系统架构

PhysiClaw 分四层：智能体（大脑）、MCP 服务器（翻译官）、 传感器与执行器（摄像头与 GRBL 机械臂），以及手机（保持原样）。

┌───────────────────────────────────────┐
│             AI 智能体（大脑）           │
│      Claude Desktop / 任意 MCP 客户端   │
│      看屏幕 → 做决策 → 调用工具          │
└──────────────────┬────────────────────┘
                   │ MCP 协议
                   ▼
┌───────────────────────────────────────┐
│      PhysiClaw MCP 服务器（Python）     │
│   screenshot_top · screenshot_side     │
│   move · tap · swipe · park            │
└──────────┬──────────────────┬──────────┘
           │                  │
      USB 摄像头         USB 串口（GRBL）
           │                  │
           ▼                  ▼
   ┌──────────────┐   ┌────────────────┐
   │ 顶部摄像头   │   │ GRBL 控制板    │
   │ 侧向摄像头   │   │ X/Y 龙门 · Z 轴│
   └──────────────┘   └──────┬─────────┘
                             │ 触碰
                             ▼
                      ┌─────────────┐
                      │   手机       │
                      │ （已解锁）   │
                      └─────────────┘

各层职责

智能体

任意 Model Context Protocol 客户端。它以图像形式接收截图，选择高层动作—— 方向与距离、点按、滑动——从不直接给出像素坐标。

MCP 服务器

一个小型 Python 进程，把硬件暴露为工具。它掌握标定数学（像素 → 电机步数）、摄像头采集，以及与控制板的串口通信。

传感器与执行器

顶部摄像头垂直俯视，读取屏幕。
侧向摄像头约 45° 观察，在触碰前检查笔尖。
GRBL 控制板驱动 X/Y 龙门和负责下探触控笔的 Z 轴。

手机

完全不动——无 App、无配置文件、无开发者模式。它只会看到一根手指。

通信

链路	传输	载荷
智能体 ↔ 服务器	MCP（stdio）	工具调用 + 图像结果
服务器 ↔ 摄像头	USB UVC	JPEG 帧
服务器 ↔ 控制板	USB 串口	G-code（GRBL 方言）

继续阅读控制循环，了解这些链路在每次动作中如何循环。