在无人机控制中引入人工智能可产生变革性影响，特别是当现实世界信息能够与无人机的感知、指挥与控制链路融为一体时——这属于日益成型的"物理AI"范畴。大语言模型若以通用知识为基础实现大规模训练，本身就具备优势；而当训练数据进一步纳入全球精细地形地貌拓扑等信息，并能实时接入气象等态势数据时，其价值更为突出。然而，LLM与无人机之间的接口层至今仍是瓶颈：每一种应用场景都需要费力的手工工程，才能将LLM训练所获得的"知识"对接到具体的无人机指挥控制逻辑上。本文解决了这一问题：提出一种对LLM型号无偏好、对无人机型号无偏好的接口策略，提供首个通用、灵活、完备且易用的无人机控制接口。具体而言，我们利用新兴的模型上下文协议（Model Context Protocol，MCP）——一套由AI系统访问外部数据、工具与服务的通用开放标准——在云端部署一台运行Linux的机器托管MCP服务器，并对Mavlink协议提供支持；Mavlink作为一种几乎被ArduPilot、PX4等数百万架无人机普遍采用的通用无人机控制语言，使接口得以贯通。我们在此基础上完成了真实无人机的飞行控制演示，并进一步在仿真无人机中验证了与谷歌地图MCP服务器集成的飞行规划与导航能力，可获取最新实时导航信息。这证明了一条将LLM与无人机指挥控制对接的通用路径——一种以自然语言直译为无人机控制的易用范式，把现代AI产业的能力版图与无人机技术实质性打通。

无人机的自主性传统上建立在机载图像与状态处理之上[1]。一个突出的例子是2023年由AI控制的竞速无人机击败人类飞手[2]，其象征意义堪比1990年代IBM超级计算机击败国际象棋世界冠军。然而，受重量与能耗约束限制，所有级别和尺寸的无人机——尤其是小型无人机——机载算力天花板始终存在。随着联网无人机的成熟，将AI置于云端打开了全新空间：数据中心遍布全球，算力几乎无限，可供无人机实时调用。LLM正是此类技术中典型的"大规模训练产物"。但截至目前，AI/LLM与无人机之间的通用接口问题仍未解决。本文借助MCP标准，基于Mavlink通信协议，展示了一套完整、可贯通的无人机控制接口方案，并演示了对真实联网无人机的自主控制（含LLM驱动的实时动态决策），同时在虚拟（仿真）无人机上验证了更复杂的任务规划能力。这一路径是将AI的力量从虚拟世界释放到物理世界的关键钥匙。

本文支持MCP服务器架构的大语言模型列表如下：

• Anthropic Claude——原生支持，涵盖Claude 3.5 Sonnet、Claude Opus 4及Claude Sonnet 4.5；Claude桌面端内置MCP客户端支持。
• OpenAI——于2025年3月采纳MCP，可与GPT-4、GPT-4 Turbo及GPT-5系列模型配合；OpenAI Agents SDK已包含MCP支持。
• Google Gemini——于2025年4月宣布支持，可与Gemini 2.0 Flash、Gemini 2.5 Pro及Gemini 2.5 Flash配合；谷歌于2025年12月上线了可用于生产的托管式MCP服务器。
• 本地/开源模型——凡支持"函数调用（function calling）"的LLM均可与MCP配合，包括：Llama 3.2与Llama 3.3 70B、Qwen 2.5 72B，以及运行于Ollama之上的模型（如qwen2.5:7b）。