AICEBERG：基于 LLM、MCP 与 SCPI 的智慧城市自主无线电监测AI 新框架 MDPI Smart Cities。论文标题：AICEBERG: A Novel Agentic AI Framework for Autonomous Radio Monitoring, Compliance and Governance Based on LLM, MCP, and SCPI in Smart Cities

　　 论文链接：https://www.mdpi.com/2624-6511/9/5/73

　　 期刊名：Smart Cities

　　 期刊主页：https://www.mdpi.com/journal/smartcities

　　 一、引言

　　 随着智慧城市建设的深入推进，城市无线电频谱监测面临日益严峻的挑战，其根源在于无线设备数量的急剧膨胀、未授权发射行为的频发，以及电磁环境的动态多变。传统频谱分析方法依赖人工操作或静态检测技术，已难以满足可扩展性、自主性与安全性等方面的监测需求。近日，来自罗马尼亚的Florin Popescu博士与Denis Stanescu博士联合发表了一项研究成果，提出了一种通过自然语言驱动硬件控制的新型自主治理架构——AICEBERG框架。

　　 图1 面向自主无线电治理的AICEBERG范式

　　 二、材料与方法

　　 该研究以SCPI标准化指令协议为硬件控制基础，利用其确定性与互操作性优势，实现射频频谱分析仪的精确配置与测量执行。在此基础上，引入大语言模型（LLM）作为语义抽象层，通过工具调用机制将自然语言意图映射为结构化函数调用，在保持交互灵活性的同时规避了概率性生成带来的安全风险。同时，基于Anthropic于2024年11月发布的模型上下文协议（MCP），基于MCP构建了客户端-服务器通信机制，将认知层与操作层明确分离。系统采用双服务器设计，将操作执行与安全校验解耦：操作端负责将工具调用转换为SCPI命令并驱动硬件；安全端独立校验频率、带宽等参数约束，并通过白名单/黑名单机制过滤不合规命令，确保仅合法请求得以执行。此外，该研究还建立了延迟分析模型，将总延迟分解为LLM解析、MCP路由、工具执行、通信传输及响应生成五个环节，为系统在实时监测与自适应控制场景中的可行性评估提供了量化依据。

　　 三、分析与结果

　　 硬件实验平台搭建：实验采用Siglent SSA3075X-R 7.5GHz实时频谱分析仪连接ANT500天线，通过PC运行LLM-MCP框架，实现了SCPI命令的生成、验证与受控执行。系统采用三层架构：LLM层负责解析自然语言意图并提取参数，MCP层管理工具调用路由与验证，SCPI层将验证后的指令翻译为硬件精确操作。

　　 图2 a）AICEBERG——已实现的硬件系统；（b）三层架构

　　 四类安全拦截机制均有效运行：系统通过双服务器设计实现执行与安全校验分离，实验验证了四种拦截场景：参数越限（如请求8GHz扫宽超出7.5GHz硬件上限）时，系统自动修正为最大允许值并反馈说明；黑名单命令（如MMEM存内部存储器）被直接拒绝，并提供JSON格式外部保存作为替代方案；语法解析失败（如无效命令"ATW"）因未命中黑名单但也无匹配的白名单前缀而被拦截；仪器健康异常（如USB断开）时，系统检测到非健康状态并返回诊断信息及排障建议。所有不安全命令均未到达硬件层。

　　 图3. （a）Claude LLM在正常命令执行时的示例响应；（b）正常命令执行后频谱分析仪屏幕截图。

　　 图4. 正常命令执行的处理流程图

　　 LLM意图解析的定量评估：基于100条典型无线电监测自然语言指令的测试表明：工具选择准确率达100%，参数提取精度在频率±1位数字、功率±0.1dB容差内，安全服务器对对抗性命令的拦截率为100%。11次提示注入攻击均被白名单/黑名单机制成功拦截，无一绕过MCP安全层，证实了架构分离设计的鲁棒性。

