500 estrellas tras un mes en la lista de tendencias de GitHub. No hay servidor. Tú pones la clave de un modelo, o inicias sesión con una cuenta que ya tengas.
Cómo funciona la pantalla de fondo
Android admite pantallas virtuales desde hace mucho: así se implementan la proyección y la grabación de pantalla. Mika usa una como espacio de trabajo: las apps se abren ahí, el agente toca, escribe y desplaza ahí, y una pequeña vista flotante en vivo te deja mirar cuando quieras. Toca dos veces una cápsula y el agente pasa a ver lo que hay en tu pantalla, que es cómo preguntas «¿cómo debería responder a esto?».
Lo inteligente es que el agente no necesita integración por app. Mira la pantalla y encuentra botones como lo haría una persona. Sin APIs, sin plugins, sin colaboración del desarrollador. Esa es también la parte incómoda, y vuelvo a ella más adelante.

La configuración son tres pasos, uno poco habitual
Instala el APK desde la página de releases, Android 11 o superior. Elige un proveedor de modelo en Ajustes y pega una clave, o inicia sesión con una cuenta de ChatGPT, xAI u OpenRouter. Opcionalmente, apúntalo a un modelo que corra en tu propia máquina por la red local: el README admite explícitamente un endpoint personalizado.
El tercer paso es donde se pone interesante. Para operar otras apps, Mika necesita la depuración inalámbrica de Android activada y emparejada, una vez. Eso le da los permisos para crear la pantalla virtual e inyectar entrada. El asistente de configuración te guía y hay un método alternativo documentado por USB para teléfonos cuya ROM esconde el interruptor de depuración inalámbrica.
Es una decisión técnica real con consecuencias reales. Significa que Mika funciona en teléfonos que nunca incluirán un agente basado en servicios de accesibilidad, y significa que el permiso que concedes es más amplio que el de una app normal. El README es honesto sobre el intercambio: Android desactiva la depuración inalámbrica cuando cambias de Wi-Fi o reinicias, así que Mika la vuelve a activar con tu permiso, y puede que tengas que emparejar de nuevo.
En qué es buena de verdad
Los GIF de demostración son la parte más útil del repositorio, porque muestran tareas ordinarias y aburridas en lugar de magia. Leer un grupo de WeChat y resumir lo que se dijo hoy. Añadir al carrito un cargador de menos de 30 dólares con 4,5 estrellas y detenerse antes de pagar. Leer las publicaciones recientes de un creador en Xiaohongshu y resumirlas. Saludar a los reclutadores de tres ofertas de empleo. Ver anuncios para desbloquear ventajas musicales. Pedir comida con descuentos acumulados y preguntar antes de pagar.
Esa lista es un buen mapa del valor. Son tareas con condiciones de éxito claras, cero creatividad y una interfaz aburrida. Precisamente el trabajo que nadie quiere hacer en un teléfono, y precisamente el trabajo que un agente que lee la pantalla puede hacer sin ninguna API.
El uso de apps chinas en las demos no es casual. WeChat y Xiaohongshu no tienen APIs públicas de automatización y nunca las tendrán, lo que las convierte en la prueba de estrés perfecta. El README señala que Mika no está atada a ellas, y es cierto, pero la razón por la que esas apps aparecen en la demo es que «cualquier app, sin integración» solo se demuestra en apps que se niegan a integrarse.
Las barandillas son el diseño
Dos cosas destacan.
Primera: se desentiende de las partes peligrosas. Los inicios de sesión, los códigos de verificación y los pagos vuelven a ti. Las páginas que bloquean capturas —flujos de pago, introducción de contraseñas— también se te devuelven. Al agente se le indica que se detenga en el botón de pagar, no que lo pulse.
Segunda: no hay servidor de Mika. Las claves de API y los recuerdos se cifran en el dispositivo, las conversaciones y los registros de ejecución se quedan en local, y la única llamada saliente que no es al proveedor del modelo es una comprobación de actualizaciones contra GitHub. Si eres de los que leen la sección de privacidad antes de instalar, esa sección está escrita para ti.
También recuerda las preferencias que declaras y convierte las tareas completadas en skills reutilizables, así que la segunda vez que pides lo mismo no vuelve a descubrir la maquetación de la app. Es la misma idea de «aprende el repositorio una vez» que se ha extendido entre los agentes de programación, aplicada a un teléfono.
La parte que hará que lo prohíban en algún sitio
Operar apps de terceros de forma automática puede violar sus términos de servicio. El README lo dice sin rodeos y a continuación aconseja usar tu propio criterio y preferir el modo Ask para cualquier cosa importante.
Esa frase hace mucho trabajo. La automatización que lee pantallas a escala es exactamente lo que los equipos antiabuso de las plataformas están construidos para detectar, y una herramienta que corre en tu propio dispositivo con tu propia cuenta es a la vez la versión más legítima de esta idea y la más difícil de distinguir de la abusiva. Si usas Mika para leer un chat de grupo, a nadie le importa. Si diez mil personas lo usan para granjear interacción, las apps responderán, y la respuesta no será amable.
Hay también un ángulo de seguridad que conviene decir en voz alta: un agente con pantalla virtual e inyección de entrada puede hacer todo lo que tú puedes hacer en esas apps. Conceder eso a una app que habla con un proveedor de modelos de terceros —aunque lo hayas elegido tú— es una decisión de confianza, no una decisión de funciones.
Por qué esto importa más allá de una app
La afirmación interesante de Mika es arquitectónica, no funcional. Durante dos años se asumió que los agentes de teléfono necesitan cooperación de las apps: una API, un intent, un plugin. Mika demuestra que la segunda pantalla más la inyección de entrada bastan, y que ese camino funciona en todas las apps que se niegan a cooperar.
Eso significa que el techo de la automatización móvil no es la cooperación técnica. Es la política. Lo cual es otra pelea, y se peleará app por app, en los términos de servicio, durante los próximos dos años.
Dos límites prácticos que conviene conocer antes de instalarlo. Es solo Android: no hay camino en iOS y, dado cómo trata Apple las pantallas virtuales y la inyección de entrada, probablemente no lo haya pronto. Y es un proyecto de una sola persona con un rastreador de incidencias joven, así que toma la lista de compatibilidad de ROM como anecdótica y no como certificada. Si tu teléfono esconde la depuración inalámbrica, el método por USB existe, pero es genuinamente más engorroso que el asistente.
Mientras tanto, en la franja estrecha donde claramente está bien —leer, resumir, rellenar formularios, detenerse antes de pagar— Mika es lo más usable que he visto en Android, y es el único que no te secuestra el teléfono mientras trabaja.
Artículos relacionados
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.
GPT Image 2.6 mantuvo el precio por token y subió la factura
GPT Image 2.6 mantiene cada tarifa por token de 2.5 y aun así cuesta más por imagen, porque buena parte del trabajo ocurre ahora en tokens de salida. Once días después del lanzamiento, la estructura de precios dice más que el ranking.
Alguien reconstruyó IDM desde fuera y anotó lo que no tocó
Una reimplementación en Rust de Internet Download Manager promete 5 veces la velocidad y 86 idiomas. El documento más interesante es el párrafo que explica cómo se construyó sin copiar nada.
Rune es un framework de UI en Rust creado para que un agente pueda comprobar su propio trabajo
Rune renderiza sin interfaz, vuelca su árbol de elementos y acepta entrada programada, lo que da a un agente de código una señal diffeable que una captura nunca ofrece. El framework está en prelanzamiento y no acepta pull requests.