ITPub博客

本文是 EMQ 在这条路上的一次工程实践探索——讨论如何用多智能体协作的方式，支撑起大量原子能力的智能体开发与运行。

本文将分别基于两套系统搭建完全相同的持久化遥测场景，各自使用原生客户端接入，并对比它们在流处理层本身以及配套设备能力上的相同点与差异点。

本文将教你如何利用 NeuronEX 工业边缘网关软件与 Microsoft Fabric 下一代统一数据分析平台，在 15 分钟内搭建一套从设备采集、边缘处理到云端存储的完整数据管道。

当消息能力不再被协议锁定，当一个内核可以服务多种的消息需求，消息数据就不再需要在多种系统之间辗转腾挪。它可以在一个系统内自由地流动。这就是 FlowMQ 名字的含义，也是我们对消息基础设施未来的判断：Everything Will Flow。

通过彻底的计算存储分离架构，将 S3 的无限容量与极低成本引入消息领域，帮助用户告别昂贵的块存储与复杂的扩缩容数据再平衡，在享受性价比的同时，实现海量消息的无感弹性与无限留存。

消息系统是现代数字基础设施的核心枢纽。向外，它连接着数以百万计的 IoT 设备、车辆和传感器；向内，它承载着微服务之间的异步通信、实时数据管道和事件驱动架构

本文将深入对比 Azure IoT Hub 与 EMQX 在架构设计、协议支持、消息路由、扩展性、存储、设备状态、文件传输、安全性及运营限制等方面的差异，帮助架构师与技术决策者理解两个平台的适用场景、核心区别以及大规模部署时可能面临的技术选型问题。

通过 MQTT over QUIC，车联网领域将迎来一个专为移动需求打造的、变革性的传输层。

本文将深入分析 AWS IoT Core 在规模化后成本高昂的原因，介绍 EMQX 如何提供更可预测的容量模型，以及为什么众多企业迁移至 EMQX 后，能将每月的 IoT 支出降低 60% - 80%。

通过将持久化队列功能直接集成到 MQTT broker 中，EMQX 有效消除了部署独立消息系统所带来的架构与运维复杂性。

在本文中，我们将前文搭建的 MQTT 基础扩展为 MCP over MQTT 架构，让设备的各种能力将以「工具（Tool）」的形式被注册、发现和调用，为 AI 与物联网设备的智能交互开辟新的可能。

通过渐进式教程，带你从零搭建一个情感陪伴智能体

随着最新版本 EMQX 5.10.0 的发布，EMQX 协议网关家族又迎来了一位新成员：EMQX NATS Gateway。这项新功能进一步扩展了 EMQX 的连接边界，实现了 MQTT 与 NATS 协议之间的原生、双向互通，为构建更灵活、更强大的实时数据基础设施提供了前所未有的可能性 。

现在，EMQX 可无缝地将数据流注入 S3 Tables 中，构建起连接 MQTT 实时数据流与分析生态的强大桥梁。

随着 EMQX 5.10.0 的发布，实时数据流与人工智能的融合已进入全新阶段，我们创新性地在可视化流处理引擎中集成大语言模型（LLM）。这将为您的 MQTT 数据流注入 OpenAI GPT、Anthropic Claude 以及任何兼容 OpenAI 的大模型的强大功能。

本文将深度解析 2025 年及未来的 MQTT 技术演进趋势，为开发者与企业提供前瞻性的技术规划参考。

本文以驾驶行为分析与车辆控制为研究样本，阐述车云协同架构与 MCP over MQTT 协议的技术整合方案。该方案不仅可以有效控制数据处理成本并提升用户数据安全性，还能通过数据融合机制构建支持实时决策的智能分析引擎‌。

EMQX 与 TDengine 作为物联网连接与大数据处理领域的领军产品，正在通过技术协同构建端到端的物联网/工业大数据解决方案。为工业互联网、车联网、能源管理、运维监控等诸多场景提供高效可靠的技术支撑。

作为受欢迎的 MQTT 客户端工具，MQTTX 在 1.12.0 beta 版本中集成了模型上下文协议（MCP）到 Copilot AI 功能中，显著提升了服务能力。

本文将通过以下几个问题，探讨 MCP 在推动物联网智能化转型方面的潜力与应用前景