Sistema de registro FastMCP
Este es un recomendador de moda basado en CLIP con MCP.
Bosquejo
Un usuario carga una imagen de ropa → YOLO detecta la ropa → CLIP codifica → Recomienda algo similar
Estructura de carpetas
/project-root
│
├── /backend
│ ├── Dockerfile
│ ├── /app
│ │ ├── server.py # FastAPI app code
│ │ ├── /routes
│ │ │ └── clothing_routes.py
│ │ ├── /controllers
│ │ │ └── clothing_controller.py
│ │ │ └──clothing_tagging.py
│ │ │ └── tag_extractor.py # Pending: define core CLIP functionality
│ │ ├── schemas/
│ │ │ └── clothing_schemas.py
│ │ ├── config/
│ │ │ └── tag_list_en.py
│ │ │ └── database.py
│ │ │ └── settings.py
│ │ │ └── api_keys.py
│ │ └── requirements.txt
│ └── .env
│
├── /fastmcp
│ └── app
│ └── server.py
│
├── /frontend
│ ├── Dockerfile
│ ├── package.json
│ ├── package-lock.json
│ ├── /public
│ │ └── index.html
│ ├── /src
│ │ ├── /components
│ │ │ ├── ImageUpload.jsx
│ │ │ ├── DetectedTags.jsx
│ │ │ └── Recommendations.jsx
│ │ ├── /utils
│ │ │ └── api.js
│ │ ├── App.js # Main React component
│ │ ├── index.js
│ │ ├── index.css
│ │ ├── tailwind.config.js
│ │ ├── postcss.config.js
│ │ └── .env
│ ├── .gitignore
│ ├── docker-compose.yml
│ └── README.md
└────── requirements.txt
Guía de inicio rápido
Paso 1: Clonar el proyecto de GitHub
Paso 2: Configurar el entorno de Python
python -m venv venv
source venv/bin/activate # On macOS or Linux
venv\Scripts\activate # On Windows
Paso 3: Instalar dependencias
pip install -r requirements.txt
Paso 4: Iniciar el servidor FastAPI (backend)
uvicorn backend.app.server:app --reload
Una vez que el servidor esté en ejecución y la base de datos esté conectada, debería ver el siguiente mensaje en la consola:
Database connected
INFO: Application startup complete.
Paso 5: Instalar dependencias
Base de datos conectada INFO: Inicio de la aplicación completo.
Paso 6: Iniciar el servidor de desarrollo (Frontend)
Una vez en ejecución, el servidor registra una confirmación y abre la aplicación en su navegador: http://localhost:3000/
📌 Componentes de muestra para la interfaz de usuario
- Carga de imágenes
- Botón de envío
- Mostrar etiquetas de ropa + recomendaciones
Lo que se ha completado hasta ahora:
- El servidor FastAPI está en funcionamiento (24 de abril)
- La conexión a la base de datos está configurada (24 de abril)
- La arquitectura backend es funcional (24 abr.)
- Interfaz de usuario básica para cargar imágenes (25 de abril)
Próximo paso:
- Evaluar la precisión del etiquetado de CLIP en imágenes de ropa de muestra
- Ajuste el sistema de etiquetado para obtener mejores recomendaciones
- Pruebe la integración del backend con datos de usuario en tiempo real
- Configurar la monitorización del rendimiento del modelo
- Demostración de front-end