BH1750 + ASI Biont: AI-агент управляет светом через I2C-датчик освещенности

Дата: 13 июля 2026

Представьте: вы сидите в офисе, солнце бьёт в глаза, вы говорите в Telegram: «Агент, закрой шторы на южном окне до 30% освещённости». Через 5 секунд AI-агент ASI Biont считывает показания с датчика BH1750, подключённого к ESP32, вычисляет нужный угол сервопривода и отправляет команду — шторы плавно закрываются. Автоматизация, которая раньше требовала недели программирования, теперь делается за минуту диалога.

В этой статье — полный технический разбор: как подключить BH1750 к ASI Biont, какие протоколы использовать (I2C, MQTT, COM-порт) и какие реальные сценарии можно реализовать прямо сейчас.

Что такое BH1750 и зачем его подключать к AI-агенту

BH1750 — это цифровой датчик освещённости (люксметр) на шине I2C. Он измеряет освещённость от 1 до 65535 люкс с точностью до 1 люкс. Производится компанией ROHM Semiconductor, используется в умных домах, теплицах, офисах и носимой электронике.

Интеграция с AI-агентом даёт:
- Адаптивное управление светом: AI анализирует показания в реальном времени и регулирует яркость ламп или положение штор.
- Прогнозирование: на основе истории освещённости AI предсказывает, когда потребуется включить свет (например, перед закатом).
- Автоматизация по сценариям: «Если освещённость ниже 100 люкс и время > 18:00 — включи свет в гостиной».
- Уведомления: AI отправляет в Telegram предупреждения, если освещённость выходит за норму (например, в теплице).

Как ASI Biont подключается к BH1750: обзор подходов

ASI Biont использует execute_python — AI-агент сам пишет Python-код в sandbox-окружении (Railway) с доступом к библиотекам paho-mqtt, pyserial (через Hardware Bridge), paramiko, pymodbus, aiohttp. Пользователь просто описывает в чате задачу: «Подключись к ESP32 с BH1750 через MQTT по адресу 192.168.1.100», и AI генерирует рабочий скрипт.

Для BH1750 доступны три основных способа:

Способ	Как работает	Когда использовать
MQTT	ESP32 публикует данные в топик, AI подписывается через paho-mqtt	Удалённый мониторинг, умный дом с Wi-Fi
Hardware Bridge (COM-порт)	ESP32 подключён к ПК по USB, bridge.py передаёт данные AI через long polling	Локальное управление, отладка, быстрые прототипы
SSH	AI подключается к Raspberry Pi (или другому Linux-одноплатнику) по SSH и запускает скрипт чтения I2C	Промышленные сценарии с Raspberry Pi

Почему MQTT — самый популярный вариант? BH1750 часто используется с ESP32, который по умолчанию имеет Wi-Fi. MQTT — лёгкий протокол, идеальный для IoT. AI может подписаться на топик с данными и одновременно публиковать команды на управление светом.

Сценарий 1: Умный дом — автоматическое управление шторами через MQTT

Задача: В офисе на южной стороне установлен BH1750 + ESP32. Если освещённость превышает 500 люкс, AI должен закрыть шторы на 70%. Если падает ниже 100 люкс — открыть полностью.

Шаг 1. Прошивка ESP32

Пользователь предварительно загружает на ESP32 прошивку на MicroPython, которая каждые 5 секунд читает BH1750 и публикует данные в MQTT-топик sensor/light. Код прошивки:

# ESP32 MicroPython
import machine
import time
import ujson
from umqtt.simple import MQTTClient
import bh1750  # библиотека для BH1750

# Настройка I2C
i2c = machine.I2C(scl=machine.Pin(22), sda=machine.Pin(21))
sensor = bh1750.BH1750(i2c)

# MQTT настройки
BROKER = "192.168.1.50"  # IP Mosquitto
CLIENT = MQTTClient("ESP32_LIGHT", BROKER)
CLIENT.connect()

while True:
    lux = sensor.read()
    payload = ujson.dumps({"lux": lux, "timestamp": time.time()})
    CLIENT.publish(b"sensor/light", payload.encode())
    time.sleep(5)

Шаг 2. Подключение ASI Biont через диалог

Пользователь пишет в чате ASI Biont:

«Подключись к MQTT-брокеру 192.168.1.50, порт 1883, без пароля. Подпишись на топик sensor/light. Если lux > 500, опубликуй в топик curtain/command команду "close_70". Если lux < 100 — "open". Повторяй каждые 30 секунд.»

AI генерирует и выполняет скрипт:

import paho.mqtt.client as mqtt
import time

BROKER = "192.168.1.50"
PORT = 1883
TOPIC_SENSOR = "sensor/light"
TOPIC_CURTAIN = "curtain/command"

light_history = []

def on_message(client, userdata, msg):
    import json
    data = json.loads(msg.payload.decode())
    lux = data["lux"]
    light_history.append(lux)

    # Анализ и принятие решения
    if lux > 500:
        client.publish(TOPIC_CURTAIN, "close_70")
        print(f"Закрываю шторы на 70% (lux={lux})")
    elif lux < 100:
        client.publish(TOPIC_CURTAIN, "open")
        print(f"Открываю шторы (lux={lux})")

client = mqtt.Client()
client.on_message = on_message
client.connect(BROKER, PORT, 60)
client.subscribe(TOPIC_SENSOR)
client.loop_start()

# Ждём 30 секунд для накопления данных
time.sleep(30)
client.loop_stop()
print("Сеанс завершён, история освещённости:", light_history)

Результат

Время настройки: 2 минуты (вместо 2–3 часов ручного кодирования).
AI не только управляет шторами, но и ведёт историю освещённости, которую можно использовать для оптимизации расписания.

