IoT-MCP : Relier les LLM et les systèmes IoT grâce au protocole de contexte de modèle

papers.abstract

L'intégration des modèles de langage de grande taille (LLMs) avec les systèmes de l'Internet des objets (IoT) rencontre des défis importants liés à l'hétérogénéité matérielle et à la complexité du contrôle. Le Protocole de Contexte de Modèle (MCP) apparaît comme un facilitateur essentiel, offrant une communication standardisée entre les LLMs et les dispositifs physiques. Nous proposons IoT-MCP, un cadre novateur qui met en œuvre le MCP via des serveurs déployés en périphérie pour relier les LLMs et les écosystèmes IoT. Pour soutenir une évaluation rigoureuse, nous introduisons IoT-MCP Bench, le premier benchmark contenant 114 tâches de base (par exemple, « Quelle est la température actuelle ? ») et 1 140 tâches complexes (par exemple, « J'ai très chaud, avez-vous des idées ? ») pour les LLMs compatibles IoT. La validation expérimentale sur 22 types de capteurs et 6 unités de microcontrôleurs démontre un taux de réussite de 100 % pour IoT-MCP dans la génération d'appels d'outils répondant pleinement aux attentes et produisant des résultats entièrement précis, un temps de réponse moyen de 205 ms et une empreinte mémoire maximale de 74 Ko. Ce travail fournit à la fois un cadre d'intégration open-source (https://github.com/Duke-CEI-Center/IoT-MCP-Servers) et une méthodologie d'évaluation standardisée pour les systèmes 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 : Relier les LLM et les systèmes IoT grâce au protocole de contexte de modèle

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

papers.abstract

Support