estudIA-MCP

# 🎯 Herramienta: Análisis y Actualización de Contexto de Usuario ## Descripción La herramienta `analyze_and_update_user_context` es una función MCP que analiza toda la conversación de una sesión de cubículo (classroom) y determina automáticamente si el contexto del usuario debe actualizarse con información relevante para personalizar su experiencia de aprendizaje. ## ¿Qué hace? 1. **Lee el contexto actual del usuario** desde la tabla `users` (campo `user_context`) 2. **Obtiene todos los mensajes** de la sesión especificada desde `cubicle_messages` 3. **Analiza con Gemini** la conversación completa para extraer información relevante 4. **Decide automáticamente** si el contexto debe actualizarse 5. **Actualiza la base de datos** si encuentra información nueva y valiosa ## Información que analiza La herramienta busca y extrae: - 📚 **Nivel educativo**: Grado escolar, carrera, área de estudio - 🎨 **Estilo de aprendizaje**: Visual, auditivo, kinestésico, preferencias de explicación - 🌟 **Intereses académicos**: Temas favoritos, áreas de especialización - 💪 **Fortalezas académicas**: Materias en las que destaca - 🆘 **Áreas de mejora**: Materias que necesitan refuerzo - 🎯 **Objetivos educativos**: Metas de aprendizaje, proyectos, exámenes próximos - 💬 **Preferencias de comunicación**: Cómo prefiere que le expliquen conceptos - ⏰ **Hábitos de estudio**: Horarios, frecuencia, metodología - 👤 **Contexto personal**: Cualquier información relevante para personalizar el aprendizaje ## Uso ### Como herramienta MCP ```python from src.main import analyze_and_update_user_context result = await analyze_and_update_user_context( user_id="uuid-del-usuario", session_id="uuid-de-la-sesion" ) ``` ### Parámetros | Parámetro | Tipo | Descripción | |-----------|------|-------------| | `user_id` | `str` (UUID) | ID del usuario cuyo contexto se analizará | | `session_id` | `str` (UUID) | ID de la sesión del cubículo con la conversación | ### Respuesta ```json { "success": true, "context_updated": true, "previous_context": "Contexto anterior del usuario...", "new_context": "Contexto actualizado con nueva información...", "reasons": [ "Se identificó el nivel educativo: Universidad, Ingeniería", "Se detectaron preferencias de aprendizaje visual", "Se encontraron objetivos: preparación para examen final" ], "key_findings": { "nivel_educativo": "Universidad - Ingeniería de Software", "estilo_aprendizaje": "Visual, prefiere diagramas y ejemplos prácticos", "intereses": ["algoritmos", "desarrollo web", "bases de datos"], "fortalezas": ["programación", "lógica"], "debilidades": ["matemáticas discretas"], "objetivos": "Aprobar examen final de estructuras de datos", "preferencias": "Explicaciones con código y ejemplos reales", "otros": "Estudia mejor por las noches" }, "messages_analyzed": 15, "user_id": "uuid-del-usuario", "user_name": "Juan Pérez", "session_id": "uuid-de-la-sesion", "message": "Contexto actualizado" } ``` ## Ejemplo de uso ### Escenario: Primera sesión de estudio **Conversación en el cubículo:** ``` Usuario: Hola, necesito ayuda con algoritmos de ordenamiento Asistente: ¡Claro! ¿Qué algoritmo te gustaría repasar? Usuario: QuickSort, tengo examen la próxima semana Asistente: Perfecto, ¿en qué nivel estás? ¿Universidad? Usuario: Sí, tercer semestre de Ingeniería en Software Asistente: Genial, ¿prefieres que te lo explique con código o con diagramas? Usuario: Me gusta más ver el código y debuggearlo paso a paso ``` **Resultado del análisis:** ```json { "context_updated": true, "reasons": [ "Se identificó nivel educativo: Universidad, 3er semestre de Ingeniería en Software", "Se detectó objetivo inmediato: examen de algoritmos la próxima semana", "Se identificó preferencia de aprendizaje: código y debugging paso a paso", "Se identificó tema de interés: algoritmos de ordenamiento (QuickSort)" ], "new_context": "Estudiante de Ingeniería en Software, 3er semestre. Tiene examen de algoritmos de ordenamiento la próxima semana. Prefiere aprender mediante código práctico y debugging paso a paso en lugar de explicaciones teóricas. Está estudiando QuickSort actualmente." } ``` ## Estructura de tablas involucradas ### Tabla `users` ```sql CREATE TABLE users ( id UUID PRIMARY KEY, name TEXT, email TEXT, user_context TEXT, -- ⭐ Campo que se actualiza -- ... otros campos ); ``` ### Tabla `cubicle_messages` ```sql CREATE TABLE cubicle_messages ( id UUID PRIMARY KEY, session_id UUID REFERENCES cubicle_sessions(id), user_id UUID REFERENCES users(id), -- NULL si es del asistente content TEXT, created_at TIMESTAMPTZ ); ``` ## Criterios de actualización El sistema **SÍ actualiza** cuando: - ✅ Encuentra información nueva no presente en el contexto actual - ✅ Detecta cambios en nivel educativo, intereses u objetivos - ✅ Identifica patrones claros de aprendizaje o preferencias - ✅ Hay información contradictoria que necesita corrección El sistema **NO actualiza** cuando: - ❌ La conversación es muy breve o superficial - ❌ No hay información personal o educativa relevante - ❌ La información ya está completamente en el contexto actual - ❌ Los mensajes son solo saludos o conversación casual ## Pruebas Para probar la herramienta, ejecuta: ```bash python test_user_context_update.py ``` Este script: 1. Busca usuarios y sesiones disponibles en la base de datos 2. Ejecuta el análisis automáticamente 3. Muestra los resultados detallados 4. Compara el contexto anterior vs nuevo ## Integración recomendada ### Cuándo llamar a la herramienta 1. **Al finalizar una sesión de estudio**: Analizar toda la conversación 2. **Periódicamente durante sesiones largas**: Cada 10-15 mensajes 3. **Cuando el usuario menciona cambios**: Nueva materia, examen próximo, etc. 4. **En la primera interacción**: Para crear el contexto inicial ### Ejemplo de flujo en la aplicación ```python # En el endpoint de finalizar sesión @app.post("/api/sessions/{session_id}/end") async def end_session(session_id: str, user_id: str): # 1. Marcar sesión como finalizada await mark_session_ended(session_id) # 2. Analizar y actualizar contexto context_result = await analyze_and_update_user_context( user_id=user_id, session_id=session_id ) # 3. Notificar al usuario si hubo actualización if context_result.get('context_updated'): return { "message": "Sesión finalizada. Hemos actualizado tu perfil de aprendizaje.", "updates": context_result['key_findings'] } return {"message": "Sesión finalizada"} ``` ## Beneficios - 🎯 **Personalización automática**: No requiere que el usuario llene formularios - 🧠 **Aprendizaje contextual**: El sistema aprende de las conversaciones naturales - 📈 **Mejora continua**: El contexto se enriquece con cada sesión - 🤖 **Inteligente**: Gemini decide qué información es relevante - 💾 **Persistente**: El contexto se guarda en la base de datos ## Consideraciones - **Privacy**: Solo analiza conversaciones de sesiones educativas - **Actualizaciones incrementales**: Combina contexto anterior con nueva información - **No destructivo**: Siempre preserva información anterior relevante - **Opt-out**: Los usuarios pueden limpiar su contexto si lo desean ## Siguiente paso Integra esta herramienta en tu flujo de chat para crear experiencias de aprendizaje verdaderamente personalizadas que se adaptan automáticamente a cada estudiante.