TECH 으로 돌아가기
TECH HACKER NEWS 9분 읽기 69 READS

상추 한 포기에 60유로: 에이전트에게 텃밭을 맡긴 실험

상추 한 포기에 60유로: 에이전트에게 텃밭을 맡긴 실험
SOURCE IMAGE · HACKER NEWS

한 데이터 엔지니어가 집 한쪽의 2제곱미터 남짓한 텃밭을 두고 벌인 실험 기록이 화제다. 양배추, 브로콜리, 상추, 시금치 같은 겨울 채소를 심은 좁은 화단에 센서 열한 개와 카메라, 낡은 휴대폰, 그리고 물주기를 결정하는 AI 에이전트를 붙인 이야기다. 작성자는 이를 '중년의 위기' 같은 것이라고 농담했지만, 그 과정에서 드러나는 기술적 선택들은 산업 현장의 데이터 인프라 고민과 놀랄 만큼 닮아 있다. 잘 돼야 40유로어치 채소가 나올 텃밭에 센서값으로만 약 300유로를 쓴 끝에, 그는 스스로를 '60유로짜리 상추' 단계라고 불렀다.

공장보다 촘촘하게 계측된 텃밭

시작은 단순한 질문이었다. 채소밭에 물이 실제로 얼마나 필요한가. '이틀에 10분' 같은 일반적인 일정 대신 토양 수분을 직접 재보기로 하면서, 토양 수분 센서가 잎 젖음 센서로, 다시 기온·강우·일사·풍속 센서로 번져 나갔다. 그는 Ecowitt 제품을 골랐는데, 배터리로 작동하고 게이트웨이에 무선으로 붙는 저가 센서라 설치가 쉬웠다고 설명한다. 현재는 토양 프로브 8개, 기상 스테이션, 잎 젖음 센서, 게이트웨이 내장 센서까지 열한 개가 돌아간다. 작성자의 표현을 빌리면 '많은 공장이 생산 라인을 재는 것보다 더 잘 내 텃밭을 잴 수 있게 된' 셈이다.

여기에 지도 애호가 기질이 더해졌다. 그는 각 토양 프로브와 스프링클러, 밸브 박스, 기상 스테이션, 카메라의 위치를 Google Earth에 찍어 좌표를 garden.sensor_placements 테이블에 측정값과 나란히 넣었다. 덕분에 'ch6 프로브가 지금 뭘 하고 있나'가 아니라 '잔디밭 북서쪽 구석은 왜 늘 더 축축한가', '화단의 어느 끝이 가장 빨리 마르는가' 같은 공간적 질문을 던질 수 있게 됐다. 모든 측정값에 실제 위치가 붙으면서 에이전트가 시간뿐 아니라 공간으로도 텃밭을 추론할 토대가 생긴 것이다.

대시보드 대신 레이크하우스

문제는 이 데이터가 Ecowitt 앱 안에 갇혀 최신값만 보여준다는 점이었다. 에이전트가 과거 이력을 질의하려면 데이터가 영구적으로 쌓이는 공간이 필요했다. 그래서 등장한 것이 그가 직접 만든 LakehouseBox다. 초기 버전은 Cloudflare R2의 Iceberg 테이블, 테이블마다의 파이프라인, 기상 스테이션 수신용 소형 프로그램, 카메라 업로드 중계용 구글 클라우드 가상머신 등으로 구성됐는데, 텃밭 하나치고는 조각이 너무 많았다. 그가 원한 것은 데이터베이스 서버나 창고를 따로 세우지 않고 에이전트에게 접근 권한만 넘기면 되는 작은 레이크하우스였고, 유럽 인프라 위에서 돌아가는 '주권적(sovereign)' 운영을 고집했다.

핵심 장치는 '디바이스 싱크'다. 각 POST 요청을 테이블의 행으로 바꿔주는 비공개 주소로, Ecowitt 게이트웨이가 원하는 서버로 측정값을 직접 보낼 수 있다는 점을 활용했다. 에이전트가 만들어준 주소를 앱에 붙여넣자 토양 수분부터 전도도, 강우, 풍속, 일사까지 Apache Iceberg 테이블로 바로 쌓이기 시작했다. 게이트웨이는 한 번에 62행을 보내는데, 프로브 4개를 추가해도 바꿀 것이 없었다. 새 채널이 알아서 도착했다. 9월 18일 이후 400만 건이 넘는 측정값이 모였고, '오늘 아침 물주기가 흙까지 닿았나' 같은 질문은 같은 테이블에 대한 SQL 질의로 바뀐다. 실제로 어느 아침 한 프로브는 29%에서 72%로 뛰었지만 유독 마른 구석인 soil-ch5만 반응이 없었다. SQL은 그가 아니라 에이전트가 쓴다.

