EmbedClaw：我把一个完整 AI Agent 跑进了 ESP32！启明云端乐鑫代理及方案商

如果你也觉得

LLM 一定要跑在云服务器

Agent 系统一定要 Python / Node.js 

Tool Calling 一定要配一堆微服务

那这个项目可能会让你有点意外！

我最近做了一个实验：

把一整套 AI Agent Runtime，装进一块 ESP32-S3。

这个项目叫：

 

EmbedClaw

它不是一个“聊天机器人 Demo”。

而是一套 真正可扩展的嵌入式 Agent Runtime。

为什么要做这个项目

现在的 AI Agent 框架很多： 

LangChain

AutoGPT 

OpenAgents 

OpenClaw

但它们几乎都有一个共同点：

默认运行环境是服务器。

而我一直很好奇一个问题：

 

由此，EmbedClaw诞生了！

项目地址：

https://github.com/wireless-tag-com/EmbedClaw

EmbedClaw 是什么

简单说，它是一个运行在 ESP32 上的 AI Agent 系统。完整的数据流是这样的：

但它最大的设计重点不是“能聊天”。而是：

 

EmbedClaw 把四个最容易耦合的模块彻底解耦：

换句话说：

Channel 不关心 LLM 

LLM 不关心消息来源

Tools 不关心谁调用

Agent 只负责决策

这带来的好处非常直接：

 

在 MCU 上跑 Agent 是什么感觉

EmbedClaw 当前跑在：

ESP32-S3

硬件配置：

16MB Flash

PSRAM

Wi-Fi

但它已经具备完整 Agent 系统的核心能力。

当前已经实现的能力

01

LLM

默认使用：Qwen (通义千问)

通过 DashScope 的 OpenAI Compatible API 调用。

换句话说，如果你想换：

OpenAI 

DeepSeek 

Moonshot

其他兼容 OpenAI API 的模型

基本不用改架构。

02

Agent

EmbedClaw 使用的是经典：ReAct Tool Loop

模型可以：

1. 推理

2. 调用工具

3. 读取工具结果

4. 再继续推理

03

Tools

当前已经内置了一些工具：

所有 Tool 都通过 JSON Schema 暴露给 LLM。

04

Memory

EmbedClaw 有三层记忆：

 

长期记忆

 /spiffs/memory/MEMORY.md

用于记录稳定事实、用户偏好等。

 

会话记忆

 /spiffs/session/se_xxx.jsonl

用于保存最近对话历史。

 

每日笔记

 /spiffs/memory/YYYY-MM-DD.md

记录近期事件。

Skills：任务级知识

EmbedClaw 引入了一个很有意思的概念：Skill

这里说明一下：

 

例如：

#Translate

Translate text between languages. 

 

## When to use

When the user asks for translation.

 

##How to use

1.Detect language

2.Translate

3.Verify terminology

Skill 可以：

写成 Markdown 

动态加载

存在 SPIFFS 里

这让 Agent 可以不断“学习新技能”。

Channel：支持哪些聊天入口？

目前已经实现：

 

WebSocket 

最适合调试。

你可以直接连设备聊天。

 

这意味着：

不需要公网服务器

不需要 Webhook

MCU 可以直接接收飞书消息

这是很多人没想到的玩法。

整体架构

系统整体结构大概是这样：

所有模块都做了清晰的解耦。

这个项目适合做什么

EmbedClaw 现在特别适合用来做：

嵌入式 AI Agent 框架实验

边缘 AI 助手比如：

桌面 AI 助手IoT Agent 私人硬件 AI

Tool Calling 架构研究

AI + MCU 的产品原型

一个重要的致谢

在这里，我也想特别感谢两个非常优秀的开源项目： MimiClaw

 

EmbedClaw 的很多理念，其实都受到了它们的启发。MimiClaw 最让我印象深刻的一点是：

把 AI Agent 的能力带到低功耗硬件上。

它证明了一件事情：

AI Agent 不一定要运行在云服务器上。设备本身，也可以成为 Agent 的一部分。

EmbedClaw 在这个基础上，做了一些不同方向的探索：

更强调 LLM / Agent / Tools / Channel 的架构解耦

更偏向 嵌入式工程结构

更方便扩展新的 Channel / Tool / Skill

某种意义上说：

EmbedClaw 是在 Mimiclaw 思路上的一次工程化尝试。

开源世界最美好的地方就在于：

想法可以被传递，代码可以被延续。

 所以如果你对这个方向感兴趣，也非常推荐去看看 Mimiclaw 项目。很多非常有意思的设计，都来自那里。

为什么我把它开源

因为我发现：

嵌入式 AI Agent 其实是一个很有潜力的方向。

未来可能会出现：

会思考的 IoT

会规划任务的硬件

可以自己调用工具的设备

 而 不 是 ： 

“只会上传数据的设备”。

EmbedClaw  只是一个开始！

项目地址

如果你对：

AI Agent 

嵌入式

ESP32

Edge AI

感兴趣，可以看看这个项目：EmbedClaw

点击文章末尾【跳转原文】即可访问开源工程！

如果觉得有意思，欢迎：

Star

提 PR

提想法

一起把 AI Agent 带进 MCU 世界！