Meta Muse Gadgets SDK 開源：AI Agent 進入自製硬體，權限邊界在哪？（2026）

2026 年 10 月 2 日，Meta 在 GitHub 發布〈Muse Gadgets〉開源專案，並在官方頁面介紹如何把 Muse 接上自製裝置。這次 Muse Gadgets SDK 釋出 ESP32 韌體與 Linux 裝置 SDK，讓螢幕、按鈕、感測器與樹莓派成為 AI Agent 的實體介面。值得追問的是：程式碼開放之後，誰仍控制連線，以及裝置取得了哪些權限？

先看原文真正發布了什麼，再把「能接上」拆成程式碼、帳號與裝置權限三層；最後才談這件事對想動手做 Agent 硬體的人意味著什麼。

Meta 開放的是裝置端入口

Muse gadgets are open source devices you build yourself.

中文：Muse gadget 是你自己組裝的開源裝置。

Muse Gadgets README

原始倉庫在 10 月 2 日建立，內含 esp32 與 linux 兩條路線。前者讓開發板顯示狀態、收按鈕或音訊輸入，部分設定還能把 Muse 連到本地 HTTP 裝置；後者把具備藍牙的 Linux 電腦變成可接收指令的 gadget。官方展示頁把圓形螢幕、掌上裝置、Home Link、樹莓派和電子紙放在同一排，強調的是「不同外形可共享同一個 Muse 入口」，不是每一塊板子都有相同功能。

具體差異可在ESP32 文件看見：有的板子只提供狀態燈與按鈕，有的才有完整 UI、音訊或影像；網路 tunnel 也取決於裝置資源。把「支援 ESP32」理解成任何 ESP32 都能跑完整語音與畫面，會超出文件的承諾。

程式碼開源，接入 Muse 仍有閘門

Every gadget needs a token to pair.

中文：每個 gadget 配對都需要一組 token。

Muse Gadgets README

Muse Gadgets SDK 的原始碼採 Apache-2.0，但README要求先取得 SDK token，再透過手機 Muse App 開啟 Developer mode 配對。SDK Token 條款把程式碼授權與 Muse 服務存取明確分開：token 供個人、非商業用途，分享裝置和處理他人資料也受限制。你可以閱讀、修改和重用程式碼；能否把裝置接入 Muse，則仍取決於帳號、token 與服務條款。

They are not a supported product and not a developer platform.

中文：這組 SDK 與 token 並非受支援的產品，也不是正式開發者平台。

Meta SDK Token 條款

這句話決定了它目前適合怎樣的期待。對個人原型與社群實驗，低門檻 SDK 很有價值；對需要長期維護、商業發行或可預期服務承諾的產品，不能把「GitHub 有 Apache-2.0」直接當成整條服務鏈也已開放。

裝置的能力，也是權限的邊界

Linux SDK 文件列出 system.run、file.read 與 file.write。指令以安裝時選定的系統帳號執行；文件甚至提醒：若該帳號能用 sudo，Muse 也能用。這不是推測中的資安事件，而是官方寫出的權限模型。把 SDK 裝在日常主機、讓它沿用高權限帳號，會把 Agent 可操作的範圍一起放大。

另一層是配對信任。ESP32 說明與Linux 說明都說每次設定會建立新的加密工作階段，同時明示社群裝置沒有製造商驗證，無法抵禦主動式中間人攻擊。加密能保護已建立的連線，卻不能自行證明「面前這台設備確實是誰做的」。這個區分，比籠統說它安全或不安全更有用。

這次發布真正改變了什麼？

我同意：硬體介面的試錯成本下降了

原本要把 Agent 與按鈕、燈、螢幕、感測器接在一起，開發者常得自己處理裝置配對、訊息傳遞與板卡差異。官方同時給出兩套 SDK、裝置範例和板卡文件，讓第一個原型更容易開始。這是可從公開程式碼與文件直接確認的進展。

我存疑：這不等於 Agent 已跨過硬體可靠性門檻

漂亮的裝置陣列只證明有不同的實作方向。真正影響日常使用的，還包括離線時能做什麼、延遲、誤觸發、感測器錯誤、權限收斂與長期維護；官方展示頁與 README 提供的是裝置示例，這些材料不足以推導出可比較的延遲或可靠度成績。現階段合理的結論是「可開始製作與驗證」，而不是「實體 AI 助理已經成熟」。

最有價值的原型，是能證明邊界的原型

如果你想試 Muse Gadgets SDK，先選一個失敗成本低的動作：例如讓獨立開發板顯示狀態，或讓低權限樹莓派讀取測試資料。記錄它接受了哪種指令、能碰到哪些檔案與網路服務，再決定是否接入真實設備。需要系統化整理 Agent 的授權、觀察與失敗復原，可接著讀 AI Agent Harness 的設計方法。