Chat inteligente para cafeterías con backend en FastAPI, frontend en Next.js 15, arquitectura hexagonal simplificada, y múltiples modelos de IA (Gemini, OpenAI, Claude, DeepSeek, LangChain, ReAct).

• Backend: FastAPI con adaptadores de IA y ciclo ReAct
• Frontend: Next.js 15 con TypeScript y Tailwind CSS
• Base de Conocimiento: Markdown en /knowledge/
• Orquestación: MCP (Model Context Protocol) con tools de consulta

• Python 3.9 o superior
• pip (gestor de paquetes de Python)

1. Navega al directorio del proyecto:

   cd NeoCafeIA

2. Crea un entorno virtual:

   python -m venv venv

3. Activa el entorno virtual:

   • En Windows:

     venv\Scripts\activate

   • En macOS/Linux:

     source venv/bin/activate

4. Instala las dependencias:

   pip install -r requirements.txt

5. Crea un archivo .env basado en el template:

   cp .env.example .env

6. Edita el archivo .env y añade tus API keys:

   GOOGLE_API_KEY=tu_clave_real_de_google_gemini
   OPENAI_API_KEY=tu_clave_real_de_openai
   ANTHROPIC_API_KEY=tu_clave_real_de_claude
   DEEPSEEK_API_KEY=tu_clave_real_de_deepseek

7. Inicia el servidor:

   uvicorn app:app --reload

• Node.js 20+ (recomendado)
• npm o yarn

1. Navega al directorio del frontend:

   cd frontend

2. Instala las dependencias:

   npm install
   # o
   yarn install

3. Crea archivo .env.local:

   cp .env.example .env.local

4. Inicia el servidor de desarrollo:

   npm run dev
   # o
   yarn dev

5. Accede a:

   • Frontend: http://localhost:3000
   • Backend: http://localhost:8000
   • API Docs: http://localhost:8000/docs

   
   **⚠️ Importante:** Nunca subas el archivo `.env` al repositorio. Está incluido en `.gitignore` para mantener tus claves seguras.
   
   

1. Inicia el servidor FastAPI:

   uvicorn app:app --reload

2. Accede a la aplicación:

   • Chat Web: http://localhost:8000/app
   • Landing y Stitch UI: http://localhost:8000/stitch-ui
   • Documentación API: http://localhost:8000/docs
   • Health Check: http://localhost:8000/health

NeoCafeIA/
├── app.py                 # Entrypoint de la aplicación FastAPI
├── README.md              # Este archivo
├── SECURITY.md            # Política de seguridad del proyecto
├── .env.example           # Template de variables de entorno
├── .gitignore             # Archivos a ignorar en git
├── requirements.txt       # Dependencias del proyecto
├── servidor_mcp.py        # Servidor MCP para herramientas y consultas
├── knowledge/             # Base de conocimiento
│   ├── bebidas.md
│   ├── granos.md
│   ├── menu.md
│   ├── negocio.md
│   ├── postres.md
│   ├── promociones.md
│   └── recomendaciones.md
├── rules/                 # Reglas de comportamiento
│   └── comportamiento.md
├── skills/                # Habilidades del asistente
│   └── asistente-cafeteria.md
├── system_prompt/         # Instrucciones del sistema (IA)
│   └── asistente.md
├── src/                   # Código fuente
│   ├── domain/
│   │   └── schemas.py
│   ├── services/
│   │   └── chat_service.py
│   └── infrastructure/
│       ├── model_factory.py
│       ├── gemini_adapter.py
│       ├── openai_adapter.py
│       ├── claude_adapter.py
│       ├── deepseek_adapter.py
│       ├── langchain_adapter.py
│       ├── context_loader.py
│       └── web_frontend.py
├── static/                # Frontend estático
│   └── stitch-ui/

• Gemini 2.5 Flash (Recomendado - Gratuito)
• OpenAI (GPT-4o Mini)
• Claude (Anthropic)
• DeepSeek (DeepSeek Chat)
• LangChain + Gemini (Cadena LangChain)

NeoCafeIA incluye un servidor MCP para integración avanzada con herramientas de IA.

• Búsqueda de bebidas — Información detallada de cada bebida del menú
• Listado de menú completo — Bebidas, postres y promociones
• Recomendaciones personalizadas — Basadas en preferencias del usuario
• Consulta de granos — Información de granos de café disponibles
• Verificación de promociones — Promociones activas del día

python servidor_mcp.py

El servidor expone herramientas que pueden ser utilizadas por clientes MCP para consultas especializadas sobre el catálogo de NeoCafeía.

Verifica el estado del servidor.

Respuesta:

{
  "status": "ok"
}

Devuelve la interfaz web interactiva del chat.

Envía un mensaje y obtiene una respuesta del chatbot.

Request:

{
  "pregunta": "¿Qué bebidas tienen?",
  "provider": "gemini",
  "historial": []
}

Response:

{
  "respuesta": "En Selecto Granos tenemos...",
  "provider": "gemini",
  "tokens_usados": null
}

1. Accede a http://localhost:8000/app
2. Selecciona el proveedor de IA en el dropdown
3. Escribe tu pregunta en el campo de texto
4. Presiona "Enviar" o Enter
5. Recibe la respuesta del chatbot

Edita el archivo system_prompt/asistente.md para cambiar las instrucciones base.

Añade reglas adicionales en rules/comportamiento.md.

Modifica o crea nuevos archivos .md en la carpeta knowledge/.

1. Crea un nuevo archivo src/infrastructure/nuevo_adapter.py
2. Implementa la clase heredando de IModelAdapter
3. Añade el adaptador al AIModelFactory en src/infrastructure/model_factory.py
4. Agrega el proveedor al enum AIProvider en src/domain/schemas.py

Asegúrate de haber ejecutado:

pip install -r requirements.txt

Verifica que el archivo .env existe y contiene la clave API:

GOOGLE_API_KEY=tu_clave_aqui

Intenta limpiar el caché:

pip cache purge
pip install -r requirements.txt --no-cache-dir

1. Sube el proyecto a un repositorio de GitHub
2. Conecta tu repositorio en Vercel
3. Configura las variables de entorno en el dashboard
4. Despliega automáticamente

Para más información: Documentación de Vercel

Este proyecto está disponible bajo la licencia MIT.

Las contribuciones son bienvenidas. Por favor, abre un issue o envía un pull request.

¡Disfruta tu chatbot de cafetería! ☕