如果你也覺得

LLM 一定要跑在云服務(wù)器

Agent 系統(tǒng)一定要 Python / Node.js

Tool Calling 一定要配一堆微服務(wù)

那這個(gè)項(xiàng)目可能會讓你有點(diǎn)意外！

我最近做了一個(gè)實(shí)驗(yàn)：

把一整套 AI Agent Runtime，裝進(jìn)一塊 ESP32-S3。

這個(gè)項(xiàng)目叫：

EmbedClaw

它不是一個(gè)“聊天機(jī)器人 Demo”。

而是一套 真正可擴(kuò)展的嵌入式 Agent Runtime。

為什么要做這個(gè)項(xiàng)目

現(xiàn)在的 AI Agent 框架很多：

LangChain

AutoGPT

OpenAgents

OpenClaw

但它們幾乎都有一個(gè)共同點(diǎn)：

默認(rèn)運(yùn)行環(huán)境是服務(wù)器。

而我一直很好奇一個(gè)問題：

由此，EmbedClaw誕生了！

項(xiàng)目地址：

https://github.com/wireless-tag-com/EmbedClaw

EmbedClaw 是什么

簡單說，它是一個(gè)運(yùn)行在 ESP32 上的 AI Agent 系統(tǒng)。完整的數(shù)據(jù)流是這樣的：

但它最大的設(shè)計(jì)重點(diǎn)不是“能聊天”。而是：

EmbedClaw 把四個(gè)最容易耦合的模塊徹底解耦：

換句話說：

Channel 不關(guān)心 LLM

LLM 不關(guān)心消息來源

Tools 不關(guān)心誰調(diào)用

Agent 只負(fù)責(zé)決策

這帶來的好處非常直接：

在 MCU 上跑 Agent 是什么感覺

EmbedClaw 當(dāng)前跑在：

ESP32-S3

硬件配置：

16MB Flash

PSRAM

Wi-Fi

但它已經(jīng)具備完整 Agent 系統(tǒng)的核心能力。

當(dāng)前已經(jīng)實(shí)現(xiàn)的能力

01

LLM

默認(rèn)使用：Qwen (通義千問)

通過 DashScope 的 OpenAI Compatible API 調(diào)用。

換句話說，如果你想換：

OpenAI

DeepSeek

Moonshot

其他兼容 OpenAI API 的模型

基本不用改架構(gòu)。

02

Agent

EmbedClaw 使用的是經(jīng)典：ReAct Tool Loop

模型可以：

1. 推理

2. 調(diào)用工具

3. 讀取工具結(jié)果

4. 再繼續(xù)推理

03

Tools

當(dāng)前已經(jīng)內(nèi)置了一些工具：

所有 Tool 都通過 JSON Schema 暴露給 LLM。

04

Memory

EmbedClaw 有三層記憶：

長期記憶

/spiffs/memory/MEMORY.md

用于記錄穩(wěn)定事實(shí)、用戶偏好等。

會話記憶

/spiffs/session/se_xxx.jsonl

用于保存最近對話歷史。

每日筆記

/spiffs/memory/YYYY-MM-DD.md

記錄近期事件。

Skills：任務(wù)級知識

EmbedClaw 引入了一個(gè)很有意思的概念：Skill

這里說明一下：

例如：

#Translate

Translate text between languages.

## When to use

When the user asks for translation.

##Howto use

1.Detect language

2.Translate

3.Verify terminology

Skill 可以：

寫成 Markdown

動態(tài)加載

存在 SPIFFS 里

這讓 Agent 可以不斷“學(xué)習(xí)新技能”。

Channel：支持哪些聊天入口？

目前已經(jīng)實(shí)現(xiàn)：

WebSocket

最適合調(diào)試。

你可以直接連設(shè)備聊天。

這意味著：

不需要公網(wǎng)服務(wù)器

不需要 Webhook

MCU 可以直接接收飛書消息

這是很多人沒想到的玩法。

整體架構(gòu)

系統(tǒng)整體結(jié)構(gòu)大概是這樣：

所有模塊都做了清晰的解耦。

這個(gè)項(xiàng)目適合做什么

EmbedClaw 現(xiàn)在特別適合用來做：

嵌入式 AI Agent 框架實(shí)驗(yàn)

邊緣 AI 助手比如：

桌面 AI 助手IoT Agent 私人硬件 AI

Tool Calling 架構(gòu)研究

AI + MCU 的產(chǎn)品原型

一個(gè)重要的致謝

在這里，我也想特別感謝兩個(gè)非常優(yōu)秀的開源項(xiàng)目：MimiClaw

EmbedClaw 的很多理念，其實(shí)都受到了它們的啟發(fā)。MimiClaw 最讓我印象深刻的一點(diǎn)是：

把 AI Agent 的能力帶到低功耗硬件上。

它證明了一件事情：

AI Agent 不一定要運(yùn)行在云服務(wù)器上。設(shè)備本身，也可以成為 Agent 的一部分。

EmbedClaw 在這個(gè)基礎(chǔ)上，做了一些不同方向的探索：

更強(qiáng)調(diào)LLM / Agent / Tools / Channel 的架構(gòu)解耦

更偏向嵌入式工程結(jié)構(gòu)

更方便擴(kuò)展新的 Channel / Tool / Skill

某種意義上說：

EmbedClaw 是在 Mimiclaw 思路上的一次工程化嘗試。

開源世界最美好的地方就在于：

想法可以被傳遞，代碼可以被延續(xù)。

所以如果你對這個(gè)方向感興趣，也非常推薦去看看 Mimiclaw 項(xiàng)目。很多非常有意思的設(shè)計(jì)，都來自那里。

為什么我把它開源

因?yàn)槲野l(fā)現(xiàn)：

嵌入式 AI Agent 其實(shí)是一個(gè)很有潛力的方向。

未來可能會出現(xiàn)：

會思考的 IoT

會規(guī)劃任務(wù)的硬件

可以自己調(diào)用工具的設(shè)備

而 不 是 ：

“只會上傳數(shù)據(jù)的設(shè)備”。

EmbedClaw 只是一個(gè)開始！

項(xiàng)目地址

如果你對：

AI Agent

嵌入式

ESP32

Edge AI

感興趣，可以看看這個(gè)項(xiàng)目：EmbedClaw

點(diǎn)擊文章末尾【跳轉(zhuǎn)原文】即可訪問開源工程！

如果覺得有意思，歡迎：

Star

提 PR

提想法

一起把AI Agent 帶進(jìn) MCU 世界！