안녕하세요. 또 오랜만입니다.

싸구려 스마트농업 네 번째 글입니다.

1편 - 인삼에 스프링클러 돌리던 이야기 https://www.clien.net/service/board/lecture/18393634

2편 - 자동 물주기 제어상자와 AoT 공개 https://www.clien.net/service/board/lecture/19044907

3편 - 지도랑 노트 붙인 이야기 https://www.clien.net/service/board/lecture/19145274

3편은...진지하게 썼더니 아주 조용히 지나갔습니다. 역시 클량은 재밌어야 하나 봅니다;;

그 글 마지막에 위치랑 노트는 나중에 AI가 쓸 때를 위한 준비라고 적었었는데요.

그 후속이 왔습니다. 이번 영상은 카메라 들고다닐 힘이 없어서 액션캠 촬영분과 스샷이 많습니다.

초간단 요약:

여러 장소의 야외와 시설 관리를 동시에 할 수 있어요.

MCP 연결하면 AI가 많이 도와줘요.

레포 주소는 마지막에 있어요. 

AI한테 농장을 넘겨줬습니다

"오늘 3포장에 물 줘야 할까?"

클로드한테 이렇게 물어보면, 농장 상태를 짧게 요약하고 3-1구역은 괜찮은데 3-2구역은 물이 더 필요하니 자동 물주기를 켤지 물어봅니다.

승인하면...진짜로 물이 나갑니다.

농업용 AI 아닙니다. 평소에 애들 영어, 수학 숙제 검사 시키고, 가정통신문 세 장을 세 줄로 요약시키던, 그 클로드입니다.

그녀석이 3포장 물 사정을 어떻게 알까요?

AoT를 MCP로 연결해 뒀습니다. 클량 회원분들은 이미 강아지 목줄에도 MCP 정도는 달고 계실 테니...긴 설명은 안 하겠습니다.

처음엔 시스템 안에 AI를 넣었는데, 너무 많은 학습을 요구합니다. 만들고 엎고, 만들고 엎고…외부에도 만들어보고, 저렴한 중국 llm 붙여도 보고, 외부 에이전트로 만들어도 보고…그러다가, 싸구려 농업 하는데 api 요금제라니…라는 생각이 번뜩 들어서 MCP로 전환했습니다.

암턴 엔트로픽이 잘 만들어놓은 클로드를 꼬득여서 AoT를 만나게 합니다. 

당연히 첨에는 데이트 비용(토큰)이 많이 들었지만, 여러차례 고쳐서 알뜰하게 만나고 있습니다.

이제는 대답하기 전에 위치, 센서 값, 장치 작동 상태, 재배 계획, 현장에서 남긴 노트와 사진까지 뒤져보고 대답합니다. 

사진을 대충 볼 줄 알았는데, 스쳐 찍힌 온실 장비 제원이나 어떤 라인에 뭐가 물려있는지까지 알려줘서 무서웠습니다.

덕분에 AI가 일반적인 농사 상식이 아니라 지금 그 자리 이야기를 하게 됩니다.

3편에서 노트 쓰는 거 귀찮으실 거라고 했었죠. 네, 귀찮습니다. 이젠 AI랑 대화하다가 니가 정리해…하면 알아서 채워 놓습니다.

센서 값 읽고 장치 켜고 끄는 건 기본이고, 시설 자동 제어 설정 같은 복잡한 것도 매뉴얼이랑 기존 설정을 보면서 만들어줍니다. 새 종자 정보를 인터넷에서 찾아 정리하고, 구획 잡고, 재배 계획까지 세워줍니다.

장기 계획을 수행할 때, 시스템이 길라잡이 역할을 해서 AI가 삐뚫어지지 않도록 교정하게 만들었는데, 아직 더 다듬어야 합니다. - 뒤에서 추가 설명 하겠습니다.

그럼에도 판단은 AI가 하지만 실행은 사람이 승인해야 합니다.

AI가 지 맘대로 밸브 열고 다니면…멀쩡한 밭에 홍수가 날 수도 있습니다.

지도 하나

2d 지도를 3d로 업그레이드하고 현장도 좀 늘었습니다.

