夜雨聆风一、嵌入式工程师如何面对AI？
AI正在深刻改变软件开发方式。对于嵌入式工程师而言，AI并非威胁，而是提升效率的利器。关键在于理解AI的能力边界，并将其融入现有工作流。
核心原则
- AI擅长：编写、调试、维护代码这类“战术性”工作
- 人类聚焦：系统架构设计、战略决策、软硬件协同优化
- 价值护城河：对物理世界交互、硬件边界条件的深刻理解
推荐学习路径
- 夯实基础：深入STM32/Linux嵌入式项目实践
- 补充Python及常用库（Numpy、Pandas），为AI数据处理做准备
- 学习TinyML，将AI模型部署到低功耗MCU
- 实践Agent开发，从低代码平台开始
- 构建“云-边-端”智能系统，实现端侧AI部署
二、AI Agent、Skill、MCP的概念与关系
2.1 AI Agent（智能体）
定义：以LLM为“大脑”，具备记忆、规划、工具调用能力的自主执行单元。
类比：一位总指挥，接收高层任务（如“测试串口通信”），自主分解步骤，调用合适工具，并根据反馈调整策略。
特点：
- 推理资源消耗较高
- 适应性强，能处理未预见的异常
- 可调用Skill和MCP Server完成具体动作
2.2 Skill（技能）
定义：一个声明式的标准化操作流程（SOP），通常以Markdown文本文件形式存在。
类比：操作手册或备忘单。当Agent需要完成特定任务（如“测试串口”）时，它读取Skill文档，按步骤执行。
特点：
- 轻量、快速、可复用
- 不直接操作硬件，而是指导Agent调用哪些MCP工具
- 通过关键词或用户指令触发
2.3 MCP（Model Context Protocol）
定义：一个开放标准的应用层协议，定义了AI与外部工具/资源之间的通信方式及工具描述格式。
类比：一个“万能遥控器”的通信协议。Agent通过MCP协议控制MCP Server（实际干活的程序），MCP Server再操作硬件或系统资源。
核心要素：
- MCP Server：独立的用户态进程，封装具体功能（如串口读写、SSH执行）。运行在与Agent相同或不同的主机上。
- 传输方式：常用stdio（本地进程间通信）或HTTP（远程服务）。
- 工具描述：MCP Server会列出所有可用工具及其参数、说明，供Agent理解调用。
MCP vs RESTful API：MCP专为LLM设计，工具描述包含自然语言说明，AI无需预训练即可理解如何调用。
2.4 三者关系总结
| 组件 | 角色 | 表现形式 | 生命周期 |
|---|---|---|---|
| Agent | 总指挥 | 推理引擎 + 记忆 + 规划 | 持续运行（会话级） |
| Skill | SOP手册 | .md文本文件 | 被Agent读取时生效 |
| MCP Server | 执行工具 | 独立进程 | 由Agent启动或常驻 |
协作流程：用户下达任务 → Agent理解并规划 → 读取对应Skill获取步骤 → 按步骤调用MCP Server提供的工具 → MCP Server执行具体操作（读写串口、SSH命令等）→ 结果返回Agent → Agent判定并生成报告。
已在笔记中新增「深入理解Agent」与「深入理解Skill」两个独立章节，使其与MCP内容更加均衡。整体结构保持不变，确保逻辑连贯且无个人信息残留。
三、深入理解Agent
Agent并非简单的大模型“包装壳”，而是一个具备自主闭环能力的智能体。其核心运行机制可归纳为 P-E-O-R循环：
- 规划：将用户的高层目标分解为若干可执行的子任务。
- 执行：调用工具（如MCP Server、代码执行器、API等）完成任务。
- 观察：接收工具返回的结果或环境反馈。
- 反思：根据观察结果判断是否达成目标；若未达成，则重新规划。
3.1 Agent的四大核心组件
- 大模型（大脑）：负责推理、生成计划和决策。
- 记忆：
- 短期记忆：当前会话的上下文信息（对话历史、任务状态）。
- 长期记忆：跨会话持久化的知识（向量数据库、文件、外部存储）。
- 工具集：Agent可调用的外部能力，通过MCP或内置函数暴露。
- 规划模块：将复杂任务拆解为行动序列，支持动态调整。
3.2 Agent与普通LLM的区别
| 能力 | 普通LLM | Agent |
|---|---|---|
| 对话 | ✅ | ✅ |
| 一次任务执行 | ✅（需人工分步引导） | ✅（自主完成全流程） |
| 工具调用 | 受限或需手动编写代码 | ✅（通过MCP标准化调用） |
| 错误恢复 | ❌ | ✅（观察→反思→重试/改方案） |
| 跨会话记忆 | ❌ | ✅（借助长期记忆） |
3.3 Agent的典型应用场景（嵌入式领域）
- 自动化测试：烧录代码 → 运行测试 → 读取日志 → 判断通过率 → 生成报告。
- 固件调试：通过JTAG/SWD读取内存 → 分析异常栈 → 定位bug → 提出修复建议。
- 硬件验证：控制信号发生器 → 读取示波器数据 → 比对时序 → 标注异常波形。
四、深入理解Skill
Skill是为Agent编写的标准化操作流程文档，通常以Markdown（或YAML frontmatter + Markdown正文）格式存储。它告诉Agent：“当用户提到X场景时，请按照Y步骤执行，并注意Z事项”。
4.1 Skill的本质：上下文注入
Skill并非可执行代码，而是一段在运行时动态注入Agent系统提示词或上下文的文本。Agent读取Skill后，会将其中描述的步骤当作“行为准则”来遵循。
与普通Prompt的区别：
- Prompt：一次性指令，每次对话需重新描述。
- Skill：可复用、可版本管理、支持参数化，且能组合使用。
4.2 一个标准Skill的结构
---
name: skill-name
description: 简短描述，用于Agent判断何时调用
---
# 技能标题
## 前置条件
- 需要用户提供的参数
## 执行步骤
1. 第一步：调用具体MCP工具或内置能力
2. 第二步：根据上一步结果做判断
3. ...
