定义¶

基于 Agora RTC SDK 实现的设备端 AI 实时语音对话能力。设备通过 MQTT 获取 RTC 参数后加入 Agora 频道，与云端 AI Agent 进行低延迟语音交互。

关键要点¶

• 对话生命周期：Idle → Requesting（MQTT 上报）→ Joining（初始化 SDK）→ InCall（音频收发）→ Leaving → Idle
• 设备只需做两件事：发 agora_agent_device_access MQTT 消息 + 用返回的 4 个参数（appId/rtcToken/channelName/uid）加入频道
• 音频参数：OPUS 编码、16kHz 采样率、单声道、16bit PCM、20ms 帧长（这一组参数本质来自 agora-rtsa-sdk SDK 的发送约束——不是某个产品决定的，而是 RTSA C SDK 传输 API 的硬约束：(640 × 1000) / (16000 × 1 × 2) = 20ms，发送间隔必须等于帧长）
• AI Agent 先就绪：云端先创建 Agent 并让其加入频道等待，设备加入即可开始对话
• 结束时零成本：设备调用 leave_channel() 即可，无需额外 MQTT 消息，云端自动清理
• NFC 切换角色：通过 agora_agent_nfc_report 上报 NFC 标识，onlyReport=0 时切换角色并开始对话
• 数据流：设备音频 → Agora → ASR 识别 → HTTP Callback 到 Sentino Agent → LLM 推理 + TTS → SSE Streaming 返回 → Agora → 设备播放
• 断连重连：先用旧参数重连，失败后重新请求 agora_agent_device_access 获取新参数
• SDK 优化：频繁对话场景可只初始化一次 SDK，每次只调 join/leave

信息论视角¶

音频参数的选择本质上是信息论权衡：Opus 编码在 16kHz 采样率下的比特率选择反映了信源编码定理的约束——压缩不能低于语音信号的熵率。而无线信道（Wi-Fi/BLE）的吞吐量受 Shannon-Hartley 公式 C = B log₂(1+S/N) 硬约束，IoT 设备的低功耗需求意味着工作在功率受限区。（→ information-theory）

相关概念¶

• sentino-iot
• mqtt-device-protocol
• ai-intelligent-agent
• agora-convoai-server
• bk7258-firmware
• information-theory — 信道容量与信源编码：语音传输的理论极限
• agora-rtsa-sdk — 嵌入式设备端实际跑的 C SDK，本页描述的 OPUS/16kHz/20ms 参数本质来自 RTSA 的发送约束