IoT-MCP: Conectando LLM y Sistemas IoT a través del Protocolo de Contexto del Modelo

Resumen

La integración de Modelos de Lenguaje de Gran Escala (LLMs, por sus siglas en inglés) con sistemas de Internet de las Cosas (IoT) enfrenta desafíos significativos en la heterogeneidad del hardware y la complejidad del control. El Protocolo de Contexto del Modelo (MCP, por sus siglas en inglés) surge como un habilitador crítico, proporcionando una comunicación estandarizada entre los LLMs y los dispositivos físicos. Proponemos IoT-MCP, un marco novedoso que implementa MCP a través de servidores desplegados en el borde para conectar los LLMs con los ecosistemas de IoT. Para respaldar una evaluación rigurosa, presentamos IoT-MCP Bench, el primer punto de referencia que contiene 114 Tareas Básicas (por ejemplo, "¿Cuál es la temperatura actual?") y 1,140 Tareas Complejas (por ejemplo, "Me siento muy caliente, ¿tienes alguna idea?") para LLMs habilitados para IoT. La validación experimental en 22 tipos de sensores y 6 unidades de microcontroladores demuestra que IoT-MCP alcanza una tasa de éxito del 100% en la generación de llamadas a herramientas que cumplen completamente con las expectativas y obtienen resultados completamente precisos, un tiempo de respuesta promedio de 205 ms y una huella de memoria máxima de 74 KB. Este trabajo ofrece tanto un marco de integración de código abierto (https://github.com/Duke-CEI-Center/IoT-MCP-Servers) como una metodología de evaluación estandarizada para sistemas LLM-IoT.

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: Conectando LLM y Sistemas IoT a través del Protocolo de Contexto del Modelo

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

Resumen

Support