XiaoZhi vs ESP-Claw：两大开源 ESP32 AI Agent 框架深度对比

发表于 更新于 分类于

引子

在 ESP32 平台上跑 AI Agent，乐鑫生态里有两个明星项目常被拿来对比：

  • XiaoZhi（晓之）：专注于语音对话的 MCP 聊天机器人，GitHub ⭐ 26,000+
  • ESP-Claw：乐鑫官方的**「对话编程」AI Agent 框架**，定位更通用，⭐ 700+

这两个项目都基于 ESP32-S3/P4，都支持 MCP，都是 Agent 运行时，但设计哲学和目标场景截然不同。本文从架构、机制、扩展性等维度深度对比。

项目概览

维度XiaoZhiESP-Claw
GitHub78/xiaozhi-esp32espressif/esp-claw
Stars⭐ 26,046⭐ 713
Fork5,669149
主语言C++C
LicenseMITApache 2.0
创建时间2024-082026-04
支持芯片ESP32-C3/S3/P4ESP32-S3/P4
支持开发板99+8

数据截至 2026-04-29

XiaoZhi 早在 2024 年就发布了，拥有庞大的社区基础和大量实测案例。ESP-Claw 是乐鑫官方的全新框架，2026 年 4 月刚发布，正处于快速发展期。

核心定位对比

graph LR
    subgraph XiaoZhi["XiaoZhi（语音对话机器人）"]
        V1[语音输入]
        ASR[ASR 语音识别]
        LLM[LLM 对话]
        TTS[TTS 语音合成]
        V2[语音输出]
        MCP_S[XiaoZhi MCP Server]
    end

    subgraph ESP_Claw["ESP-Claw（边缘 Agent 框架）"]
        E1[任意事件<br/>传感器/聊天/定时器]
        ER[事件路由器]
        Lua[Lua 引擎]
        LLM2[LLM 决策]
        Out1[动作输出]
        MCP_C[MCP Client+Server]
        Mem[本地记忆]
    end

    style XiaoZhi fill:#e3f2fd
    style ESP_Claw fill:#fff3e0
维度XiaoZhiESP-Claw
核心场景语音对话、语音助手对话编程、边缘自动化
输入模式语音（离线唤醒 + 流式 ASR）文本/事件（IM 聊天、传感器）
输出模式语音（TTS）为主动作/文本为主
决策方式LLM 流式对话LLM + Lua + Router 三层
记忆系统无持久记忆结构化本地记忆（JSONL+标签）

架构对比

XiaoZhi：语音优先的管道式架构

flowchart TB
    subgraph 语音链路
        Wake[离线语音唤醒<br/>ESP-SR]
        ASR[流式 ASR]
        LLM[LLM 对话<br/>Qwen/DeepSeek]
        TTS[TTS 语音合成]
        Spk[扬声器输出]
    end

    subgraph 设备控制
        MCP_S[XiaoZhi MCP Server]
        LED[LED 控制]
        Servo[舵机控制]
        GPIO[GPIO 控制]
    end

    subgraph 云端扩展
        Cloud_MCP[云端 MCP]
        HomeAssistant[Home Assistant]
        PC[PC 桌面控制]
        Search[知识搜索]
    end

    ASR --> LLM --> TTS
    Wake --> ASR
    TTS --> Spk
    MCP_S --> LED
    MCP_S --> Servo
    MCP_S --> GPIO
    Cloud_MCP --> MCP_S
    Cloud_MCP --> HomeAssistant
    Cloud_MCP --> PC
    Cloud_MCP --> Search

    style 语音链路 fill:#bbdefb
    style 设备控制 fill:#c8e6c9
    style 云端扩展 fill:#ffe0b2

关键设计：

  • 流式语音交互：麦克风 → ESP-SR 离线唤醒 → 流式 ASR → LLM → TTS → 扬声器，全链路流式
  • 声纹识别：识别当前说话人（基于 3D Speaker）
  • MCP 双向通信：XiaoZhi 作为 MCP Server 被外部调用，同时通过 Cloud MCP 桥接扩展 LLM 能力
  • 多协议支持：WebSocket 和 MQTT+UDP 两种通信协议