센서가 못 보는 것, 그리고 에이전트를 고치는 법

숫자는 흙이 31%라고 알려줄 뿐 브로콜리 한 포기가 쓰러졌다는 사실은 말해주지 않는다. 그래서 하루에 수십 번 화단 전체를 찍는 Reolink 보안 카메라를 붙였는데, 이 카메라는 Iceberg도 S3도 모르고 FTP만 안다. 그는 억지로 라즈베리파이를 두는 대신 카메라가 FTPS로 직접 올릴 수 있는 쓰기 전용 드롭박스를 카탈로그에 추가하고, 모든 이미지를 촬영 시각·파일명·크기·해상도와 함께 garden.images 테이블에 자동 색인했다. 카메라, 스캐너, 산업 장비 상당수가 여전히 FTP로 쓸 만한 데이터를 뱉지만 S3 API는 전혀 모른다는 현실을 정면으로 받아들인 선택이다.

흥미로운 건 실패를 다룬 방식이다. 잎에 구멍이 생겨 달팽이를 의심했지만 카메라 기록에는 아무것도 잡히지 않았다. 잎의 작은 구멍은 전체 화면에서 몇 픽셀에 불과했기 때문이다. 그는 휴대폰으로 근접 촬영한 사진을 에이전트에 넘겼고, 에이전트는 잎 뒷면에서 애벌레 배설물(frass)을 짚어내 진단을 바꿨다. 교훈은 명확하다. 카메라를 가진 것과 에이전트에게 문제의 올바른 시야를 주는 것은 다르다. 이후 그는 전체 프레임뿐 아니라 고해상도 크롭을 따로 검사해 구멍·갉힌 가장자리·배설물·알·진딧물·민달팽이 흔적·황화·곰팡이를 명시적으로 살피고, 손상은 상태가 아니라 '속도'이므로 전날 이미지와 비교하도록 지시를 고쳤다. 새 애플리케이션을 짓는 대신 에이전트의 지시와 도구를 개선하면 이튿날 아침 같은 루틴이 새 문제를 찾아낸다는 점이 이 구성의 핵심이다.

실무자가 눈여겨볼 지점과 한계

물주기 판단은 현재 상태만이 아니라 앞으로의 날씨에도 달려 있다. 그는 매일 05:30 UTC에 DuckDB 질의 하나로 Open-Meteo 공개 예보(과거 7일, 향후 7일의 강우·기온·증발산)를 읽어 garden.forecast_daily에 커밋하는 스케줄 SQL 싱크를 만들었고, 예보가 발표된 시각까지 남겨 예보가 어떻게 바뀌었는지도 추적한다. 별도 크론 머신이나 ETL 서비스 없이 '필요할 때 내일 날씨가 거기 있게' 한 것이다. 마지막으로는 LakehouseBox 안에 호스팅 에이전트(현재 프리뷰) garden_morning을 등록해, 아침 물주기 직후인 08:45에 지난 하루를 비교하고 물주기 반응과 예보를 살펴 '무슨 일이 있었고, 무엇을 바꿔야 하며, 왜 그런지'를 커피 마시며 읽을 길이로 보내도록 예약했다.

이 사례가 주는 실무적 시사점은 분명하다. 이기종 장비(무선 센서, FTP 카메라)에서 나오는 데이터를 중간 서비스 없이 한곳에 누적하고, 대시보드가 아니라 자연어 질의와 에이전트의 행동으로 소비한다는 발상은 소규모 IoT나 운영 데이터 파이프라인에 그대로 옮길 만하다. 다만 한계도 솔직하게 드러난다. 400만 건의 측정값과 4K 영상도 잎 뒷면의 애벌레는 놓쳤고, 결정적 진단은 사람이 찍은 근접 사진에서 나왔다. 센서 300유로를 들여 40유로어치 채소를 노리는 비용 구조 역시 이 프로젝트가 생산성보다 학습과 실험을 위한 것임을 스스로 인정한다. 계측과 자동화의 밀도를 높인다고 통찰이 자동으로 따라오지는 않으며, 결국 에이전트에게 무엇을, 어떤 시야로 보게 하느냐가 성패를 가른다는 점이 이 작은 텃밭이 남긴 가장 값진 데이터일지도 모른다.

SOURCE · HACKER NEWS
원문 전체 보기 → https://jatorre.github.io/garden/
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...