Orange Pi + ASI Biont: MQTT и HTTP API для умного дома и мониторинга — гайд по интеграции

Введение

Orange Pi — это мощная и доступная одноплатная альтернатива Raspberry Pi, работающая на ARM-процессорах Allwinner. Благодаря наличию GPIO-пинов, поддержке Linux (Armbian, Ubuntu) и низкой цене, Orange Pi широко используется в DIY-проектах: от системы умного дома до промышленного мониторинга. Однако настройка кода для сбора данных, управления реле или интеграции с внешними сервисами часто требует времени и навыков программирования.

AI-агент ASI Biont решает эту проблему: вы просто описываете в чате, что нужно сделать, передаёте параметры подключения (IP, порт, API-ключ), и AI сам пишет код на Python, выполняет его и управляет устройством. В этой статье мы разберём два основных способа интеграции Orange Pi с ASI Biont — через MQTT и HTTP API — и покажем реальные сценарии: сбор данных с датчика температуры/влажности и управление GPIO-выходами.

Почему Orange Pi? Кратко о возможностях

Orange Pi (модели Zero, Zero 2, PC, One) оснащены:
- GPIO-контактами для подключения сенсоров (DHT22, DS18B20, HC-SR04) и исполнительных устройств (реле, светодиоды)
- Поддержкой Wi-Fi и Ethernet для работы по сети
- Полноценной ОС Linux (Armbian) — можно устанавливать Python, Node.js, Docker
- Низким энергопотреблением (от 5 В, ~1-3 Вт)

Для интеграции с AI-агентом это идеальный кандидат: Orange Pi может выступать как управляющий хаб, который опрашивает датчики, отправляет данные в облако и получает команды обратно.

Способ 1. Подключение через MQTT

MQTT — лёгкий протокол обмена сообщениями, стандарт для IoT. ASI Biont поддерживает MQTT через библиотеку paho-mqtt в sandbox-окружении execute_python, а также через инструмент industrial_command для быстрой отправки команд.

Как это работает

1. На Orange Pi устанавливается MQTT-клиент (например, mosquitto_pub/mosquitto_sub) или Python-скрипт, который подписывается на топик home/orangepi/commands и публикует данные в home/orangepi/sensors.
2. Пользователь в чате ASI Biont описывает задачу: «Подключись к моему Orange Pi по MQTT, брокер на mqtt.example.com, порт 1883. Прочитай данные с датчика DHT22, подключённого к GPIO4, и отправь мне в Telegram, если температура выше 30°C».
3. AI генерирует Python-скрипт с paho-mqtt, выполняет его в sandbox и начинает обмен данными.

Пример кода на стороне Orange Pi (Python, выполняется локально)

import paho.mqtt.client as mqtt
import Adafruit_DHT
import time

BROKER = "mqtt.example.com"
PORT = 1883
TOPIC_PUB = "home/orangepi/sensors"
TOPIC_SUB = "home/orangepi/commands"
DHT_PIN = 4  # GPIO4

def on_message(client, userdata, msg):
    command = msg.payload.decode()
    if command == "GET_TEMP":
        humidity, temperature = Adafruit_DHT.read_retry(Adafruit_DHT.DHT22, DHT_PIN)
        if humidity is not None:
            client.publish(TOPIC_PUB, f"{{'temp': {temperature:.1f}, 'humidity': {humidity:.1f}}}")
    elif command == "LED_ON":
        # Управление GPIO
        import RPi.GPIO as GPIO
        GPIO.setmode(GPIO.BCM)
        GPIO.setup(18, GPIO.OUT)
        GPIO.output(18, GPIO.HIGH)
        client.publish(TOPIC_PUB, "{'led': 'ON'}")

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

Что делает AI-агент в ASI Biont

Пользователь пишет в чате:

«Подключись к MQTT-брокеру mqtt.example.com:1883, подпишись на топик home/orangepi/sensors, каждые 10 минут проверяй температуру, если больше 30°C — опубликуй команду LED_ON в топик home/orangepi/commands и отправь мне уведомление в Telegram».

AI генерирует и выполняет в sandbox следующий код:

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

BROKER = "mqtt.example.com"
PORT = 1883
TOPIC_SENSORS = "home/orangepi/sensors"
TOPIC_COMMANDS = "home/orangepi/commands"
TELEGRAM_BOT_TOKEN = "ваш_токен"
TELEGRAM_CHAT_ID = "ваш_chat_id"

def on_message(client, userdata, msg):
    payload = msg.payload.decode()
    print(f"Получены данные: {payload}")
    # Парсим JSON
    import json
    data = json.loads(payload)
    temp = data.get('temp', 0)
    if temp > 30:
        # Публикуем команду включения светодиода
        client.publish(TOPIC_COMMANDS, "LED_ON")
        # Отправляем уведомление в Telegram
        text = f"⚠️ Температура превышена: {temp}°C. Включаю светодиод."
        requests.post(f"https://api.telegram.org/bot{TELEGRAM_BOT_TOKEN}/sendMessage",
                      json={"chat_id": TELEGRAM_CHAT_ID, "text": text})

client = mqtt.Client()
client.on_message = on_message
client.connect(BROKER, PORT, 60)
client.subscribe(TOPIC_SENSORS)
# Ждём сообщений 30 секунд (ограничение sandbox)
client.loop(timeout=30)

Результат

• Задержка между отправкой данных и реакцией AI — менее 2 секунд (при стабильном интернете).
• Пользователь получает уведомления в Telegram и может управлять устройствами через чат, не заходя в панель умного дома.

