IoT-MCP: Conectando LLMs e Sistemas IoT por meio do Protocolo de Contexto de Modelo

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

September 25, 2025

Autores: Ningyuan Yang, Guanliang Lyu, Mingchen Ma, Yiyi Lu, Yiming Li, Zhihui Gao, Hancheng Ye, Jianyi Zhang, Tingjun Chen, Yiran Chen

cs.AI

Resumo

A integração de Modelos de Linguagem de Grande Escala (LLMs) com sistemas de Internet das Coisas (IoT) enfrenta desafios significativos em termos de heterogeneidade de hardware e complexidade de controle. O Protocolo de Contexto de Modelo (MCP) surge como um facilitador crítico, fornecendo comunicação padronizada entre LLMs e dispositivos físicos. Propomos o IoT-MCP, uma estrutura inovadora que implementa o MCP por meio de servidores implantados na borda para conectar LLMs e ecossistemas IoT. Para apoiar uma avaliação rigorosa, introduzimos o IoT-MCP Bench, o primeiro benchmark contendo 114 Tarefas Básicas (por exemplo, "Qual é a temperatura atual?") e 1.140 Tarefas Complexas (por exemplo, "Estou com muito calor, você tem alguma ideia?") para LLMs habilitados para IoT. A validação experimental em 22 tipos de sensores e 6 unidades de microcontroladores demonstra que o IoT-MCP alcança uma taxa de sucesso de 100% na geração de chamadas de ferramentas que atendem plenamente às expectativas e obtêm resultados completamente precisos, com um tempo médio de resposta de 205ms e uma pegada de memória máxima de 74KB. Este trabalho oferece tanto uma estrutura de integração de código aberto (https://github.com/Duke-CEI-Center/IoT-MCP-Servers) quanto uma metodologia de avaliação padronizada 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.