摘要
1) 一句话总结 这是一个基于ESP32和MCP协议的开源AI语音聊天机器人项目，通过流式ASR+LLM+TTS架构结合大语言模型（如Qwen/DeepSeek），实现多端硬件控制与智能语音交互。
2) 核心要点
- 项目基础：采用C++开发，基于MIT协议开源，目前在GitHub拥有超2.4万Stars，最新版本为v2.2.3。
- 核心架构：采用流式ASR+LLM+TTS架构，支持离线语音唤醒（基于ESP-SR）和当前说话人声纹识别（基于3D Speaker）。
- 通信与协议：支持Websocket或MQTT+UDP两种通信协议，采用OPUS音频编码，支持Wi-Fi及ML307 Cat.1 4G网络。
- MCP多端控制：内置端侧MCP（用于控制扬声器、LED、舵机、GPIO等硬件）与云侧MCP（扩展智能家居控制、PC桌面操作、知识搜索、邮件等大模型能力）。
- 硬件兼容性：支持ESP32-C3、ESP32-S3、ESP32-P4芯片平台，兼容70多款开源硬件（如立创开发板、M5Stack、Waveshare等），并支持面包板DIY。
- 功能特性：支持中、英、日多语言，具备OLED/LCD屏幕及表情显示、电池电量显示与电源管理功能，并提供Web端在线工具自定义唤醒词和UI素材。
- 开发与部署：提供适合初学者的免开发环境固件（默认连接官方服务器，个人用户可免费使用Qwen实时模型）；二次开发需使用ESP-IDF 5.4及以上版本，推荐Linux环境并要求遵循Google C++代码规范。
3) 风险/不足
- 版本升级限制：当前的v2版本与v1版本的分区表不兼容，无法通过OTA（空中下载技术）从v1直接升级到v2，运行v1的硬件必须通过手动烧录固件才能完成升级。
功能与定位
An MCP-based chatbot | 一个基于MCP的聊天机器人
典型使用场景
- 用于快速搭建 AI 应用、工作流或服务化能力。
- 作为上层产品的能力底座，统一模型调用与业务集成。
核心功能
- 提供应用框架或平台化能力。
- 支持模型接入、流程编排或接口服务化。
- 面向开发与部署提供基础工程支持。
特色与差异点
- 仓库长期活跃，最近更新时间为 2026-02-22T12:22:42Z。
- 项目创建于 2024-08-31T10:08:16Z，具备持续迭代与社区沉淀。
- 以
C++为主语言，聚焦该技术栈的工程实践。
使用方式概览
- 阅读仓库 README 与官方文档，确认适配场景与依赖条件。
- 按项目推荐方式完成安装与初始化，再从示例或最小流程开始验证。
- 在生产使用前补齐权限控制、日志监控和版本固定策略。
限制与注意事项
- 使用前应先核对许可证、项目维护状态与安全边界。
链接
- 仓库：https://github.com/78/xiaozhi-esp32
- 官网：https://xiaozhi.me
- README：https://raw.githubusercontent.com/78/xiaozhi-esp32/main/README.md
- Releases：https://github.com/78/xiaozhi-esp32/releases