ESP-Claw：事件驱动的三层决策架构

flowchart TB
    subgraph 输入层
        IM[IM 消息<br/>Telegram/微信/飞书]
        Sensor[传感器事件]
        Timer[定时器]
        ExtAgent[外部 Agent]
    end

    subgraph 决策引擎
        ER[事件路由器]
        Router[Router 层<br/>静态规则匹配]
        Lua[Lua 层<br/>确定性脚本]
        LLM[LLM 层<br/>云端推理]
    end

    subgraph 执行层
        Action[动作执行]
        MCP_C[MCP Client]
        MCP_S[MCP Server]
        Mem[本地记忆]
    end

    IM --> ER
    Sensor --> ER
    Timer --> ER
    ExtAgent --> MCP_C
    
    ER --> Router
    Router -->|命中| Lua
    Router -->|未命中| LLM
    Lua --> Action
    LLM --> Action
    Action --> MCP_C
    Action --> MCP_S
    Action --> Mem

    style 输入层 fill:#e1f5fe
    style 决策引擎 fill:#fff3e0
    style 执行层 fill:#f3e5f5

关键设计：

  • 三层决策：Router（快速规则）→ Lua（确定性脚本）→ LLM（智能推理），按需降级
  • 对话编程：通过 IM 聊天动态生成 Lua 脚本，普通人也能定义设备行为
  • 双向 MCP：既可被外部 Agent 调用（MCP Server），也可主动调用外部服务（MCP Client）
  • 本地记忆：JSONL + 标签摘要，隐私留本地

状态机对比

XiaoZhi 设备状态机

stateDiagram-v2
    [*] --> Unknown
    Unknown --> Starting: 启动
    Starting --> WifiConfiguring: 配置 WiFi
    WifiConfiguring --> Idle: WiFi 就绪
    Idle --> Connecting: 建立连接
    Connecting --> Listening: 连接成功
    Listening --> Speaking: 唤醒 + 对话
    Speaking --> Listening: 对话结束
    Idle --> Upgrading: OTA 升级
    Upgrading --> Idle: 升级完成
    Listening --> AudioTesting: 音频测试
    AudioTesting --> Idle: 测试完成
    Any --> FatalError: 致命错误
    FatalError --> Starting: 重启

XiaoZhi 的状态机围绕语音对话流程设计，状态清晰：Idle → Listening → Speaking 构成核心对话环。

ESP-Claw 事件处理模型

ESP-Claw 没有显式的状态机概念，而是采用事件驱动模型：

1
事件输入 → Router 规则匹配 → [Lua 脚本] / [LLM 推理] → 动作执行
事件类型处理路径响应时间
定时器事件Router 直接路由< 5ms
传感器阈值触发Lua 脚本执行< 10ms
IM 聊天消息LLM 理解 + Lua/Router100-500ms
外部 Agent 调用MCP → Router/Lua< 20ms

MCP 协议应用对比

两者都深度使用 MCP，但定位不同：

graph LR
    subgraph XiaoZhi_MCP["XiaoZhi 的 MCP 架构"]
        subgraph Local["本地 MCP"]
            XS[XiaoZhi<br/>MCP Server]
            LED_X[LED]
            Servo_X[舵机]
            GPIO_X[GPIO]
        end
        subgraph Cloud["云端 MCP"]
            CloudBridge[Cloud MCP Bridge]
            HA[Home Assistant]
            Search[搜索服务]
            Email[邮件服务]
        end
        ExternalAgent1[外部 Agent] --> XS
        CloudBridge --> XS
        CloudBridge --> HA
    end

    subgraph ESPClaw_MCP["ESP-Claw 的 MCP 架构"]
        subgraph Bidirectional["双向 MCP"]
            EC_S[ESP-Claw<br/>MCP Server]
            EC_C[ESP-Claw<br/>MCP Client]
        end
        ExtAgent2[外部 Agent] --> EC_S
        EC_C --> ExternalService[外部服务]
        EC_S --> LocalDevice[本地设备]
    end

    style Local fill:#c8e6c9
    style Cloud fill:#bbdefb
    style Bidirectional fill:#fff3e0
维度XiaoZhiESP-Claw
MCP 角色主要做 MCP Server同时做 MCP Server 和 Client
设备控制✅ LED/舵机/GPIO 等✅ 通用设备控制
外部调用通过 Cloud MCP 桥接原生支持双向调用
协议选择MQTT+UDP / WebSocketMCP 统一协议

