一图搞清：小智AI MCP 控制IoT设备，原理+流程拆解_小智ai 原理
前文分析了小智如何控制IoT设备：
小智AI如何控制IoT设备？LLM vs MCP
并给出了两种方案。
不过总感觉不是很优雅，之前的交互逻辑是这样：
你看，客户端需要不时上传当前状态给服务端，并放到 LLM 的提示词中。
可是，大部分时候，服务端压根不需要这些字段啊。
最近，小智客户端代码更新到 1.7.x，而 IoT 控制 的交互逻辑，也发生了变化。
核心思想来自 MCP：客户端作为 MCP server，而服务端的 LLM 作为 MCP client，看下图：
有朋友好奇，咋 server 和 client 还角色互换了呢？
本文，将尝试拆解这部分，并给出服务端的实现思路。
注：本文将基于 MQTT + UDP 协议，websocket 协议实现起来会更容易一些。
注：默认读者已了解 MQTT + UDP 协议，以及什么是 MCP 协议。否则建议先翻看之前的文章。
1. 客户端
客户端代码中新增了mcp_server部分，其中最重要的是通用工具注册部分 AddCommonTools()，用于让服务端的 AI 感知和操作硬件设备。
比如：
self.get_device_status用途：获取设备状态信息（如音频、屏幕、电池、网络等）有了这个工具，就不需要每次都无脑给服务端上传设备状态了。
再比如：
self.audio_speaker.set_volume用途：设置音频输出音量self.screen.set_brightness用途：设置屏幕亮度self.screen.set_theme用途：设置 UI 主题（如 light/dark 模式）还有更好玩的：接入摄像头，提供视觉能力
self.camera.take_photo用途：拍照并让摄像头解释图像内容（比如用于视觉问答）返回值：包含照片信息的 JSON 对象。先调用 camera->Capture() 拍照，再通过 camera->Explain(...) 解释内容。- Explain：将当前摄像头缓冲区中的图像编码为JPEG格式，并通过HTTP POST请求；必须先调用SetExplainUrl()设置服务器URL- McpServer::ParseCapabilities中定义了SetExplainUrl2. 服务端
整个服务端的交互逻辑相对复杂，这里尝试用流程图来说明：
其中，关于 MCP 控制 IoT 设备， 需要重点关注以下几个关键节点：
- 客户端连接 MQTT 服务器
- Hello 消息交互
- 服务端发送 MCP initialize 请求
- 服务端发起工具调用
2.1 客户端连接 MQTT 服务器
客户端连接后，通过 MQTT 发送 connected 消息。
正常情况下：客户端连接上 MQTT 服务器，服务端是无感知的啊！
怎么搞？
✅ 解决方案：使用 EMQX 规则引擎
创建一条规则，监听 $events/client_connected 事件（EMQX 内置事件 topic）。
当有客户端连接时，规则引擎可以自动向指定的 topic 发布一条自定义消息。
具体步骤如图：
此外，EMQX 同样也支持客户端断开 MQTT 连接时，自动发送一条消息。
你可以监听 EMQX 的内置事件主题 $events/client_disconnected，用规则引擎自动向指定 topic 发布通知消息。
所以，这里我们建立两条规则，来判断设备是否已经下线：
2.2 MCP 初始化
服务端收到客户端的连接消息后，立即创建一个 Handler 实例，准备和客户端通信。
然后，开始完成 MCP 初始化，主要有两步，下图红框标注：
- 建立连接
- 获取工具列表
拿到这个工具列表，下一步才可以初始化 LLM 智能体。
2.3 Hello 消息交互
当客户端需要进行语音交互时，会发送 hello 类型消息。
服务端会验证设备信息，加载 2.2 部分的工具列表，并启动 ASR、TTS、LLM 会话。
最后，服务端向客户端发送 hello 响应，包含 UDP 配置参数。
至此，客户端和服务端，终于成功完成握手。
2.4 流程测试
首先，客户端连接上来：
然后，完成 hello 握手：
- 客户端给服务端请求：
- 服务端给客户端响应：
最后，开始工具调用：
比如问它：设备音量多少？
LLM 会自行判断，并调用self.get_device_status方法，请求客户端，客户端返回当前设备状态，再由 LLM 理解后回答：
写在最后
本文分享了 小智 AI 控制 IoT 设备 的服务端实现方案。
有了这，好玩的事就更多了~
下篇继续聊：
- 小智 AI 如何接入视觉能力？
如果对你有帮助，欢迎点赞收藏备用。
为方便大家交流，新建了一个 AI 交流群，公众号后台「联系我」，拉你进群。
