【開源專案】基於 MCP+ESP32 的《小智AI聊天機器人》

Posted By MakerPRO編輯部 on 6 月 4, 2025 in Edge AI, ESP32, LLM, TinyML, 案例研究 | 0 comments

「我們希望透過這個項目，能夠幫助大家了解AI硬體開發，將目前快速發展的大語言模型應用到實際的硬體設備。」《小智AI聊天機器人》開發者 — 蝦哥

在當今快速發展的人工智慧領域中，硬體與軟體的結合為創新帶來了無限可能。《小智AI聊天機器人》作為一個基於MCP（Model Context Protocol）的開源項目，不僅展示了人工智慧在物聯網控制中的應用，還將大語言模型的能力引入實際的硬體設備之中。本文將探討這一項目的技術特點、應用場景以及其對AI硬體開發的意義。

技術特點與架構

《小智AI聊天機器人》是由蝦哥基於ESP32開發的開源項目，並依照MIT許可證釋出，這意味著任何人都可以自由使用它，甚至用於商業用途。這一項目旨在將現代大語言模型應用於物聯網設備的控制中，並通過MCP協定實現多端控制功能。

MCP作為一種新一代的物聯網控制協議，採用標準的JSON-RPC 2.0格式，在後台與設備間實現高效的指令傳遞和功能調用。這使得《小智AI聊天機器人》不僅可以實現基本的聲音控制和感應器控制，還能擴展至智慧家庭控制、PC桌面操作、知識搜尋及郵件收發等多個應用場景。

開發板接線圖source

已實現的功能與應用

《小智聊天機器人》在技術功能上展現了豐富的多樣性和靈活性：

無線網路/ML307 Cat.1 4G： 提供了強大的網路連接能力，支援遠端控制和資料傳輸。
離線語音喚醒ESP-SR： 透過本地語音處理技術，實現了語音命令的即時反應。
支援兩種通訊協定（Websocket或MQTT+UDP）： 提供了通訊協定的選擇性，以滿足不同應用場景下的需求。
採用OPUS音訊編解碼： 通過高效的音訊編解碼技術，實現了清晰的語音交互體驗。
基於串流ASR + LLM + TTS架構的語音交互： 通過先進的語音識別、語言理解和文本轉語音技術，提供了自然流暢的人機交互界面。
聲紋識別，辨識目前說話者的身分3D音箱： 透過聲紋辨識技術，識別並個性化使用者的語音指令。
OLED / LCD顯示屏，支援表情顯示： 提供豐富的視覺交互元素，增強使用者的使用體驗。
遙控器顯示與電源管理： 提供便捷的遠端控制界面，管理設備的能源消耗和操作狀態。
支援多語言（中文、英文、日文）： 多語言支援使得《小智聊天機器人》能夠被廣泛應用和接受。
支援多種ESP32晶片平台（如ESP32-C3、ESP32-S3、ESP32-P4）： 擴展了硬體的兼容性和適用範圍。
透過設備端MCP實現設備控制（音量、燈光、馬達、GPIO等）： 通過MCP協議實現了對物聯網設備的靈活控制和管理。
透過雲端MCP擴展大模型能力（智慧家庭控制、PC桌面操作、知識搜尋、郵件收發等）： 通過雲端服務，實現了更高級別的功能擴展和遠端控制。

《小智AI聊天機器人》支援超過70種硬體設備，其中包括但不限於：

Source

這些硬體平台的支援使得該項目在不同的應用場景中具有廣泛的可擴展性和通用性。

開發環境與最佳實踐

《小智聊天機器人》的開發環境要求遊標或VSCode作為開發工具，並需安裝ESP-IDF插件，選擇適合的SDK版本（建議5.4或以上）。相較於Windows，Linux操作系統因其快速的編譯速度和免除驅動問題的優勢，被推薦為首選的開發平台。此外，項目採用Google C++程式碼風格，確保程式碼的規範性和可讀性。