　　 表1. 定量评估结果

　　 四、讨论

　　 该研究验证了基于MCP架构、通过自然语言控制硬件仪器的可行性。LLM、MCP服务器（工具+安全）、SCPI层与硬件的四级集成，实现了语义可访问性与强健安全机制的统一。延迟分析显示，单次查询响应约850 ms，70%以上为LLM处理耗时，MCP开销仅占7%，硬件执行不足5%。硬件不构成瓶颈，850 ms处于人机交互可接受范围。安全方面，白名单、黑名单与参数校验三层防御显著缩小了攻击面。即使在提示注入等对抗场景下，危险命令均在MCP层被拦截，攻击成功概率极低。但云端依赖及第三方库供应链风险仍需关注。可扩展性方面，单工具场景运行高效，可通过复制服务器对扩展至多设备。但工具数量增加会导致LLM上下文占用上升，VISA单线程特性也限制了并发执行。多用户场景需引入集中式网关，但会带来额外延迟和单点故障风险。研究局限则是白名单需人工维护、无法离线运行，模糊指令会增加延迟。总体而言，技术已趋于成熟，可优先应用于教学、探索性研究与交互式配置。在框架对比方面，MCP是唯一同时满足LLM原生集成、工具发现、确定性执行、内置安全验证及硬件控制五项标准的方案，在RF仪器控制领域具有显著优势。

　　 五、展望与结论

　　 本文提出并实验验证了一种面向城市射频频谱监测场景的智能体AI架构，实现了通过自然语言驱动硬件控制的端到端流程。系统以LLM为认知编排层、MCP为结构化调用框架、SCPI为确定性硬件控制接口，完成了从人类意图到物理频谱测量的完整闭环。研究贡献主要体现在以下三方面：分层架构有效抽象了射频仪器的复杂性，使非专业人员也能通过自然语言操作专业频谱分析仪；执行与安全验证的分离设计，在降低操作风险的同时实现了安全的硬件访问控制；系统具备良好的可扩展性，可集成至分布式智慧城市传感器网络，满足自主化远程频谱监测需求。该研究提出了AICEBERG框架，作为语义层射频编排器，在硬件在环智能体AI（AAiHL）范式下，兼顾了自然语言交互的便捷性与底层硬件编排的实时性与确定性，为复杂动态电磁环境中的无线电自主治理提供了稳健的客观基础。未来工作将聚焦于多节点分布式部署与大规模城市实测验证，以进一步检验系统在高密度频谱噪声环境下的抗干扰能力和长期运行稳定性。

　　 引用格式：

　　 Popescu, F.; Stanescu, D. AICEBERG: A Novel Agentic AI Framework for Autonomous Radio Monitoring, Compliance and Governance Based on LLM, MCP, and SCPI in Smart Cities. Smart Cities 2026, 9, 73. https://doi.org/10.3390/smartcities9050073

　　 期刊介绍

　　 主编：Prof. Dr. Pierluigi Siano, University of Salerno, Italy

　　 Smart Cities（ISSN 2624-6511）是由 MDPI 出版的国际开放获取同行评审英文学术期刊，专注于发表智慧城市领域的最新研究进展，目前已被 ESCI、Scopus、PubMed、Dimensions以及DOAJ 等重要数据库收录。Smart Cities发文领域包括但不限于智慧城市的核心技术与方法、智慧城市的关键应用领域、智慧城市交叉领域融合以及韧性智慧城市建设等，重点关注利用先进的信息技术、通信技术及数据分析工具，推动城市资源优化配置、公共服务改善、管理效率提升及居民生活质量提高等议题的原创论文，综述、通讯等类型，致力于为智慧城市相关研究提供一个优质、高效、快速的发表服务平台，有效促进智慧城市最新科研成果的推广和传播，加快推进智慧城市新生态建设。

　　 2025 Impact Factor: 6.6

　　 2025 CiteScore: 13.0

　　 Time to First Decision: 25.1 Days

　　 Acceptance to Publication: 4.5 Days

　　
来源：Smart Cities