PalmClaw: 모바일 기기를 위한 네이티브 온디바이스 에이전트 프레임워크

PalmClaw: A Native On-Device Agent Framework for Mobile Phones

최근 대규모 언어 모델(LLM) 기반 에이전트는 단순히 응답을 생성하는 것을 넘어, 도구를 호출하고, 결과를 관찰하며, 반복적으로 다음 단계를 결정하여 다단계 작업을 수행하는 방식으로 발전했습니다. 대부분의 에이전트 시스템은 도구 사용 및 작업 자동화를 지원하는 데스크톱 또는 서버에서 실행됩니다. 모바일 기기는 널리 보급되어 있으며 사용자 데이터, 센서 및 일상적인 애플리케이션을 포함하고 있기 때문에 중요한 에이전트 환경입니다. 기존 모바일 에이전트는 주로 터치, 스와이프, 입력과 같은 그래픽 사용자 인터페이스(GUI) 작업을 통해 스마트폰에서 작동하며, 이는 종종 길고 인터페이스에 의존적인 시퀀스를 형성하며, 기기 기능을 직접적으로 액세스할 수 없으며, 실행 경계를 정의하기 어렵습니다. 본 논문에서는 모바일 기기에서 네이티브로 실행되고 세션, 메모리, 기술, 도구 및 에이전트 루프를 직접 관리하는 오픈 소스 에이전트 프레임워크인 extbf{PalmClaw}를 소개합니다. PalmClaw는 기기 기능을 명시적인 인자, 구조화된 결과 및 명확하게 정의된 실행 경계를 갖춘 기기 도구로 제공합니다. 이러한 설계는 에이전트가 모바일 기능(device capabilities)을 직접 사용하면서 각 작업을 명시적이고 제어 가능하게 수행할 수 있도록 합니다. 실험 결과, PalmClaw는 가장 강력한 기준 모델 대비 11.5%의 상대적인 작업 성공률 향상과 94.9%의 완료 시간 감소를 보였으며, 설정 부담이 적고 실행 경계가 어떻게 적용되는지를 보여주는 추적 정보도 제공됩니다. 코드: https://github.com/ModalityDance/PalmClaw.

Large Language Model (LLM) agents have moved beyond generating responses to executing multi-step tasks by calling tools, observing the results, and iteratively deciding the next action. Most agent systems run on desktops or servers, which support tool use and task automation. Mobile devices are also important agent environments because they are widely accessible and contain users' data, sensors, and daily-use applications. Existing mobile agents mainly operate smartphones through graphical user interface (GUI) actions such as tapping, swiping, and typing, which often form long, interface-dependent sequences, cannot directly access device capabilities, and make execution boundaries difficult to define. We present \textbf{PalmClaw}, an open-source agent framework that runs natively on mobile phones and manages the sessions, memory, skills, tools, and agent loop directly on the device. PalmClaw exposes device capabilities as device tools with explicit arguments, structured results, and clearly defined execution boundaries. This design enables agents to use mobile capabilities directly while keeping each action explicit and controlled. Experiments show an 11.5\% relative improvement in task success and a 94.9\% reduction in completion time over the strongest baseline, with lower setup burden and traces illustrating how execution boundaries are applied. Code is available at https://github.com/ModalityDance/PalmClaw.