## 输出格式
要求Agent以特定模板输出结果
## 异常处理
遇到XX错误时，应该怎么做
4.3 Skill的触发方式
- 显式调用：用户指令中包含技能名称（如“执行embedded-test技能”）。
- 自动匹配：Agent根据用户自然语言描述，检索最相关的Skill并主动加载（需嵌入向量检索或关键词匹配）。
- Slash Command：通过快捷命令（如 /test-uart）触发，可带参数。
4.4 编写高效Skill的最佳实践
- 步骤粒度适中：每一步应是Agent能直接调用一个MCP工具完成的原子操作。
- 包含判断分支：使用“若……则……否则……”描述异常流程。
- 提供示例：在Skill中加入输入/输出示例，减少Agent理解偏差。
- 参数化：使用 {{变量名}} 标记需要用户填充的内容。
- 明确失败处理：定义超时重试、错误上报等行为。
4.5 Skill与MCP、Agent的协作示例
假设Skill编写如下：
## 执行步骤
1. 调用 `serial_mcp` 的 `list_ports` 工具，获取可用串口列表。
2. 如果列表为空，则报告错误并终止。
3. 否则，选择第一个串口，调用 `open` 工具。
Agent在运行时会：
- 语义理解步骤1 → 构造MCP请求 {"tool": "list_ports"} → 发送给MCP Server
- 接收返回结果 → 判断是否为空 → 决定下一步
五、深入理解MCP
5.1 MCP不是什么？
- 不是硬件接口（SPI、I2C、USB协议）
- 不是驱动程序
- 不是Agent的内置模块
5.2 MCP Server如何运行？
- 位置：与Agent同一主机（本地工具）或远程服务器
- 启动方式：
- stdio模式：由Agent客户端根据配置文件在启动时或会话开始时自动拉起子进程，会话结束则终止
- HTTP模式：需单独部署为常驻服务，Agent通过HTTP调用
5.3 如何实现自定义MCP Server？
推荐框架：Python + FastMCP（极简装饰器模式）
示例：串口调试MCP Server（仅核心代码）
import serial
from fastmcp import FastMCP
mcp = FastMCP("MCU Debugger")
@mcp.tool
def uart_send(port: str, baudrate: int = 115200, command: str = "AT\r\n"):
"""向串口设备发送命令并等待响应"""
with serial.Serial(port, baudrate, timeout=2) as ser:
ser.write(command.encode())
response = ser.readline()
return response.decode().strip()
if __name__ == "__main__":
mcp.run(transport="stdio")
开发步骤：
- 编写核心功能函数（与普通脚本无异）
- 使用@mcp.tool装饰器注册工具，并写好文档字符串（AI会读取）
- 调用mcp.run(transport="stdio")启动服务
调试工具：MCP Inspector
npx @modelcontextprotocol/inspector python your_mcp_server.py
5.4 如何查找现有MCP服务？
- Awesome MCP Servers：GitHub社区维护列表
- MCP Registry：官方应用商店
- 关键词搜索：serial-mcp-server、ssh-mcp-server、modbus-mcp-server等
- 嵌入式相关：serial-tether、mcp2serial、ssh-mcp-py
六、组合项目：自动化串口通信测试环境
6.1 项目目标
搭建一个全自动闭环：ClaudeCode编写测试代码 → SSH登录开发板并烧录 → 运行程序 → 通过USB转串口收发数据 → AI自动验证结果。
┌─────────────────────────────────────────────┐
│ 你的 Ubuntu 主机 │
│ ┌──────────────┐ ┌───────────────┐ │
│ │ ClaudeCode │ │ MCP Server │ │
│ │ (Agent) │◄────►│ (独立进程) │ │
│ └──────────────┘ └───────┬───────┘ │
│ ▲ │ │
│ │ 读 Skill 文本 │ 通过 │
│ │ │ /dev/ttyUSB0 │
│ ┌──────┴──────┐ │ │
│ │ Skill 文件 │ ▼ │
│ │ (.md) │ ┌────────────┐ │
│ └─────────────┘ │ USB 串口线 │ │
│ └─────┬──────┘ │
└──────────────────────────────────┼───────────┘
│
┌────┴─────┐
