Разговариваем с датчиками на человеческом: как связать MQTT, TimescaleDB и LLM через Model Context Protocol (MCP)

В сфере искусственного интеллекта произошло заметное событие. vpomo 10 минут назад Разговариваем с датчиками на человеческом: как связать MQTT, TimescaleDB и LLM через Model Context Protocol (MCP) Средний 10 мин 238 Искусственный интеллект Промышленное программирование * Анализ и проектирование систем * Умный дом Управление проектами * Туториал Любой, кто когда-либо работал на фабрике или в автоматизированных коммерческих помещениях, хорошо знаком с этой болью: данные датчиков занимают гигабайты, но чтобы извлечь из них хоть какую-то пользу, нужно пройти семь кругов ада. Надо писать SQL-запросы, загружать данные в CSV, переводить на Python, составлять графики в Excel, внимательно просматривать и искать аномалии… Что делать, если вам нужно быстро понять, почему влажность подскочила в три часа ночи в прошлый вторник? Инженер тратит на это полдня.

У завода есть данные, а современные большие языковые модели (LLM) обладают отличными аналитическими “мозгами”. Но долгое время они не понимали друг друга. Передавать терабайты необработанных логов напрямую в контекст нейронной сети дорого и бессмысленно.

Технические детали

Решение появилось недавно, и называется оно Model Context Protocol (MCP). Это открытый стандарт, разработанный компанией Anthropic (и активно поддерживаемый Google, Microsoft и другими гигантами), который позволяет LLM безопасно и стандартизированно вызывать “инструменты” во внешнем мире. В нашем случае таким инструментом будет доступ к базе данных в режиме реального времени.

Давайте изменим привычный порядок вещей. Вместо скучной теории я сначала покажу вам, как это работает на практике, а затем мы шаг за шагом разберемся, как сделать этот мост своими руками. Как это выглядит для инженера (Демо)Представьте, что на объекте стоят два датчика, которые измеряют температуру и влажность.

Данные с них непрерывно пишутся в базу. Вместо написания скриптов дежурный инженер просто открывает чат с AI-ассистентом (это может быть Claude, OpenCode или любой клиент с поддержкой MCP) и пишет обычным текстом:Инженер: «Посмотри показания датчиков с температурой и влажностью и покажи максимальные и минимальные значения за 3 дня». Нейросеть сама понимает, что для этого нужно сделать SQL-запрос к TimescaleDB, вызывает наш MCP-инструмент, получает сжатый ответ и выдает аккуратную сводку:Максимальные и минимальные значения датчиковИнженер: «Нарисуй гистограмму изменений температуры».

Отраслевые последствия

Ассистент мгновенно строит наглядный график прямо в интерфейсе чата:Гистограмма изменений температурыАналогично по влажности с нужным шагом:Инженер: «Нарисуй гистограмму изменений влажности с шагом в 10 минут». Гистограмма изменений влажностиИ, наконец, сложная аналитика, на которую у человека ушло бы много времени:Инженер: «Проанализируй корреляцию при изменении значений температуры и влажности по времени». Корреляция при изменении значений температуры и влажностиAI-инженер работает безупречно: он неутомим, бесстрастен и очень быстр.

За секунды он просеивает миллионы точек телеметрии и выдает готовые выводы. Хотите себе такой же инструмент?

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.