开发体验对比

XiaoZhi：开箱即用的语音助手

1
2
3
4
5
6
7
8
9
10
11
12
13
# 1. 克隆仓库
git clone https://github.com/78/xiaozhi-esp32.git
cd xiaozhi-esp32

# 2. 配置 ESP-IDF
idf.py set-target esp32s3
idf.py menuconfig

# 3. 配置云端 LLM（需要自己准备 API Key）
# 设置 Qwen/DeeSeek API Key

# 4. 编译烧录
idf.py build flash monitor

特点：

  • 固件功能完整，配置好 API Key 就能用
  • 支持 99+ 开发板，社区案例丰富
  • 有配套的飞书文档和 B站教程

ESP-Claw：对话式编程的创新体验

1
2
3
4
5
6
7
8
9
10
11
12
13
# 1. 克隆仓库
git clone https://github.com/espressif/esp-claw.git
cd esp-claw

# 2. 安装 ESP-IDF
./install.sh

# 3. 配置
idf.py set-target esp32s3
idf.py menuconfig

# 4. 在线烧录（浏览器一键搞定）
# 访问 https://esp-claw.com/en/flash/

特点：

  • 支持浏览器在线烧录，无需搭建环境
  • 通过 IM 聊天配置设备行为，无需编程
  • 动态 Lua 脚本加载，灵活扩展

编程范式对比

维度XiaoZhiESP-Claw
定义行为配置文件 + 云端 LLMIM 对话生成 Lua 脚本
执行模式规则驱动Router/Lua/LLM 三层
扩展方式修改源码动态加载 Lua 模块
学习门槛需要编译固件对话即可编程

生态对比

graph TB
    subgraph XiaoZhi_Ecosystem["XiaoZhi 生态"]
        HW1[99+ 硬件支持]
        Doc1[飞书文档]
        Video1[B站教程]
        Assets[在线资源编辑器<br/>xiaozhi-assets-generator]
        Community1[活跃社区]
    end

    subgraph ESP_Claw_Ecosystem["ESP-Claw 生态"]
        HW2[8 种官方板子]
        Doc2[官方文档网站]
        OnlineFlash[在线烧录平台]
        Components[模块化组件]
        Official[乐鑫官方支持]
    end

    style XiaoZhi_Ecosystem fill:#e3f2fd
    style ESP_Claw_Ecosystem fill:#fff3e0
生态维度XiaoZhiESP-Claw
社区规模26K stars，成熟社区700+ stars，刚起步
硬件支持99+ 开源硬件8 种官方板子
文档完善度飞书 + B站视频官方网站 + GitHub
企业支持社区维护乐鑫官方维护
在线工具资源编辑器在线烧录平台

优缺点分析

XiaoZhi

优点缺点
⭐ 社区成熟，案例丰富主要是语音场景，通用性受限
99+ 开发板支持行为定义依赖配置文件
离线语音唤醒能力无本地记忆系统
云端 MCP 扩展丰富需要编译环境，入门门槛较高
B站视频教程

ESP-Claw

优点缺点
🤖 对话编程，零基础可用刚发布，生态不成熟
三层决策架构，灵活高效目前只支持 8 种开发板
双向 MCP，可调用外部 Agent依赖云端 LLM，无本地推理
本地记忆，隐私安全不支持语音交互
浏览器在线烧录
乐鑫官方支持

选型建议

场景推荐
想快速做一个语音助手✅ XiaoZhi，开源即用
想用自然语言控制硬件设备✅ ESP-Claw，对话编程
需要离线语音唤醒✅ XiaoZhi（ESP-SR）
需要设备被外部 Agent 调用✅ ESP-Claw（双向 MCP）
需要在本地存储记忆✅ ESP-Claw（JSONL+标签）
使用乐鑫官方开发板（BOX/M5Stack）两者都支持
使用小众/第三方开发板✅ XiaoZhi（支持 99+）
项目需要长期维护✅ XiaoZhi（成熟稳定）
想参与框架核心开发✅ ESP-Claw（乐鑫官方）

未来展望

两个项目都在快速迭代：

  • XiaoZhi v2 正在开发，分区表不兼容 v1，需要手动刷固件
  • ESP-Claw 正在从 basic_demo 迁移到 edge_agent 目录

随着 ESP32-P4 等更强芯片的普及，本地 LLM 推理将成为可能，两个框架都有望向端侧智能进化。

相关链接：