│ Linux │
│ 硬件板子 │
└──────────┘
6.2 硬件拓扑
Ubuntu主机（运行ClaudeCode）
├─ USB转串口线 ──→ Linux开发板（UART）
└─ 网络SSH ──────→ 开发板（用于烧录和执行）
6.3 所需组件
| 类型 | 名称 | 用途 |
|---|---|---|
| MCP Server | ssh-mcp-server（Node版）或 ssh-mcp-py |
使AI能通过SSH执行命令、传输文件 |
| MCP Server | serial-mcp-server（实际命令为serial_mcp） |
使AI能操作本地USB串口设备 |
| Skill | embedded-test.md |
定义完整测试流程的“剧本” |
| Agent | ClaudeCode（已配置） | 总指挥 |
6.4 详细配置步骤
步骤1：安装MCP Server
# 串口MCP（注意实际可执行文件名为 serial_mcp）
uvx --from serial-mcp-server serial_mcp
# SSH MCP（Node版本，支持密码认证）
npx -y @davidfei/ssh-mcp-server --host <开发板IP> --username <用户名> --password <密码>
若遇到权限问题：`sudo usermod -a -G dialout $USER` 后注销重登录。
步骤2：配置ClaudeCode的MCP客户端
在项目根目录创建或编辑 .mcp.json：
{
"mcpServers": {
"ssh": {
"command": "npx",
"args": ["-y", "@davidfei/ssh-mcp-server", "--host", "192.168.1.100", "--username", "root", "--password", "123456"]
},
"serial": {
"command": "uvx",
"args": ["--from", "serial-mcp-server", "serial_mcp"]
}
}
}
重启ClaudeCode使配置生效。
步骤3：编写Skill文件
在 .claude/skills/ 目录下创建 embedded-test.md：
---
name: embedded-test
description: 自动完成嵌入式代码编写、SSH烧录、串口验证的完整闭环
---
# 嵌入式自动化测试 Skill
## 工作流
### 1. 代码生成
根据用户需求，编写一个串口测试程序。例如：程序监听串口，收到 "PING" 则回复 "PONG"。
### 2. 远程烧录
- 使用SSH MCP的 `exec` 工具将编译好的二进制文件传输至开发板（可用scp或直接写入）
- 执行烧录/运行命令（如 `chmod +x test && ./test &`）
### 3. 串口验证
- 调用串口MCP的 `list_ports` 确认设备路径
- 调用 `open` 打开 `/dev/ttyUSB0`，波特率115200
- 调用 `write` 发送 "PING\n"
- 调用 `read` 等待响应（超时2秒）
- 调用 `close` 关闭串口
### 4. 结果判定
比较实际响应是否等于预期 "PONG"，生成测试报告。
步骤4：触发执行
向ClaudeCode发送指令：
“执行 embedded-test 技能，测试串口回环。开发板IP 192.168.1.100，用户名root，密码123456，串口 /dev/ttyUSB0，波特率115200。”
Agent将自动完成所有步骤，并输出类似以下的报告：
--- 自动化测试报告 ---
测试时间：2025-01-15 14:32:07
目标板IP：192.168.1.100
串口设备：/dev/ttyUSB0
发送指令：PING
预期响应：PONG
实际响应：PONG
测试结论：✔️ 通过
耗时：23.4秒
--------------------
6.5 可选优化：添加快捷命令
在 .claude/commands/ 下创建 /test-uart.md：
---
description: 一键触发嵌入式串口自动化测试
---
请执行embedded-test技能，开发板IP={{args}}。
之后只需输入 /test-uart 192.168.1.100 即可启动。
七、总结
- Agent：AI的大脑与执行器，适合复杂、多变的推理任务。
- Skill：固化经验的SOP文本，让Agent快速学会标准流程。
- MCP：连接AI与外部世界的标准协议，MCP Server是独立的功能进程。
- 嵌入式工程师的优势在于对硬件的深刻理解。通过将重复性工作（烧录、串口测试、日志分析）交给AI Agent + MCP，可以腾出精力专注在系统架构和软硬件协同创新上。
实践建议：从一个小型自动化测试场景开始，逐步构建自己的MCP Server和Skill库，将AI融入日常开发流。
