核心概念
Pollen Robotics 的桌上型機器人 Reachy Mini 的對話應用，在 2026 年 6 月引入了對 MCP（Model Context Protocol）工具的支援，允許開發者透過 Hugging Face Spaces 向機器人動態添加遠端工具能力。這代表機器人不再只能執行內建動作，而是可以在保持核心身體控制工具安全可信的前提下，靈活接入網路資訊、天氣查詢等外部服務。
三層工具架構是本次更新的核心設計：
| 層級 | 來源 | 特性 |
|---|---|---|
| 內建工具 | 機器人本地 | 可信、低延遲、不可修改 |
| 遠端 MCP 工具 | Hugging Face Spaces | 可共享、可更新、命名空間隔離 |
| 本地自訂工具 | external_tools/ 目錄 |
用於特定應用場景 |
內建工具清單包含控制機器人肢體動作的核心功能：move_head（頭部姿態）、dance / stop_dance（舞蹈）、play_emotion / stop_emotion（情緒播放）、head_tracking（頭部追蹤）、camera（拍照分析）、idle_do_nothing（明確空閒）。這些工具保持本地執行，不走遠端，確保機器人基本身體控制的穩定性與安全性。
配置文件（Profile） 是控制每個助手人格可以使用哪些工具的機制，由兩個文件組成：
instructions.txt：系統提示詞，定義助手的回應風格與行為邊界tools.txt：啟用的工具列表，每行一個工具 ID
這個架構讓同一台機器人可以有多個不同「人格」，例如純互動模式只啟用肢體表情工具，而搜尋助手模式則額外啟用網路查詢工具。
關鍵要點
-
遠端工具安裝方式：透過命令列工具
reachy-mini-conversation-app tool-spaces add <owner/space-name>安裝 Hugging Face Spaces 上的 MCP 相容工具；支援--profile指定特定配置、--install-only只安裝不啟用。 -
命名空間防衝突機制：遠端工具的 ID 由 Space slug 自動派生，連字符、斜線轉為下劃線，再加雙下劃線命名空間。例如
pollen-robotics/reachy-mini-search-tool中的search_web工具，其 ID 為pollen_robotics_reachy_mini_search_tool__search_web，確保多個 Space 共存時不互相衝突。 -
提示詞工程決定工具使用品質：文章提供了完整的提示詞範本，核心原則是「先給答案，不說工具話術」——模型直接用工具結果回答，不向使用者解釋自己在呼叫什麼工具；回應保持語音友好的短句風格，不用列表與標題。當同時有天氣和搜尋工具時，若使用者問題兼有兩類需求，應同一 turn 平行呼叫兩個工具，再合併結果輸出。
-
Gradio Spaces 作為 MCP 後端：遠端工具必須是公開的 Gradio Space，並暴露標準 MCP 端點（
/gradio_api/mcp/）。工具設計需保持無狀態，以適應網路呼叫的不確定性。目前不支援私有 Space、非 Gradio Space 或任意原始 MCP URL。 -
後端無關設計：整個工具呼叫架構對 LLM 後端無感，支援 OpenAI、Gemini、Hugging Face 等不同推論後端，工具的啟用與停用完全由
tools.txt控制。
實務應用
文章提供了兩個已上線的範例配置，展示如何組合工具與提示詞：
配置一（Web 搜索 + 表情動作）：啟用 play_emotion、stop_emotion、idle_do_nothing、move_head 加上 pollen_robotics_reachy_mini_search_tool__search_web。提示詞要求模型只在使用者問即時資訊時才呼叫搜尋，回答保持一兩句話的口語化風格。
配置二（Web 搜索 + 天氣 + 表情動作）：在配置一基礎上增加 pollen_robotics_reachy_mini_weather_tool__get_day_brief。提示詞明確劃分兩個工具的使用場景——天氣工具用於當日氣象，搜尋工具用於新聞和活動資訊——並要求遇到複合問題時平行呼叫兩個工具，結果合併成一段流暢口語回答，不分段標注來源。
這套架構的更廣泛意義在於：它提供了一個將 AI 助手工具系統模組化、可共享化的範本。任何開發者都可以在 Hugging Face Spaces 上發布一個帶 reachy-mini-tool 和 mcp 標籤的 Gradio Space，讓 Reachy Mini 社群可以直接安裝使用。這跟 VS Code Extension 生態的邏輯相似：核心功能由官方維護，社群工具透過市場分發。
對比 Reachy Mini 本地化對話：語音 AI 管線的離線部署實錄 的離線部署思路，本文走的是截然相反的路線——將外部 API 能力安全地引入機器人。兩者結合後，Reachy Mini 既可以在有網路時查詢即時資訊，又可以在斷線環境下保持完整的語音互動能力。
延伸觀點
MCP 工具生態正在快速行動化。來自 arXiv 的大規模研究（分析 177,000 個 MCP 工具，2024/11–2026/02）發現，工具中的「行動工具」（直接修改外部環境，包括操控無人機、機器人等實體設備）佔比從 27% 飛速成長到 65%，遠超感知型和推理型工具的增速。這意味著 Reachy Mini 這類物理 AI 應用並非孤例，而是 MCP 生態演化的主流趨勢之一。
Hugging Face Spaces 確實已成為「LLM 工具市集」。Gradio 從 5.28.0 版本起原生支援 MCP 協議，任何 Gradio 應用都可以被 LLM 當作工具呼叫，函式 docstring 自動轉為工具描述與參數定義。這讓 HF Spaces 的角色從模型展示平台轉型為工具分發市場——開發者只需在 Spaces 發布一個帶標準 MCP 端點的 Gradio app，就能被任何 MCP 相容客戶端（Claude Desktop、Cursor、Reachy Mini 等）即插即用。這與 Reachy Mini 文章中描述的 tool-spaces add 安裝機制是同一套基礎設施。
工具定義與實作的同步是規模化後的關鍵挑戰。ScaleMCP（arXiv 2025）指出，當代理系統管理多個工具時，工具定義與其底層實作之間的不同步是導致工具呼叫失敗的主因。Reachy Mini 的命名空間設計（用 Space slug 派生工具 ID、雙下劃線隔離）在語意層面解決了部分衝突問題，但若 Space 更新了工具介面而本地快取未刷新，仍會觸發相同問題。ScaleMCP 的動態自動同步框架提供了一個更系統性的解法思路，值得後續版本參考。
綜合來看，Reachy Mini 的工具架構設計反映了當前 MCP 生態的最佳實踐：保持本地核心工具小而可信，透過標準化協議接入可替換的外部能力，並以配置文件而非硬編碼控制行為邊界。這套「可信核心 + 可插拔擴充」的模式，與 多 Agent 系統協作架構：MCP 與 A2A 協議 中描述的鬆散耦合多 Agent 設計哲學一脈相承——工具即介面，介面即契約，契約保持穩定，實作允許演化。
反向連結
以下頁面引用了本頁：