Пошаговое руководство по интеграции Environmental sensors с AI-агентом ASI Biont: мониторинг климата, Telegram-триггеры и автоматизация умного здания

Введение

Environmental sensors — это класс устройств, измеряющих параметры окружающей среды: температуру, влажность, давление, концентрацию CO₂. BME280, SHT30, MH-Z19 — лишь несколько популярных датчиков, которые можно встретить в системах умного дома, теплицах, серверных и офисах. Однако сами по себе датчики — это только сырые данные. Чтобы превратить их в реальные действия, нужен интеллектуальный центр принятия решений. ASI Biont — AI-агент, который подключается к таким датчикам напрямую, анализирует показания в реальном времени и автоматически запускает сценарии: отправляет уведомления в Telegram, корректирует климат-контроль, ведёт историю и прогнозирует аварии. В этой статье разберём, как именно работает интеграция Environmental sensors с ASI Biont, какие способы подключения доступны и как настроить автоматизацию без единой строки кода со стороны пользователя.

Что такое Environmental sensors и зачем их подключать к AI-агенту

Environmental sensors — это датчики, которые измеряют физические параметры среды: температура, относительная влажность, атмосферное давление, уровень CO₂, иногда — освещённость, шум, качество воздуха (PM2.5). Они используются в системах HVAC (отопление, вентиляция, кондиционирование), в теплицах, на складах, в музеях, серверных и жилых помещениях. Подключение таких датчиков к AI-агенту позволяет:
- Автоматически выявлять аномалии: резкий скачок температуры, падение влажности, превышение CO₂.
- Отправлять уведомления в Telegram, email или Slack при выходе за заданные пороги.
- Прогнозировать тренды: AI анализирует исторические данные и предсказывает, когда температура достигнет критической отметки.
- Управлять исполнительными устройствами: включать вентиляцию, увлажнитель, кондиционер через реле, умные розетки или Modbus-контроллеры.

ASI Biont делает это без промежуточных панелей управления: пользователь просто описывает в чате задачу, и AI сам пишет код интеграции, подключается к датчику и начинает сбор данных.

Как ASI Biont подключается к Environmental sensors: все доступные способы

ASI Biont поддерживает 14 протоколов и способов подключения к устройствам. Для Environmental sensors наиболее актуальны:

В этой статье мы сосредоточимся на двух самых популярных сценариях: ESP32 + BME280 по MQTT и Arduino + SHT30 через Hardware Bridge. Оба подходят для быстрого старта и не требуют сложного оборудования.

Сценарий 1: ESP32 + BME280 + ASI Biont через MQTT

Этот сценарий идеален для удалённого мониторинга: ESP32 с датчиком BME280 (температура, влажность, давление) отправляет данные на MQTT-брокер (например, Mosquitto, HiveMQ Cloud). ASI Biont подключается к тому же брокеру, подписывается на топик датчика и анализирует данные.

Шаг 1. Настройка ESP32

Прошиваем ESP32 скетчем, который публикует показания BME280 в топик sensors/bme280 раз в 30 секунд. Пример на MicroPython:

import network
import time
import ujson
from machine import Pin, I2C
import bme280
from umqtt.simple import MQTTClient

# Wi-Fi
wlan = network.WLAN(network.STA_IF)
wlan.active(True)
wlan.connect('SSID', 'PASSWORD')

# I2C
i2c = I2C(scl=Pin(22), sda=Pin(21))
bme = bme280.BME280(i2c=i2c)

# MQTT
client = MQTTClient('esp32_bme', 'test.mosquitto.org', port=1883)
client.connect()

while True:
    temp, press, hum = bme.read_compensated_data()
    payload = ujson.dumps({
        "temperature": round(temp / 100, 1),
        "humidity": round(hum / 1024, 1),
        "pressure": round(press / 256 / 100, 1)
    })
    client.publish(b'sensors/bme280', payload.encode())
    time.sleep(30)

Шаг 2. Подключение ASI Biont к MQTT-брокеру

Пользователь пишет в чат ASI Biont:

«Подключись к MQTT-брокеру test.mosquitto.org, подпишись на топик sensors/bme280, читай показания температуры, влажности и давления. Если температура превышает 30°C или влажность падает ниже 40%, отправь мне уведомление в Telegram. Мой Telegram chat_id — 123456789, токен бота — 123:ABC»

AI генерирует и выполняет Python-скрипт в sandbox (execute_python), используя библиотеку paho-mqtt:

import paho.mqtt.client as mqtt
import json
import requests

TELEGRAM_TOKEN = "123:ABC"
CHAT_ID = "123456789"

def on_message(client, userdata, msg):
    data = json.loads(msg.payload)
    temp = data.get("temperature")
    hum = data.get("humidity")
    alerts = []
    if temp and temp > 30:
        alerts.append(f"Температура {temp}°C превышает 30°C")
    if hum and hum < 40:
        alerts.append(f"Влажность {hum}% ниже 40%")
    if alerts:
        text = "⚠️ Тревога!\n" + "\n".join(alerts)
        requests.post(f"https://api.telegram.org/bot{TELEGRAM_TOKEN}/sendMessage",
                      json={"chat_id": CHAT_ID, "text": text})

client = mqtt.Client()
client.on_message = on_message
client.connect("test.mosquitto.org", 1883, 60)
client.subscribe("sensors/bme280")
client.loop_forever()

Шаг 3. Результат

AI начинает получать данные с датчика. При каждом превышении порога в Telegram приходит сообщение. Пользователь может в любой момент попросить AI показать график температуры за последние сутки — AI сгенерирует его с помощью matplotlib и отправит в чат.