Сценарий 2: Теплица — мониторинг и уведомления через Hardware Bridge

Задача: BH1750 подключён к ESP32, который висит на USB-порте ПК в теплице. Пользователь хочет получать в Telegram уведомления, если освещённость падает ниже 200 люкс (пасмурно) — нужно включить фитолампы.

Шаг 1. Запуск Hardware Bridge

Пользователь скачивает bridge.py с asibiont.com/bridge, запускает:

python bridge.py --token=ВАШ_ТОКЕН --ports=COM3 --default-baud=115200

Bridge подключается к ASI Biont через HTTP long polling и открывает COM3.

Шаг 2. Прошивка ESP32

ESP32 отправляет данные по UART в формате JSON:

# ESP32 MicroPython (UART)
import machine
import ujson
import bh1750

uart = machine.UART(2, baudrate=115200)
i2c = machine.I2C(scl=machine.Pin(22), sda=machine.Pin(21))
sensor = bh1750.BH1750(i2c)

while True:
    lux = sensor.read()
    payload = ujson.dumps({"lux": lux})
    uart.write(payload.encode() + b"\n")
    time.sleep(10)

Шаг 3. Команда AI

Пользователь пишет:

«Читай данные с COM3 (115200 baud), парси JSON с ключом lux. Если lux < 200, отправь мне в Telegram: "Внимание! Освещённость в теплице ниже нормы: {lux} люкс. Включите фитолампы."»

AI использует industrial_command с протоколом serial://:

# Пример команды (выполняется в sandbox через tool call)
# industrial_command(protocol='serial://', command='read', port='COM3', baud=115200)

Так как чтение из COM-порта происходит через bridge, AI получает строку, парсит её и отправляет уведомление через Telegram API.

Сценарий 3: Офис — адаптивное освещение по расписанию

Задача: В переговорной комнате BH1750 измеряет освещённость. AI должен:
- Если освещённость < 300 люкс в рабочее время (09:00–18:00) — включить свет.
- Если > 800 люкс — приглушить свет до 50%.
- В нерабочее время — выключить свет полностью.

Подключение по MQTT (аналогично сценарию 1)

AI генерирует скрипт с учётом времени:

import paho.mqtt.client as mqtt
from datetime import datetime, time

BROKER = "192.168.1.50"
TOPIC_LIGHT = "sensor/light"
TOPIC_LAMP = "lamp/command"

def is_working_hours():
    now = datetime.now()
    return time(9, 0) <= now.time() <= time(18, 0)

def on_message(client, userdata, msg):
    import json
    data = json.loads(msg.payload.decode())
    lux = data["lux"]

    if not is_working_hours():
        client.publish(TOPIC_LAMP, "off")
        return

    if lux < 300:
        client.publish(TOPIC_LAMP, "on_full")
    elif lux > 800:
        client.publish(TOPIC_LAMP, "dim_50")
    else:
        client.publish(TOPIC_LAMP, "on_auto")

client = mqtt.Client()
client.on_message = on_message
client.connect(BROKER, PORT, 60)
client.subscribe(TOPIC_LIGHT)
client.loop_forever()

Результат: Экономия электроэнергии до 30% за счёт того, что свет не горит впустую, а AI анализирует реальную освещённость.

Почему это выгодно: AI вместо ручного программирования

Традиционный подход:
1. Написать прошивку для ESP32 (2–3 часа).
2. Настроить MQTT-брокер (1 час).
3. Написать backend-логику для анализа (4–5 часов).
4. Подключить Telegram-бота (2 часа).

Итого: 8–11 часов на одну интеграцию.

С ASI Biont:
- Пользователь описывает задачу на естественном языке.
- AI генерирует и выполняет код за 30–60 секунд.
- Никаких панелей управления — всё через чат.

Ключевое преимущество: ASI Biont подключается к любому устройству через execute_python. Не нужно ждать, пока разработчики добавят поддержку нового датчика или протокола. BH1750, DHT22, ультразвуковой дальномер, реле — всё это уже работает через pyserial, paho-mqtt, paramiko, pymodbus, aiohttp или opcua-asyncio.

Как начать: пошаговая инструкция

Зарегистрируйтесь на asibiont.com — получите API-токен.
Подготовьте устройство: загрузите на ESP32 прошивку с чтением BH1750 (код выше) и публикацией в MQTT/UART.
Запустите Hardware Bridge (если используете COM-порт): python bridge.py --token=YOUR_TOKEN --ports=COM3.
Напишите в чат ASI Biont задачу, как в примерах выше.
AI сделает всё остальное — подключится, прочитает данные, выполнит сценарий.

Заключение

BH1750 — простой, но мощный датчик, который в паре с AI-агентом ASI Biont превращается в полноценную систему управления освещением. Вы можете автоматизировать шторы, фитолампы, офисный свет и получать уведомления — и всё это без написания десятков строк кода вручную.

Попробуйте сами: asibiont.com — опишите свою задачу в чате, и AI подключится к вашему BH1750 за секунды.

BH1750 + ASI Biont: AI-агент управляет светом через I2C-датчик освещенности