Octopus Protocol：基于即插即用式提示词的一键硬件发现与AI代理控制
机器人学
2026-05-12 v1 人工智能
多智能体系统
摘要
最近的智能体机器人系统，从Code-asPolicies到现代视觉语言动作(VLA)基础模型，都预设了目标硬件已存在的驱动、SDK或基于ROS的原语。编写这些原语是将新硬件带入智能体控制的主要工程成本。我们提出Octopus Protocol，一个将该成本压缩为单个shell命令的系统。仅凭原始OS访问权限和语言模型API密钥，编码智能体执行五阶段管道——PROBE、IDENTIFY、INTERFACE、SERVE、DEPLOY——以发现连接的设备、推断其功能、生成带类型工具的Model Context Protocol(MCP)服务器，并将其部署为活跃的HTTP端点。持久化守护进程随后监控系统、修复损坏的代码，并通过为其自身生成的摄像头工具来感知物理状态。两种架构原则使这一工作得以实现：协议是提示词而非代码，编码智能体是运行时。我们在三个异构平台(PC/WSL、Apple Silicon macOS、树莓派4)以及一个配备USB摄像头反馈的商业6自由度机械臂上进行了验证。一条命令即可在约10-15分钟内完成硬件入盘，并暴露最多30个MCP工具；随后，MCP兼容客户端即可通过人类未编写的工具执行闭环视觉-动作控制。
引用
@article{arxiv.2605.09055,
title = {Octopus Protocol: One-Shot Hardware Discovery and Control for AI Agents via Infrastructure-as-Prompts},
author = {Quilee Simeon and Justin M. Wei and Yile Fan},
journal= {arXiv preprint arXiv:2605.09055},
year = {2026}
}