企业官网建设流程全解析

小智xiaozhi-esp32：MCP驱动的ESP32语音助手

【免费下载链接】xiaozhi-esp32An MCP-based chatbot | 一个基于MCP的聊天机器人项目地址: https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32

把唤醒词说出口之后，大约一秒内会发生一串事：屏幕表情切换、麦克风开始流式上传、云端把语音转成文字并交给大模型推理，最后大模型没有只回一句文本，而是让设备把音量调小、把灯带点亮。这条链路就是 xiaozhi-esp32 的日常——一个基于 MCP 协议、跑在 ESP32 系列芯片上的开源 AI 语音助手固件，仓库名 xiaozhi-esp32，定位很直接：本地硬件负责采集和执行，云端模型负责思考，两边用同一套协议对话。

⚡ 能力速览

• 离线语音唤醒：基于 ESP-SR 在本地完成唤醒词识别，没喊名字之前语音不会出设备，同时支持自定义唤醒词
• 流式语音对话：Opus 音频流直传，兼容流式 ASR+LLM+TTS 方案和 Realtime 端到端语音模型，带 AEC 的硬件可做到实时全双工
• 设备端 MCP：大模型可以直接调用固件内置的工具集——音量、灯光、电机、GPIO，硬件变成模型的"手脚"
• 云端 MCP：同一套协议反向扩展模型能力，智能家居、PC 桌面操作、知识搜索、邮件收发都挂在云端工具上
• 多传输多网络：WebSocket 与 MQTT+UDP 两种通道可选，Wi-Fi、以太网、USB RNDIS 以及 Cat.1 4G 模块都能接入

🔁 工作原理：一次完整交互的时序

按时间线走一遍，比罗列模块更清楚各部分怎么协作。

1. 本地唤醒。用户说唤醒词，ESP-SR 在片上完成识别。这一步不联网，隐私和功耗都守住了。
2. 建连与能力声明。唤醒成功后固件打开音频通道（WebSocket 或 MQTT+UDP），设备先发出 hello 消息，在 features 字段里声明"mcp": true，并带上 Opus 音频参数：16kHz、单声道、60ms 帧。
3. MCP 会话初始化。后端识别到设备支持 MCP 后，用 JSON-RPC 2.0 格式的 initialize 请求发起会话，设备返回自身名称与固件版本。
4. 语音流式处理。麦克风数据以 Opus 帧持续上行，云端完成流式识别、语义理解，回复的 TTS 音频流式下行播放，屏幕同步显示对应表情。
5. 工具调用。如果意图涉及硬件操作，后端发 tools/call 请求，设备端的 MCP server 解析出工具名与参数，执行音量、灯光、GPIO 等动作后返回结果。也就是说，MCP 在这里是"设备当服务端、后端当客户端"的工具调用机制——模型不需要知道任何板卡细节，它只调用声明好的工具。

硬件层面同样按抽象设计：所有开发板收敛在 main/boards/ 目录下，通用外设（按键、背光、电池监控、摄像头）抽到 common/ 复用，音频、显示、协议各有独立模块。目前维护着 138 个板卡目录、171 个发布变体，覆盖 ESP32、C3、C5、C6、S3、P4 六个芯片平台。新增一块板，本质只是加一个目录加一份配置。

⚙️ 从零到跑通：最短可行路径

1. 获取代码（新手也可以跳过编译，直接烧录仓库发布区里的现成固件）：

git clone https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32 cd xiaozhi-esp32

2. 配置开发板与参数：

idf.py menuconfig

3. 在配置界面选中你手头的板卡目录，确认服务器与配网方式（热点或 BluFi），然后idf.py build flash烧录。
4. 上电后用手机热点完成首次配网，说出唤醒词即进入对话。

🛠️ 进阶玩法：定制、扩展与调优

协议、配网与自定义板卡的细节文档都放在 docs/ 下，按 websocket_zh、mqtt-udp_zh、custom-board_zh 分篇，排障时对照着查比翻代码快。

适合谁，下一步做什么

如果你正在找一个低成本、可长期维护的 ESP32 语音助手底座，或是想给自己的设备接上"听得懂话、动得了手"的 AI 层，这个项目目前完成度在同类里靠前。最直接的下一步：挑一块你手头已有的板子，先烧现成固件跑通一轮对话，再决定要不要进编译流改东西。

【免费下载链接】xiaozhi-esp32An MCP-based chatbot | 一个基于MCP的聊天机器人项目地址: https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32