Сценарий 2: Arduino + SHT30 + ASI Biont через Hardware Bridge

Если датчик подключён к компьютеру через USB (Arduino, ESP32 в режиме UART), используется Hardware Bridge — программа bridge.py, которая запускается на ПК пользователя и соединяется с ASI Biont через WebSocket.

Шаг 1. Запуск bridge.py

Пользователь скачивает bridge.py из дашборда ASI Biont (Devices → Create API Key → Скачать bridge) и запускает:

python bridge.py --token=ВАШ_ТОКЕН --ports=COM3 --default-baud=115200 --rate=10

Шаг 2. Запрос в чате

Пользователь пишет:

«Подключись к Arduino на COM3, скорость 115200. Читай данные с датчика SHT30 (температура и влажность). Если температура выше 28°C или влажность выше 70%, отправь мне email на user@example.com через SendGrid (API-ключ: SG.XXXX). Также пришли мне первый замер в чат»

AI использует industrial_command tool для чтения данных с порта:

industrial_command(
    protocol='serial://COM3',
    command='read',
    params={'baud': 115200, 'timeout': 5}
)

AI получает строку вида Temp: 25.3C Hum: 55.2%, парсит её и выполняет логику. Для отправки email используется библиотека sendgrid:

import sendgrid
from sendgrid.helpers.mail import Mail

sg = sendgrid.SendGridAPIClient(api_key='SG.XXXX')
message = Mail(
    from_email='alerts@asibiont.com',
    to_emails='user@example.com',
    subject='Тревога по климату',
    html_content='<strong>Температура превысила 28°C</strong>')
sg.send(message)

Шаг 3. Автоматизация

AI продолжает мониторинг: каждые 10 секунд читает данные с COM-порта, сравнивает с порогами и отправляет уведомления. Пользователь может попросить: «Записывай все данные в CSV-файл и раз в день отправляй мне отчёт на email» — AI сделает это без дополнительных настроек.

Сценарий 3: MH-Z19 (CO₂) на Raspberry Pi + ASI Biont через SSH

Датчик CO₂ MH-Z19 подключается к Raspberry Pi по UART. ASI Biont подключается к Raspberry Pi по SSH и запускает Python-скрипт сбора данных.

Шаг 1. Подготовка Raspberry Pi

На Raspberry Pi установлена библиотека для работы с MH-Z19:

pip install mh-z19

Шаг 2. Запрос в чате

Пользователь:

«Подключись по SSH к raspberrypi.local (логин: pi, пароль: raspberry). Запусти скрипт, который каждые 60 секунд читает показания CO₂ с датчика MH-Z19. Если CO₂ превышает 1000 ppm, отправь мне уведомление в Telegram. Также сохраняй данные в SQLite-базу на Raspberry Pi»

AI генерирует скрипт с paramiko и выполняет его через execute_python:

import paramiko
import time
import json

ssh = paramiko.SSHClient()
ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy())
ssh.connect('raspberrypi.local', username='pi', password='raspberry')

script = '''
import mh_z19
import sqlite3
import time

conn = sqlite3.connect('/home/pi/co2_log.db')
c = conn.cursor()
c.execute('''CREATE TABLE IF NOT EXISTS readings (timestamp TEXT, co2 INTEGER)''')

while True:
    val = mh_z19.read()
    co2 = val['co2']
    print(f"CO2: {co2} ppm")
    c.execute("INSERT INTO readings VALUES (datetime('now'), ?)", (co2,))
    conn.commit()
    time.sleep(60)
'''

stdin, stdout, stderr = ssh.exec_command(f"python3 << 'EOF'\n{script}\nEOF")
print(stdout.read().decode())
ssh.close()

AI также настраивает Telegram-уведомления при превышении порога, используя тот же подход, что и в первом сценарии.

Сравнение способов интеграции Environmental sensors с ASI Biont

Почему ASI Biont выгоднее традиционных систем мониторинга

Традиционные системы (Node-RED, Home Assistant, OpenHAB) требуют:
- ручной настройки каждого узла,
- написания правил и сценариев,
- установки и обслуживания сервера,
- знания языков программирования или YAML.

ASI Biont устраняет эти барьеры:
- Нет панелей управления: всё общение через чат.
- AI пишет код: пользователь описывает что нужно, AI создаёт скрипт интеграции за секунды.
- Гибкость: можно подключить любой датчик с любым протоколом — от UART до OPC UA.
- Мгновенные уведомления: Telegram, email, Slack — AI сам выбирает канал.
- История и аналитика: AI может строить графики, выявлять тренды, предсказывать отказы.

Как начать интеграцию Environmental sensors с ASI Biont

1. Выберите датчик и способ подключения (MQTT, Hardware Bridge, SSH, Modbus).
2. Запустите bridge.py (если используете COM-порт) или настройте брокер/шлюз.
3. Напишите в чат ASI Biont задачу: «Подключись к ESP32 на MQTT, читай температуру и влажность с топика sensors/bme280, отправляй в Telegram при превышении 30°C».
4. AI сделает всё остальное: напишет код, выполнит его, настроит мониторинг.
5. Управляйте через диалог: попросите изменить пороги, добавить email-уведомления или построить график.

Заключение

Environmental sensors — это глаза и уши умного здания. Но без AI они остаются просто источниками сырых данных. ASI Biont превращает их в полноценную систему мониторинга и автоматизации: анализирует показания, предсказывает проблемы, отправляет уведомления и управляет климатом. Подключение занимает минуты — достаточно описать задачу в чате, и AI сам напишет код интеграции. Попробуйте сами: перейдите на asibiont.com и начните управлять своим окружением с помощью искусственного интеллекта.