SO-ARM100 机械臂的 AI 大脑：用 MCP 协议让大模型直接操控真实机器人

从命令行到自然语言：让 AI 直接"动手"的实验

想象一下，你对着一台电脑说："把红色的积木从左边搬到右边"，然后一台真实的机械臂就动了起来，精准地完成了任务。这不是科幻，而是 IliaLarchenko/robot_MCP 这个开源项目正在做的事情。

场景还原：当你用 Claude Desktop 或 Cursor 编写代码时，顺手让它"帮我把桌上的水杯拿过来"——这台 6 轴机械臂会真的执行这个动作。背后的原理是将机器人的控制接口封装成 MCP（Model Context Protocol）工具，让大语言模型能够以自然语言指令的方式操控真实世界的物理设备。

这个项目填补了一个有趣的空白：传统机器人控制需要学习专用语言（ROS 消息、G-code 等），现在只需要会说英语，就能指挥机器人。

MCP 协议：让 AI 代理"看见"机器人的桥梁

MCP（Model Context Protocol）是 Anthropic 主导的 AI Agent 工具调用协议标准，类似 USB 接口——有了它，大模型可以调用各种工具和服务。这个项目将 SO-ARM100 机械臂封装为一个 MCP Server，暴露了以下核心工具：

• 获取机器人状态（关节角度、末端位置、速度）
• 执行移动指令（目标位置、移动模式、速度控制）
• 摄像头画面读取（多摄像头，支持实时图像返回）

值得注意的是，MCP Server 使用 FastMCP 框架实现，支持 stdio、SSE、streamable-http 三种传输方式，其中 HTTP SSE 允许远程访问（跨越机器运行 MCP 服务），这对于机器人这种需要物理连接的设备非常实用。

LeRobot 底层驱动：Hugging Face 的开源机器人框架

项目的机器人控制层依赖 Hugging Face 的 LeRobot 框架。这是一个专门为低成本开源机器人设计的控制和模仿学习库，支持 SO-ARM100、SO-101、LeKiwi 等多种机器人硬件。

代码中导入了 LeRobot 的三个核心组件：SO100Follower、SO101Follower 和 LeKiwiClient。通过统一的接口层（RobotController 类），项目实现了对不同机器人的兼容。

from lerobot.robots import Robot
from lerobot.robots.so101_follower import SO101Follower, SO101FollowerConfig
from lerobot.robots.lekiwi import LeKiwiClient, LeKiwiClientConfig

这是一个典型的适配器模式应用：上层 MCP 服务调用统一的 RobotController，下层通过 LeRobot 适配不同的机器人硬件，实现"一个接口，多种设备"的设计目标。

三层架构：从 LLM 到伺服电机的完整链路

整个系统的架构可以分为清晰的三层：

第一层：LLM 决策层（agent.py + llm_providers/）

• 支持 Claude（Anthropic）、Gemini（Google）和 GPT（OpenAI）三种模型
• 内置 llm_providers/factory.py 工厂模式，按模型名称自动选择对应 provider
• 支持 thinking（思考）token、streaming（流式输出）和 multimodal（多模态工具返回）三大特性
• 作者实测：Claude 效果最好，Gemini 次之，GPT 表现较差

第二层：MCP 协议层（mcp_robot_server.py）

• 基于 FastMCP 框架实现 MCP Server
• 工具函数 get_state_with_images() 负责合并机器人状态 JSON 和摄像头图像
• _np_to_mcp_image() 将 numpy 数组格式的 RGB 图像转换为 MCP Image 对象
• 懒初始化机制（_robot 全局变量），允许 MCP Inspector 在无硬件时启动调试

第三层：机器人控制层（robot_controller.py + kinematics.py）

• RobotController 类：统一的机器人操作接口，返回结构化的 MoveResult
• KinematicsModel 类：正逆运动学计算，管理臂长参数（L1/L2）、基座高度、肩/肘安装偏移
• 摄像头通过 OpenCV (opencv-python) 读取，支持多摄像头配置

这种分层设计使得任意一层都可以独立替换——换用不同的 LLM 提供商不需要修改 MCP Server，改用其他机器人控制库也只需替换底层驱动。

键盘控制：脱离 AI 的备选方案

项目还提供了纯 Python 的键盘控制器（keyboard_controller.py），基于 pynput 库实现。这意味着即使不用 MCP，用户也可以手动控制机器人。这在调试阶段特别有用——先确认硬件连接和校准正常，再切换到 AI 控制模式。

成本警告：图像会让 LLM 调用费用飙升

README 中特别提到了成本问题：MCP Server 本身免费，但调用 LLM 的费用由用户承担。每次 Agent 请求都会附带摄像头图像帧，而 Claude 会将这些图像计入门槛 token 用量（比纯文本贵得多）。Gemini 则不将 MCP 图像计入 token（仅显示文本 token 用量），相对更经济。

项目现状与局限性

局限一：lerobot 版本兼容性问题 作者在 README 中明确提到，LeRobot 在视频发布后有一次重大更新，导致与原始代码不兼容。如果想严格复现视频教程，需要使用 v0.0.1 release 版本。这是一个持续维护中的"版本漂移"风险。

局限二：依赖不稳定 lerobot 直接从 GitHub 安装（git+https://github.com/huggingface/lerobot.git），而非 PyPI 稳定版本，任何 LeRobot 的 breaking change 都可能导致项目失效。

局限三：测试覆盖 项目有 5 个测试文件覆盖 agent、config、llm_providers、mcp_server 和 robot_controller，但这些都是单元/集成测试，没有端到端的硬件测试（因为 CI 环境无法连接真实机器人）。

局限四：LeKiwi 移动底盘尚未支持 README 提到 LeKiwi 支持仅限机械臂部分，移动底座的 MCP 控制还在 TODO 列表中。

行业意义：从"调 API"到"调硬件"的 Agent 进化

这个项目代表了一个有趣的方向：让 AI Agent 不仅能调用软件工具（搜索、代码执行），还能操控真实世界的物理设备。这是具身智能（Embodied AI）的一个轻量级实践案例。

SO-ARM100 是一款基于 Feetech STS3215 伺服电机的 6 轴机械臂，零售价在数百美元级别，Hugging Face 还提供了其数字孪生模型。结合本项目，它成为大模型操控真实硬件的低成本实验平台——无需昂贵的工业机械臂，普通爱好者也能参与具身智能的研究。

从数据来看，81 stars、5 个 open issues、持续的更新维护（lerobot 兼容性修复），说明这是一个活跃的开发者项目，而非已停止维护的"僵尸仓库"。

快速上手路径

步骤	命令	说明
安装	pip install -r requirements.txt	依赖包含 lerobot（GitHub 安装）
校准	python check_positions.py	无控制状态下检查关节状态
手动	python keyboard_controller.py	键盘控制，调试硬件
MCP 调试	mcp dev mcp_robot_server.py	MCP Inspector 可视化调试
正式运行	mcp run mcp_robot_server.py --transport sse	SSE 传输，配置 Claude Desktop
AI 控制	python agent.py --model claude-3-7-sonnet-latest	命令行 AI Agent

整体来看，这是一个有明确应用场景、有实际硬件依赖、有活跃维护的项目。它不是通用的 AI 框架，而是一个专精于机器人控制的 MCP Server，适合对具身智能有兴趣、且拥有对应硬件的开发者研究学习。