STMicroelectronics tuo tekoälyagentit osaksi STM32-mikro-ohjainten ohjelmistokehitystä. Uusi STM32Cube for Agentic AI yhdistää tekoälyagentit ST kehitystyökaluihin, dokumentaatioon ja referenssikoodiin. Yhtiön oman testin mukaan ratkaisu voi vähentää tekoälyn käyttämien tokenien määrää jopa 80 prosenttia.
Tekoälyavusteinen ohjelmointi on yleistynyt nopeasti, mutta sulautettujen järjestelmien kehityksessä yleiskäyttöisten tekoälymallien osaaminen ei aina riitä. Mikro-ohjainten ohjelmointi edellyttää tarkkaa tietoa laitteiston ominaisuuksista, oheispiireistä, muistirajoituksista ja valmistajakohtaisista ohjelmistorajapinnoista.
STMicroelectronics pyrkii ratkaisemaan ongelman uudella STM32Cube for Agentic AI -ympäristöllä. Sen tarkoituksena on antaa tekoälyagenteille suora pääsy STM32-ekosysteemin tekniseen tietoon ja kehitystyökaluihin. Näin agentti voi paitsi ehdottaa ohjelmakoodia myös hyödyntää valmistajan omia työkaluja sen toteuttamisessa ja tarkistamisessa.
Ratkaisu perustuu muun muassa MCP-palvelimiin (Model Context Protocol), joiden kautta tekoälyagentit voivat käyttää STM32Cube-työkaluja standardoidun rajapinnan avulla. Lisäksi ST tarjoaa agenteille tehtäväkohtaisia ohjeita ja dokumentaatiosta haettavaa teknistä tietoa. Tavoitteena on vähentää tekoälyn virheellisiä vastauksia ja varmistaa, että tuotettu koodi perustuu oikeisiin laitteistotietoihin.
Agentit voivat esimerkiksi konfiguroida mikro-ohjaimen STM32CubeMX2-työkalun avulla, hyödyntää ST referenssikoodia sekä tarkistaa ohjelmakoodin rajapintojen oikeellisuuden. Errata Hunter -toiminto auttaa tunnistamaan tunnettuja piirikohtaisia virheitä ja niiden edellyttämiä ohjelmistokorjauksia.
Kehitysympäristö tukee myös automaattisia työnkulkuja, joissa tekoälyagentti voi käynnistää ohjelman kääntämisen, siirtää sen kohdelaitteeseen ja osallistua virheenjäljitykseen. Kehittäjä säilyttää kuitenkin mahdollisuuden ohjata ja tarkistaa agentin toimintaa.
ST esittelee ratkaisun hyötyjä testillä, jossa tekoälyagentin tehtävänä oli toteuttaa STM32C5-kehityskortille sovellus, joka mittaa lämpötilaa AD-muuntimella, lähettää mittaustiedot sarjaliikenteen kautta ja ohjaa merkkivaloa. Sovellukseen kuului myös painikkeella toteutettu mittaustiedon lähetyksen pysäytys ja jatkaminen sekä tunnettujen piirivirheiden huomioiminen.
ST mittauksen mukaan Copilot kulutti tässä tehtävässä noin 80 prosenttia vähemmän tokeneita, kun käytössä oli STM32Cube for Agentic AI. Tulos perustuu yhtiön omaan testiin, eikä se sellaisenaan osoita vastaavaa säästöä kaikissa kehitysprojekteissa.
STM32Cube for Agentic AI ei ole sidottu yhteen tekoälymalliin tai ohjelmointiympäristöön. Ensimmäinen beetaversio tukee STM32C5-mikro-ohjaimia sekä Copilot-, Claude- ja Cursor-ympäristöjä. Marraskuun 10. päivänä tukea on tarkoitus laajentaa STM32G5- ja STM32H7P-sarjoihin sekä TRAE-kehitysympäristöön. Lisää STM32-sarjoja on määrä tuoda mukaan vuoden 2027 ensimmäisellä neljänneksellä.
Uusi ratkaisu täydentää ST STM32 Sidekick -tekoälyavustajaa, joka vastaa kehittäjien teknisiin kysymyksiin STM32-dokumentaation perusteella. STM32Cube for Agentic AI ei enää pelkästään neuvo ohjelmoijaa, vaan voi myös käyttää kehitystyökaluja ja suorittaa osan ohjelmistokehityksen työvaiheista.
5G-yhteyden rakentamiseen ei välttämättä tarvita matkapuhelinoperaattoria, SIM-kortteja eikä lisensoitua radiotaajuutta. DECT NR+ tuo 5G-standardin ominaisuuksia paikallisiin IoT-verkkoihin, joissa tarvitaan pitkää kantamaa, pientä viivettä ja luotettavaa tiedonsiirtoa. Uusi tekniikka yhdistää itsestään järjestäytyvän mesh-verkon, energiatehokkuuden ja nopean tiedonsiirron tavalla, joka haastaa monet nykyiset langattomat ratkaisut.