Способ 2. Подключение через HTTP API

Если на Orange Pi запущен простой HTTP-сервер (например, на Flask или FastAPI), ASI Biont может подключаться к нему напрямую через aiohttp или requests.

Как это работает

1. На Orange Pi запускается веб-сервер с эндпоинтами:
2. GET /sensor — возвращает показания датчика
3. POST /gpio — управляет GPIO-пинами (включает/выключает реле)
4. Пользователь передаёт в чат IP-адрес Orange Pi (например, 192.168.1.100) и API-ключ.
5. AI пишет код, который опрашивает /sensor и отправляет команды на /gpio.

Пример кода на Orange Pi (Flask)

from flask import Flask, request, jsonify
import Adafruit_DHT
import RPi.GPIO as GPIO

app = Flask(__name__)
GPIO.setmode(GPIO.BCM)
GPIO.setup(18, GPIO.OUT)

@app.route('/sensor', methods=['GET'])
def get_sensor():
    humidity, temperature = Adafruit_DHT.read_retry(Adafruit_DHT.DHT22, 4)
    if humidity is not None:
        return jsonify({'temp': temperature, 'humidity': humidity})
    return jsonify({'error': 'Sensor error'}), 500

@app.route('/gpio', methods=['POST'])
def set_gpio():
    data = request.json
    pin = data.get('pin', 18)
    state = data.get('state', 'OFF')
    if state == 'ON':
        GPIO.output(pin, GPIO.HIGH)
    else:
        GPIO.output(pin, GPIO.LOW)
    return jsonify({'status': 'ok', 'pin': pin, 'state': state})

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

Что делает AI-агент

Пользователь пишет:

«Подключись к Orange Pi по HTTP на 192.168.1.100:5000. Каждые 5 минут считывай температуру, если она ниже 18°C — включи реле на пине 18 (обогреватель), если выше 25°C — выключи. Логируй в CSV-файл».

AI выполняет в sandbox:

import aiohttp
import asyncio
import csv
from datetime import datetime

ORANGE_PI_URL = "http://192.168.1.100:5000"

async def monitor():
    async with aiohttp.ClientSession() as session:
        for _ in range(6):  # 5 минут * 6 = 30 секунд (таймаут sandbox)
            async with session.get(f"{ORANGE_PI_URL}/sensor") as resp:
                data = await resp.json()
                temp = data.get('temp', 0)
                timestamp = datetime.now().isoformat()

                # Логируем в CSV
                with open('temperature_log.csv', 'a', newline='') as f:
                    writer = csv.writer(f)
                    writer.writerow([timestamp, temp])

                # Управление реле
                if temp < 18:
                    async with session.post(f"{ORANGE_PI_URL}/gpio", json={'pin': 18, 'state': 'ON'}) as r:
                        print(f"Обогреватель включён, температура {temp}")
                elif temp > 25:
                    async with session.post(f"{ORANGE_PI_URL}/gpio", json={'pin': 18, 'state': 'OFF'}) as r:
                        print(f"Обогреватель выключен, температура {temp}")

                await asyncio.sleep(5)  # каждые 5 секунд для демонстрации

asyncio.run(monitor())

Результат

• Вся логика управления — на стороне AI. Orange Pi выступает только как исполнитель.
• CSV-файл с логами сохраняется в sandbox и может быть скачан пользователем.

Сравнение MQTT и HTTP API

Как начать интеграцию за 1 минуту

1. Зарегистрируйтесь на asibiont.com.
2. Откройте чат с AI-агентом.
3. Напишите, например:

   «Подключись к моему Orange Pi по SSH (IP: 192.168.1.100, логин: orangepi, пароль: mypass). Установи на него библиотеку Adafruit_DHT и запусти скрипт, который каждые 10 секунд публикует температуру в MQTT-топик home/device/temp».

4. AI сам выполнит SSH-соединение, установит пакеты, скопирует скрипт и запустит его.

Важно: ASI Biont подключается к любому устройству через execute_python — AI сам пишет код интеграции под каждое устройство. Не нужно ждать, пока разработчики добавят поддержку — подключайте что угодно прямо сейчас. Пользователь просто описывает в чате, к какому устройству подключиться и какие параметры (порт, IP, baud rate, API-ключ), и AI сам пишет код на Python с использованием pyserial, paramiko, paho-mqtt, pymodbus, aiohttp или opcua-asyncio. Всё подключение происходит через диалог в чате, никаких панелей управления и кнопок «добавить устройство» не требуется.

Реальные сценарии использования

1. Умный дом: Orange Pi управляет светом, кондиционером и шторами по командам из Telegram. AI анализирует данные с датчиков движения и температуры, оптимизирует энергопотребление. Экономия времени на настройку — до 70%.
2. Мониторинг серверной: Orange Pi опрашивает датчики температуры и влажности в стойке, при превышении порога отправляет уведомление и включает вентилятор.
3. Автоматизация теплицы: Orange Pi управляет поливом и освещением на основе данных с датчиков влажности почвы и освещённости. AI строит графики и предсказывает время полива.

Заключение

Orange Pi — отличная платформа для DIY-проектов, а ASI Biont делает его по-настоящему «умным», беря на себя всю логику интеграции. Вам не нужно писать код вручную — достаточно описать задачу в чате. MQTT подойдёт для постоянного потока данных, HTTP API — для точечных команд. Оба способа работают с задержкой менее 2 секунд и экономят до 70% времени на рутинных задачах.

Попробуйте интеграцию Orange Pi с ASI Biont прямо сейчас на asibiont.com. Подключите свой первый датчик за 5 минут — без панелей управления и сложных настроек, только чат с AI.