IoT-MCP: Brückenschlag zwischen LLMs und IoT-Systemen durch das Model Context Protocol

papers.abstract

Die Integration von Large Language Models (LLMs) mit Internet-of-Things (IoT)-Systemen steht vor erheblichen Herausforderungen in Bezug auf Hardware-Heterogenität und Steuerungskomplexität. Das Model Context Protocol (MCP) erweist sich als entscheidender Enabler, das eine standardisierte Kommunikation zwischen LLMs und physischen Geräten ermöglicht. Wir stellen IoT-MCP vor, ein neuartiges Framework, das MCP über Edge-basierte Server implementiert, um LLMs und IoT-Ökosysteme zu verbinden. Um eine rigorose Evaluierung zu unterstützen, führen wir IoT-MCP Bench ein, den ersten Benchmark, der 114 einfache Aufgaben (z. B. „Wie hoch ist die aktuelle Temperatur?“) und 1.140 komplexe Aufgaben (z. B. „Mir ist so heiß, hast du irgendwelche Ideen?“) für IoT-fähige LLMs enthält. Die experimentelle Validierung über 22 Sensortypen und 6 Mikrocontroller-Einheiten zeigt, dass IoT-MCP eine 100%ige Erfolgsquote bei der Generierung von Tool-Aufrufen erreicht, die vollständig den Erwartungen entsprechen und vollkommen genaue Ergebnisse liefern, eine durchschnittliche Antwortzeit von 205 ms und einen maximalen Speicherbedarf von 74 KB. Diese Arbeit liefert sowohl ein Open-Source-Integrationsframework (https://github.com/Duke-CEI-Center/IoT-MCP-Servers) als auch eine standardisierte Evaluierungsmethodik für LLM-IoT-Systeme.

English

The integration of Large Language Models (LLMs) with Internet-of-Things (IoT) systems faces significant challenges in hardware heterogeneity and control complexity. The Model Context Protocol (MCP) emerges as a critical enabler, providing standardized communication between LLMs and physical devices. We propose IoT-MCP, a novel framework that implements MCP through edge-deployed servers to bridge LLMs and IoT ecosystems. To support rigorous evaluation, we introduce IoT-MCP Bench, the first benchmark containing 114 Basic Tasks (e.g., ``What is the current temperature?'') and 1,140 Complex Tasks (e.g., ``I feel so hot, do you have any ideas?'') for IoT-enabled LLMs. Experimental validation across 22 sensor types and 6 microcontroller units demonstrates IoT-MCP's 100% task success rate to generate tool calls that fully meet expectations and obtain completely accurate results, 205ms average response time, and 74KB peak memory footprint. This work delivers both an open-source integration framework (https://github.com/Duke-CEI-Center/IoT-MCP-Servers) and a standardized evaluation methodology for LLM-IoT systems.

IoT-MCP: Brückenschlag zwischen LLMs und IoT-Systemen durch das Model Context Protocol

IoT-MCP: Bridging LLMs and IoT Systems Through Model Context Protocol

papers.abstract

Support