김제 콩 농장, 영양 육묘장 온실, 일본 구마모토 산딸기 농장까지. 농장만 있는 것도 아니고 호수 가운데 섬 공원이랑 20km 떨어진 파크골프장 두 곳도 있습니다.

아직 먹고 살려면 이거 몇 배는 늘어나야…

위성사진이 대부분 오래된거라 직접 드론으로 찍은 사진도 깔 수 있게 했습니다.

이전 글에서 일이 년 지나면 어디 달았는지 까먹는다고 했던 그 센서들...이제는 지도에서 찾습니다. 제 기억력은 점점...

센서가 없어도 됩니다

모든 곳에 센서를 달 수는 없습니다. 

지도에 공공 데이터를 겹쳐 본다고 했었는데, 몇 개 더 추가 했습니다. meteo라고 외국서 공부한 좋은 친구 입니다.

지도에서 원하는 곳으로 이동하면 그 위치의 기상청 관측, 위성 강수, 토양, 식생 정보를 불러옵니다. 이 파크골프장에는 센서가 하나도 없습니다.

일본 구마모토 농장은 이렇게 불러온 데이터를 저장해서 온도, 습도, 바람, 일사량까지 처리하고 있습니다.

내년 1월에 센서랑 제어도 추가하기로 했는데, 겨울엔 이불 밖이 무서워서 갈 수 있을지 걱정입니다.

있던 장비 그대로

이 제어반은 10년 다 된 온실용 수동 개폐기입니다. 버리지 않고 릴레이 하나 물려서 제어권만 가져왔습니다.

사람이 손으로 돌리던 스위치가 이제 원격이랑 자동으로 움직입니다.

싸구려 스마트농업의 기본 정신...새로 살 돈으로 대신 아이스크림을 사먹었습니다. 달콤합니다.

무선 통신을 지원하는 요즘 제어반은 그래도 MQTT를 지원해서 그대로 토픽만 주고 받으면 끝!

현장을 다니다보면 원격까지는 어떻게 되는데, 자동제어는 정해진 온도에 창 열고 닫기 정도가 끝이라 많이 아쉽습니다.

AoT에서 온실 자동제어 로직으로 똑똑한 뇌를 장착해 보겠습니다.

목표는 광합성

1편에서는 VPD 하나 보고 스프링클러를 켜고 껐습니다.

이제는 VPD에 CO2, 일사량까지 보고, 창 열고, 차광하고, 보온하고, 가습하는 걸 한꺼번에 판단합니다. 지금 광합성을 막고 있는 게 뭔지 계산해서 여러 장치가 같은 목표로 같이 움직이는 방식입니다. 복잡해 보이지만… 복잡합니다. 제가 만들고도 이게 뭔가 싶은…어찌 만들었냐하면…

이걸 하려고 시설을 3D 모형으로 그대로 만들어 둡니다. 창이 어디에 몇 개 있는지, 어느 쪽을 보는지, 커튼이랑 밸브가 뭘 할 수 있는지까지요. 온실이나 시설들이 3D로 되어있는데 그냥 보려고 만든건 아닙니다. 공간 안의 물리적인 변화까지 처리하고 싶었는데 아직 장치 범위 정하는 수준이라고 했던 게...이겁니다. 

아직은 부피와 환기, 채광(투과율 계산), 열교환 정도의 단순한 연산만 하고있는데, 기회가 된다면 물리엔진을 넣어서 제대로 계산하고 싶다는 욕심도 있습니다. 아마 그 날이 오면 라즈베리파이를 버려야 할지도...

온실 만드는 인터페이스는 이렇습니다. 미대남은 3디를 조금 했던 경험이 있습니다. 그래서 다음 리팩토링 1순위 입니다. 클릭만해서 시설을 만들 수 있게 만들었는데 버튼이나 정보들이 매우 산만합니다. 머리가 터질 것 같아서 일단 덮었습니다. 아직 깔끔하다고 하긴 어렵습니다.

몇 달짜리 계획

작물별로 미리 만들어둔 재배 프로그램이 있습니다. 하나 고르면 시작부터 수확까지 단계별로 지침과 목표가 들어옵니다.

