语音+动作：把小智变成会动的桌面机器人

小智会聊天了。你对着它说话，它唤醒、识别、回答，声音从喇叭里出来，像个能对话的桌面音箱。聊了几天，一个念头冒出来：它什么时候能动？我说「转过来看我」，它的脑袋真的转过来；我说「过来一下」，它真的滚到我手边。

这一篇就是把小智从「会说」推到「会动」的那一步。它是卷 R 和小智旗舰项目的交汇点——小智的语音大脑已经在那儿了，我们要做的是给它接上手脚。

开始前，两条前置链你最好先过一遍：小智旗舰项目总览 讲清楚小智的整体硬件和语音链路是怎么搭起来的；机器人的「大脑」：让 LLM 驱动动作 讲了大模型怎么通过 Agent 范式调用动作工具。本篇就是把那套范式具体落到小智这个开源项目上。

本篇基于开源项目 78/xiaozhi-esp32（虾哥 78，MIT 协议）的学习解读。讲的是原理和接入思路，不是整体搬运代码。具体接口、字段、版本以上游仓库为准。

小智现在会什么，缺什么

先把小智的语音链路摆清楚。它已经跑通的是这么一条路：

唤醒词 → ASR（语音转文字） → LLM（大模型理解+决策） → TTS（文字转语音） → 喇叭

你说的每句话都走完这条链。语音链路 ASR/TTS 怎么搭 里讲过这套链路的工程细节，这里不重复。关键是：LLM 这一环，本来就有「决策」能力。它不只是把你的话翻译成回答，它能根据你说的内容决定「该做什么」。

现在 LLM 决定的只有一件事——说什么。它的输出是一段文字，最后变成声音。

加动作，本质上是给 LLM 多一个选项：除了「说」，还能「做」。你说「转过来」，LLM 不该只回一句「好的我转过来啦」然后纹丝不动，它该真的去调一个让舵机转动的函数。

这就是 Function Calling 和 MCP 派上用场的地方。小智本身已经支持 MCP——你可以给它注册一批「工具」，LLM 在对话里判断什么时候该调哪个工具。控制灯、查天气是工具，控制电机和舵机，一样是工具。区别只在于，这些工具的底层是去驱动硬件，而不是查一个 API。

技术路线：把动作注册成工具

思路定了，落地就清楚了。给小智加动作，不是去改它的语音引擎，而是在它的 MCP 工具集里多注册几个硬件动作函数。

下面是一段示意，说明「动作工具」长什么样。这是为了讲清楚结构的参考实现，不是可直接编译的完整代码——小智的 MCP 工具注册接口、参数命名、版本差异，一律以 上游仓库 为准；端到端能跑的整套工程，见 小智旗舰项目总览。

// 示意：在小智的 MCP 工具集里注册三个动作工具
// 真实接口签名以 78/xiaozhi-esp32 上游为准

// 1. 转头：参数是角度，正值左转、负值右转
RegisterTool("turn",
  "把头/身体转向某个角度，单位度，正左负右",
  [](int degrees) {
    servo_head.setAngle(clamp(degrees, -90, 90));  // 舵机驱动复用现成轮子
    return "已转向 " + std::to_string(degrees) + " 度";
  });

// 2. 前进：参数是距离，移动版才挂这个工具
RegisterTool("move",
  "向前移动一段距离，单位厘米",
  [](int cm) {
    motor_drive.forward(cm);                        // 电机驱动复用现成轮子
    return "已前进 " + std::to_string(cm) + " 厘米";
  });

// 3. 挥手 / 做表情：一段预设动作序列
RegisterTool("wave",
  "挥手打招呼",
  []() {
    servo_arm.playSequence(WAVE_SEQ);
    return "挥手完成";
  });

注意两点。

第一，舵机和电机的驱动别重写。 上面 servo_head.setAngle() 和 motor_drive.forward() 背后的硬件驱动，PCA9685 多路舵机驱动 和 直流电机驱动详解 两篇已经把怎么驱动讲透了。你在小智里要做的，只是把那些驱动封装成 MCP 工具的回调。轮子是现成的，你负责接线。

第二，工具的描述（description）就是 LLM 的说明书。 "把头转向某个角度，正左负右" 这句话不是注释，它会进 LLM 的上下文。你描述得越准，LLM 调用得越对。描述写得含糊，LLM 就会乱调或者不敢调。这是 Function Calling 的老规矩，在小智上一样成立。

你应该看到什么

接好之后，一次完整的交互是这样的——

你对小智说：「转过来看我。」

1. 唤醒 → ASR 把你的话转成文字「转过来看我」；
2. LLM 拿到这句话，结合工具列表里有个 turn 工具，判断出该调它，决定角度（比如朝声源方向转 30 度）；
3. 小智执行 turn(30)，舵机转动，脑袋真的转过来；
4. LLM 同时生成一句话「转过来啦」，走 TTS 从喇叭出来。

