Este proyecto es un ejemplo práctico de cómo construir un sistema multiagente utilizando Google ADK (Agent Development Kit) y herramientas personalizadas en Python. El objetivo es simular un flujo de trabajo de e-commerce donde diferentes agentes colaboran para gestionar productos, carrito de compras y cálculos matemáticos, integrando lógica de negocio y capacidades de IA generativa.

Una modificación del código de Carlos Alarcón para hacer de este un código más dinámico, encontrando diferentes problemas como la realización de los cálculos del agente a través del Chat

• Multiagente por diseño:
  El sistema cuenta con agentes especializados (por ejemplo, agente de e-commerce y agente calculadora) que colaboran entre sí.
• Herramientas Python integradas:
  Todas las operaciones matemáticas y de negocio (sumas, porcentajes, gestión de carrito, búsqueda de productos) se realizan mediante funciones Python, garantizando precisión y control.
• Orquestación flexible:
  Los agentes pueden delegar tareas entre sí y utilizar herramientas según el contexto de la conversación.
• Interfaz conversacional:
  Incluye una interfaz de chat (Gradio) donde el usuario puede interactuar con el sistema de manera natural.
• Uso de modelos LLM:
  El sistema puede trabajar tanto con modelos de Google Gemini como con modelos de OpenAI, según la configuración.

• ejercicio_clase_2.ipynb: Notebook principal con todo el código, definición de agentes, herramientas y la interfaz de chat.
• requirements.txt: Dependencias necesarias para ejecutar el proyecto.
• .env.example: Ejemplo de archivo de variables de entorno para claves API.
• README.md: Este archivo.

1. Clona el repositorio o descarga los archivos.
2. Instala las dependencias:

   pip install -r requirements.txt

3. Configura tus claves API
   Crea un archivo .env en la raíz del proyecto y añade tus claves:

   OPENAI_API_KEY=tu_clave_openai
   GEMINI_API_KEY=tu_clave_gemini
   

Abre el notebook ejercicio_clase_2.ipynb en VS Code o Jupyter y ejecuta las celdas.
Al final, se lanzará una interfaz de chat donde puedes interactuar con el sistema.

• Buscar productos:
  “¿Tienes mesas blancas de comedor?”
• Agregar al carrito:
  “Añade 2 sillas de comedor gris al carrito.”
• Cálculos matemáticos:
  “¿Cuánto es el 15% de 200?”
  “¿Cuál es el precio total del carrito?”

El sistema usará siempre las funciones Python para los cálculos, garantizando respuestas correctas y fiables.

Ejercicio desarrollado para la clase de MCP (Multiagent Conversational Programming).
Autor: Javi Lázaro email: [email protected]