mx-data-api / main.py
Fercor95mx's picture
Update main.py
3995911 verified
Raw History Blame Contribute Delete
16.3 kB
"""
main.py — Fer Private AI · API REST v6.1 · PROXY
mx-data-api Space · Puerto 7860
v6.0: Proxy puro — toda la lógica vive en mx-data-intelligence
Este Space solo hace forward al Space principal.
v6.1 FIX CRÍTICO: el sync de módulos corría en background (threading daemon)
y el servidor aceptaba tráfico ANTES de que terminara de descargar
los módulos nuevos — condición de carrera que servía código viejo
indefinidamente. Ahora el sync es BLOQUEANTE antes de levantar la app.
"""
import os
import requests
import time
from datetime import datetime
from fastapi import FastAPI, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel
# ── Auto-sync módulos desde mx-data-intelligence ANTES de levantar la app ────
def sync_modules_from_brain():
"""
Descarga los módulos del agente desde mx-data-intelligence.
v6.1: Ahora es BLOQUEANTE — se ejecuta y termina ANTES de que
el servidor acepte tráfico. Sin esto, las primeras requests
(y potencialmente todas, si el Space nunca recibe tráfico nuevo
después del sync) usan los módulos viejos indefinidamente.
"""
try:
from huggingface_hub import hf_hub_download
import shutil
HF_TOKEN = os.getenv("HF_TOKEN", "")
BRAIN_REPO = "Fercor95mx/mx-data-intelligence"
MODULES = [
"modules/agent_orchestrator.py",
"modules/agent_tools.py",
"modules/rag_chroma.py",
"modules/semantic_cache.py",
"modules/observability.py",
"modules/critic_loop.py",
"modules/rag_documentos.py",
]
if not HF_TOKEN:
print("[sync] ⚠️ HF_TOKEN no disponible — usando módulos locales existentes")
return
os.makedirs("modules", exist_ok=True)
synced = 0
for module_path in MODULES:
try:
local = hf_hub_download(
repo_id=BRAIN_REPO,
filename=module_path,
repo_type="space",
token=HF_TOKEN,
force_download=True,
)
shutil.copy(local, module_path)
synced += 1
print(f"[sync] ✅ {module_path}")
except Exception as e:
print(f"[sync] ⚠️ {module_path}: {e}")
print(f"[sync] ✅ COMPLETO: {synced}/{len(MODULES)} módulos sincronizados desde {BRAIN_REPO}")
except Exception as e:
print(f"[sync] ❌ Error en sync: {e} — usando módulos locales existentes")
# v6.1 FIX: sync BLOQUEANTE — se completa antes de definir la app y endpoints
print("[sync] Iniciando sincronización de módulos (bloqueante)...")
sync_modules_from_brain()
print("[sync] Sincronización finalizada — levantando servidor")
app = FastAPI(title="Fer Private AI · API Proxy", version="6.1.0")
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_methods=["*"],
allow_headers=["*"],
)
# Space principal — único cerebro del sistema
BRAIN_URL = "https://fercor95mx-mx-data-intelligence.hf.space"
BANXICO_TOKEN = os.getenv("BANXICO_TOKEN", "")
GROQ_API_KEY = os.getenv("GROQ_API_KEY", "")
BANXICO_SERIES = {
"SF43718": "tipo_cambio_usd_mxn",
"SF43783": "tiie_28_dias",
"SF61745": "tasa_objetivo",
"SP74625": "inflacion_ipc",
"SF290383": "reservas_internacionales",
}
# ── Preguntas verificadas — fuente única ──────────────────────────────────────
QUESTIONS = {
"banxico": [
"¿Cuál es el tipo de cambio USD/MXN hoy?",
"¿Cuál es la TIIE a 28 días actualmente?",
"¿Cuál es la tasa objetivo del Banco de México?",
