Обычно путь к простому вопросу о датчиках выглядит длиннее, чем хотелось бы: SQL-запрос, выгрузка логов в CSV, скрипт на Python, график и ручная проверка результата.

В этой статье я собираю стенд, где часть этой работы можно поручить LLM-агенту. Инженер пишет: «Покажи максимальную температуру за три дня и нарисуй график», а модель сама формирует запрос к TimescaleDB через MCP-сервер.

Под капотом остаются вполне обычные инструменты: MQTT Mosquitto, Telegraf, TimescaleDB, Ubuntu и небольшой сервер на Go. Покажу, как связать их в одну цепочку и ограничить доступ модели только чтением данных.

Это не замена SCADA и не готовая промышленная система управления. Здесь именно стенд и интерфейс для работы с телеметрией. Результаты всё равно нужно проверять, особенно перед использованием в боевых процессах.

Cursor или его аналоги, здорово облегчают написание кода, когда речь идет о каких‑то не очень больших проектах. Но стоит попробовать применить их к серьезному, сложному проекту, состоящему из нескольких репозиториев, и тут же сталкиваешься с тем, что эти «чудеса» оборачиваются просто огромными счетами за токены. Я в этой статье поделюсь, как мне удалось перестать впустую сжигать миллионы токенов. Для этого пришлось собрать и запустить три MCP‑сервера по протоколу Model Context Protocol, что позволило сэкономить до 90% бюджета, при этом совершенно не потеряв в эффективности модели при работе с кодом.