你看到的：它一边说「转过来啦」，一边脑袋真的在转。 声音和动作几乎同时发生。

如果你看到的是它说了「转过来啦」但人没动，或者动了但半天不吭声，那就是接对了一半——语音链没问题，但动作工具没被调起来，或者时序没协调好。往下看排查表。

故障排查表

现象	大概率原因	怎么查
说了「好的我转」但纹丝不动	LLM 没调工具，只生成了文字回复	看日志里有没有 tool_call；多半是工具 description 写得太含糊，LLM 没认出该调它
工具调了，舵机/电机没反应	硬件驱动那层断了，跟小智无关	单独跑舵机/电机测试程序，确认 PCA9685 / 电机驱动本身能动
一动起来小智就重启	电机启动瞬间拉低电压，把主控拖垮	电机和主控分开供电，别共用一路；测启动瞬间的电压跌落
动作和说话对不上、抢拍	动作是阻塞调用，把语音线程卡住了	动作放异步执行，别在 TTS 主线程里 delay() 等舵机转完
舵机停下后还在抖、嗡嗡响	到位后没断 PWM / 供电不稳	到位后释放舵机信号；电源加滤波电容

这张表里电源那两行最容易栽，单独说。

三个真实的坑

时序协调。 语音和动作是两条独立的事，挤在一个小芯片上。最常见的翻车是：动作函数写成同步阻塞，舵机转 2 秒，这 2 秒里 LLM 的语音输出全卡住，听起来一顿一顿。动作要异步，让它在后台转，语音该出就出。代价是你得处理「话说完了但动作还没做完」的收尾。

供电。 这是最阴的坑。喇叭功放要电，舵机要电，电机更是电老虎——启动瞬间电流尖峰能拉低整条电源线的电压。主控一旦电压不够就重启，于是你看到小智「一动就死机」。解法是电机/舵机和主控分开供电，或者至少加大电容缓冲尖峰。移动版用锂电池的，这条是底线。

机械结构。 软件接通了不等于它能稳稳地动。舵机转头要有支架固定，重心不能高到一动就倒；小车底盘要扛得住主板、电池、喇叭的重量。这部分没有捷径，做出来、装上去、发现晃、改结构，循环几次才稳。

两种产品形态，选一个先做

桌面转头版（推荐先做这个）。 一个舵机转头，加一块小屏幕做表情，不用底盘、不用移动。结构简单、供电压力小、不会到处乱跑撞东西。你只需要注册 turn 和 wave 类工具，先把「语音触发动作」这条链跑通。先做这个，把时序和工具注册的坑趟平，再升级。

移动小车版。 装上小车底盘，加 move、turn（这里是转弯不是转头）这类工具，小智能滚到你跟前。麻烦在三处全齐了：电机供电尖峰、移动时的时序、底盘机械。别一上来就做移动版——桌面版没跑通就上小车，你会同时被四五个坑围攻，分不清哪个是哪个。

两个版本共用同一套思路：动作是 MCP 工具，语音链路一字不改。区别只在挂哪些工具、底层驱动是舵机还是电机。

动手挑战：给小智加一个挥手

不写整套，就加一个工具，把链路打通的感觉拿到手。

1. 先让一个舵机能动——复用 PCA9685 多路舵机驱动 的现成代码，写一个 playWaveSequence()，让舵机来回摆三下；
2. 在小智的 MCP 工具集里注册一个 wave 工具，回调里调 playWaveSequence()，description 写清楚「挥手打招呼」；
3. 烧录，对小智说：「跟我打个招呼。」

成了的话，你会看到它一边说「你好呀」，舵机一边来回摆。这一个工具跑通，剩下的 turn、move 都是同一个模子套出来的。 卡住了回去对故障排查表第一行——多半是 description 太含糊，LLM 没认出来。

进阶：如果你想让小智部署在自己的服务器上、动作工具也跑在自己这边，小智服务端 xiaozhi-esp32-server 提供了一套可自托管的后端，配合 自托管部署 一篇，能把整条链路攥在自己手里。

小结

把小智变成会动的机器人，核心动作只有一个：把硬件动作注册成 MCP 工具，让 LLM 自己决定何时调。 语音链路一字不改，舵机电机驱动复用现成的，你真正要做的是封装工具、协调时序、解决供电和机械。

路线很清楚——先做桌面转头版趟平坑，再上移动小车版；先加一个挥手工具找到手感，再扩成完整动作集。供电和安全这两件事别省，会动的东西真的会伤人。

下一步往哪走？想看小智之外更广的具身机器人怎么搭，进 机器人专题；想深入「会动的 AI」这个范式本身——感知、决策、行动闭环怎么形成，看 具身智能入门。

---

本篇是基于开源项目 78/xiaozhi-esp32（虾哥 78，MIT 协议）的学习解读，署名上游、以上游为准。文中代码为讲解结构的示意参考实现，具体接口、参数、版本请以上游仓库为准；端到端可运行的完整工程见 小智旗舰项目总览。