"¿Cuáles son las reservas internacionales de México?",
"¿Cuál es el INPC según Banxico?",
"¿Cuál fue el tipo de cambio promedio en 2025?",
"¿Cuál fue el máximo del tipo de cambio en 2024?",
"¿Cuál fue el mínimo del tipo de cambio en 2025?",
"¿Cuántos recortes de tasa hizo Banxico en 2025?",
"Dame el histórico del tipo de cambio en 2026",
],
"worldbank": [
"¿Cuál es el PIB de México según el World Bank?",
"¿Cuánto creció el PIB de México en 2024?",
"¿Cuáles son las exportaciones de México?",
"¿Cuánto recibió México en remesas en 2024?",
"¿Cuál es la deuda pública de México como % del PIB?",
"¿Cuál es la inflación de México según el World Bank?",
"¿Cuánto representa la deuda externa de México en USD?",
"¿Cuál es el PIB per cápita de México?",
"¿Cuál es el desempleo de México según el World Bank?",
"¿Cuánto importa México anualmente?",
],
"inegi": [
"¿Cuál es el IGAE mensual de México?",
"¿Cuál es la inflación general de México?",
"¿Cuál es la tasa de desocupación de México?",
"¿Cuál es el PIB trimestral de México?",
"¿Cuántas personas trabajan en México?",
"¿Cuál es el INPC de México?",
"¿Cuál es la inflación subyacente de México?",
"¿Cuántas personas hay en México?",
"¿Qué es el IGAE y para qué sirve?",
"¿Cómo está la ocupación en México vs el desempleo?",
],
"telco": [
"¿Cuál es la participación de mercado de Telcel?",
"¿Qué operadores tienen red 5G propia en México?",
"¿Cuánto ingresó el sector telecomunicaciones en México en 2025?",
"¿Cuál es la diferencia entre Telcel y Bait en términos de red 5G?",
"¿Cuál fue el saldo de portabilidad de Movistar en H1 2025?",
"¿Cuántas líneas móviles totales hay en México según el IFT?",
"¿Cuántos accesos de TV restringida hay en México?",
"¿Qué son los OMVs y cuáles ofrecen 5G en México?",
"¿Cuál es la diferencia de ingresos entre Telcel y AT&T México?",
"¿Cuántas líneas tiene AT&T en México?",
],
"agente": [
"Dame un resumen económico completo de México",
"¿Cuál es el tipo de cambio USD/MXN hoy?",
"¿Cuál es la inflación general de México?",
"¿Cuál es el IGAE mensual de México?",
"¿Cuál es la tasa objetivo de Banxico?",
"¿Cuál es la participación de mercado de Telcel?",
"¿Cuál es la tasa de desocupación de México?",
"¿Cuántas personas trabajan en México?",
"¿Cuál es el PIB de México según el World Bank?",
"¿Cuál fue el saldo de portabilidad de AT&T en H1 2025?",
],
}
class ChatRequest(BaseModel):
query: str
session_id: str = "mobile"
# ── Fetchers directos (para /indicadores sin depender del Space) ──────────────
def fetch_banxico(serie_id: str) -> dict:
try:
url = f"https://www.banxico.org.mx/SieAPIRest/service/v1/series/{serie_id}/datos/oportuno?token={BANXICO_TOKEN}"
r = requests.get(url, timeout=15)
r.raise_for_status()
data = r.json()
series = data.get("bmx", {}).get("series", [])
if not series: return {}
datos = series[0].get("datos", [])
if not datos: return {}
ultimo = datos[-1]
return {"valor": ultimo.get("dato"), "fecha": ultimo.get("fecha")}
except:
return {}
# ── Proxy al cerebro principal ────────────────────────────────────────────────
def call_brain(query: str, session_id: str = "mobile") -> dict:
"""Llama al agente via modulos locales — mismo codigo que mx-data-intelligence."""