물론 이게 정답은 아닙니다. 품종마다, 지역마다 다 다르니까요. 그래서 기간이랑 지침을 내 농장에 맞게 고쳐 쓰고, 고친 건 다음 작기에 다시 씁니다. 쓰고, 고치고, 다시 쓰다 보면 점점 현지에 맞는 기준이 됩니다. 산업현장에서 많이 쓰는…뭐…뭐…하는 기술이 있다고 합니다. 역시 AI한테 시키면 알아서 인터넷 조사하고 다 만들어 줍니다.

         

현장에서 있었던 일은 그 자리에 노트로 남깁니다. 센서가 못 재는 데이터죠. 

작기 끝나면 클릭 몇 번으로 보고서도 나옵니다. 음…어쩌면 개발보다 보고서 디자인에 신경 쓰다가…내가 지금 뭐하는거지…하고 덮었습니다. 시간나면 더 다듬을 계획입니다.

이런 정보들이 뼈대가 되어 AI가 헛소리 하는걸 방지하려고 만든 가이드입니다. AI는 장기 계획에 취약합니다. 시간이 길어지면 데이터가 증가하고 토큰은 나가고...그래서 특정 장소의 시간 계획과, 단계별 핵심 지침, 목표값을 정해두면 일단 그 데이터를 기반으로 중심을 잡도록 했습니다. 

그래서

영상에 나온 대부분은 출시하자마자 구입했던 M1 맥미니에서 돌아가고 있습니다. 조금 느리지만 라즈베리파이에서도 돌아갑니다. 요즘 같은 시대에 RPI는 40핀 있다는것 말고는 크게 추천드리긴 어렵네요.

데스크탑, 태블릿, 폰에서 다 열리고, 23개 언어로 번역해뒀습니다.

2편에서 한국어 번역이 너무 안타까워서 거의 새로 했다고 했었는데...어쩌다 보니 한국어 포함 23개가 됐습니다. 이게 글인지 그림인지도 구분하지 못하지만 AI가 맞다니까 그런가보다...하고 있습니다.

코드가 투박하고 부끄럽다고 했었는데...그건 아직 여전합니다.

그래도 AI 성능이 정말 엄청 발전해서 진정한 대딸깍 시대가 오긴 온 것 같습니다.

처음에는 단순히
“AI로 농장을 제어하면 어떨까?”에서 시작했는데,

막상 해보니 AI보다 먼저 해결해야 할 문제가 있었습니다.

농장 위치를 알려주고,
장치가 어디 있는지 알려주고,
과거 기록과 현재 상태를 연결하고,
그 공간에서 실제로 무슨 일이 벌어지고 있는지 AI가 볼 수 있게 만드는 것.

결국 AI를 농장에 넣는 게 아니라
농장을 AI가 이해할 수 있는 형태로 만드는 일이 먼저였습니다.

결국, 사람과 AI가 같은 정보를 보면서 대화할 수 있는 공간을 만들게 된 것 같습니다.

처음부터 의도한게 아니라, 만들다보니...

저장소 https://github.com/AoT-inc/AoT

사용자 매뉴얼 https://aot-inc.github.io/AoT/ko

AI 연결(MCP) 매뉴얼 https://aot-inc.github.io/AoT/ko/ai/overview/#mcp_1

아직 번거로운 것

영상에 출연한 AI 배우는 클로드입니다. 챗GPT도 연결은 되는데 MCP 연결은 친정이 편하긴 했습니다. 

그리고 AoT MCP 서버를 AI와 연결 하려면 네트워크 쪽 손을 봐야하는데 시스템 권한 밖이라, 이 부분이 제일 난이도가 있겠지만 AI 도움 받으면 어지간히 할 수 있지 않을까 합니다.

사족

2편에서 스마트팜 제조사가 물 주는 결정권을 농가에 넘기는 이유가 책임 때문일 거라고 썼었습니다.

AI를 붙이면서 그 고민을 다시 했는데, 결론은 비슷했습니다. 

AI가 판단은 하되, 버튼은 사람이 누릅니다. 뭐 이것도 시간이 지나면 관성적으로 권한무시 활성화 버튼을 만들지도 모르지만요.

영상의 주배경은 한국농업기술진흥원 입니다.

허락해주신 담당자님 감사합니다.

포스가 여러분과 함께 하시길

미대남 시디우스 생존글