try:
from modules.agent_orchestrator import run_agent
start = time.time()
response = run_agent(
user_question=query,
history=[],
stream_placeholder=None
)
return {
"response": response,
"modelo": "Agente Real · 7 tools · NVIDIA H100 + Groq LPU",
"latencia_ms": int((time.time() - start) * 1000),
}
except ImportError:
pass
except Exception as e:
pass
return call_groq_fallback(query)
def call_groq_fallback(query: str) -> dict:
"""Fallback con Groq cuando el Space principal no responde."""
facts = []
for sid, nombre in BANXICO_SERIES.items():
d = fetch_banxico(sid)
if d.get("valor"):
facts.append(f"• {nombre}: {d['valor']} ({d['fecha']}) — Banxico")
facts += [
"• PIB México 2024: 1.856 billones USD — World Bank",
"• Inflación general mayo 2026: 3.94% — INEGI",
"• IGAE abril 2026: 106.39 — INEGI BIE-BISE",
"• Telcel: 63.4% participación mercado móvil — IFT Q3 2024",
"• AT&T México: 17.5% — IFT Q3 2024",
"• Portabilidad H1 2025: Bait +244,024 / AT&T -752,664 — IFT",
]
if not GROQ_API_KEY:
return {"response": "\n".join(facts), "modelo": "datos directos", "latencia_ms": 0}
try:
start = time.time()
r = requests.post(
"https://api.groq.com/openai/v1/chat/completions",
headers={"Authorization": f"Bearer {GROQ_API_KEY}", "Content-Type": "application/json"},
json={
"model": "llama-3.3-70b-versatile",
"messages": [
{"role": "system", "content": "Eres experto en economía de México. USA SOLO los datos proporcionados. Cita siempre la fuente."},
{"role": "user", "content": f"DATOS VERIFICADOS:\n{chr(10).join(facts)}\n\nPREGUNTA: {query}"}
],
"max_tokens": 1200,
"temperature": 0.1,
},
timeout=20,
)
r.raise_for_status()
return {
"response": r.json()["choices"][0]["message"]["content"],
"modelo": "Llama 3.3 70B · Groq (fallback)",
"latencia_ms": int((time.time() - start) * 1000),
}
except Exception as e:
return {"response": f"Error: {e}", "modelo": "error", "latencia_ms": 0}
# ── Endpoints ─────────────────────────────────────────────────────────────────
@app.get("/")
def root():
return {
"name": "Fer Private AI · API Proxy",
"version": "6.1.0",
"brain": BRAIN_URL,
"endpoints": ["/health", "/indicadores", "/telco", "/worldbank", "/chat", "/questions", "/resync"],
"timestamp": datetime.utcnow().isoformat() + "Z",
}
@app.get("/version")
def version_check():
"""
DEBUG: Confirma exactamente qué versión de agent_orchestrator.py está
cargada en memoria en este momento. Si esto no coincide con lo que
subiste, el problema es el sync — no el código.
"""
try:
from modules.agent_orchestrator import ORCHESTRATOR_VERSION
return {"orchestrator_version": ORCHESTRATOR_VERSION, "status": "modulo cargado correctamente"}
except ImportError as e:
return {"orchestrator_version": "NO DISPONIBLE", "error": str(e)}
except AttributeError:
return {"orchestrator_version": "VERSION ANTERIOR — sin marcador", "nota": "el módulo cargado no tiene ORCHESTRATOR_VERSION, es código viejo"}
@app.get("/health")
def health():
brain_ok = False
try:
r = requests.get(f"{BRAIN_URL}/health", timeout=10)
brain_ok = r.status_code == 200
except:
pass
return {
"status": "ok",
"version": "6.1.0",
"brain": "✅ conectado" if brain_ok else "⚠️ sin respuesta (Space dormido)",
"timestamp": datetime.utcnow().isoformat() + "Z",
}
@app.post("/resync")
def resync():
"""
v6.1 NUEVO: fuerza re-sincronización de módulos SIN reiniciar el Space.
Útil para aplicar fixes sin esperar factory reboot completo.
Llamar con: curl -X POST https://fercor95mx-mx-data-api.hf.space/resync
"""
sync_modules_from_brain()
return {
"status": "sync ejecutado",
"nota": "Los módulos en RAM (ya importados) NO se actualizan hasta reiniciar el proceso. "
"Este endpoint solo actualiza los archivos en disco para el próximo arranque.",
"timestamp": datetime.utcnow().isoformat() + "Z",
}
@app.get("/questions")
def questions(categoria: str = None):
if categoria:
if categoria not in QUESTIONS:
raise HTTPException(status_code=404, detail=f"Categoría no existe. Usa: {list(QUESTIONS.keys())}")
return {"categoria": categoria, "preguntas": QUESTIONS[categoria], "total": len(QUESTIONS[categoria])}
return {"categorias": QUESTIONS, "total": sum(len(v) for v in QUESTIONS.values())}
@app.get("/indicadores")
def indicadores():
resultados = {}
for sid, nombre in BANXICO_SERIES.items():
d = fetch_banxico(sid)
resultados[sid] = {"nombre": nombre, "valor": d.get("valor"), "fecha": d.get("fecha")}
tc = resultados.get("SF43718", {})
tiie = resultados.get("SF43783", {})
tasa = resultados.get("SF61745", {})
res = resultados.get("SF290383", {})
inpc = resultados.get("SP74625", {})
return {
"fuente": "Banxico SIE API",
"timestamp": datetime.utcnow().isoformat() + "Z",
"tipo_cambio_usd_mxn": tc.get("valor"),
"fecha_tc": tc.get("fecha"),
"tiie_28_dias": tiie.get("valor"),
"fecha_tiie": tiie.get("fecha"),
"tasa_objetivo": tasa.get("valor"),
"fecha_tasa": tasa.get("fecha"),
"reservas_internacionales": res.get("valor"),
"fecha_res": res.get("fecha"),
"inpc": inpc.get("valor"),
"fecha_inpc": inpc.get("fecha"),
}
@app.get("/telco")
def telco():
return {
"fuente": "IFT · ATDT",
"timestamp": datetime.utcnow().isoformat() + "Z",
"mercado_movil": {
"total_lineas_millones": 127.4,
"periodo": "Q3 2024",
"operadores": [
{"operador": "Telcel", "participacion_pct": 63.4},
{"operador": "AT&T México", "participacion_pct": 17.5},
{"operador": "Movistar", "participacion_pct": 17.0},
{"operador": "Otros MVNOs", "participacion_pct": 2.1},
]
},
"ingresos_q1_2025_millones_mxn": 148541.1,
}
@app.get("/worldbank")
def worldbank():
WB = {
"NY.GDP.MKTP.CD": "PIB México (USD)",
"FP.CPI.TOTL.ZG": "Inflación anual (%)",
"SL.UEM.TOTL.ZS": "Desempleo (%)",
"NY.GDP.PCAP.CD": "PIB per cápita (USD)",
}
resultados = {}
for ind, nombre in WB.items():
try:
r = requests.get(
f"https://api.worldbank.org/v2/country/MX/indicator/{ind}?format=json&mrv=1",
timeout=15
)
data = r.json()
if len(data) > 1 and data[1]:
e = data[1][0]
resultados[ind] = {"nombre": nombre, "valor": e.get("value"), "año": e.get("date")}
except:
resultados[ind] = {"nombre": nombre, "valor": None, "año": None}
return {"fuente": "World Bank API", "timestamp": datetime.utcnow().isoformat() + "Z", "indicadores": resultados}
@app.post("/chat")
def chat(req: ChatRequest):
if not req.query.strip():
raise HTTPException(status_code=400, detail="Query vacía")
result = call_brain(req.query, req.session_id)
return {
"query": req.query,
"response": result.get("response", ""),
"modelo": result.get("modelo", ""),
"latencia_ms": result.get("latencia_ms", 0),
"timestamp": datetime.utcnow().isoformat() + "Z",
"infraestructura": "Fer Private AI · datos nunca salen de infraestructura privada",
}