energy_monitor/
│
├── main.py                      ← Punto de entrada (ejecutar esto)
├── config.py                    ← Todos los parámetros ajustables
│
├── sensors/
│   ├── rtc_sensor.py            ← DS3231  (fecha/hora)
│   ├── dht_sensor.py            ← DHT22   (temperatura y humedad)
│   ├── voltage_sensor.py        ← ZMPT101B (voltaje AC via MCP3008 CH0)
│   └── current_sensor.py        ← WCS1600  (corriente AC via MCP3008 CH1)
│
├── data/
│   ├── logger.py                ← Escritura de CSV por sesión
│   └── sessions/                ← Archivos CSV generados automáticamente
│       └── 2025-06-14_09-30-01.csv
│
├── display/
│   └── terminal_ui.py           ← Dashboard en terminal con historial
│
└── utils/
    └── timing.py                ← micros() / millis() de alta resolución

# Habilitar SPI e I2C en la Raspberry Pi
sudo raspi-config
# → Interface Options → SPI → Enable
# → Interface Options → I2C → Enable

# Instalar librerías Python
pip install spidev
pip install adafruit-circuitpython-ds3231
pip install adafruit-circuitpython-dht
sudo apt-get install libgpiod2

# Desde la carpeta raíz del proyecto
python3 main.py

# Detener el monitoreo
Ctrl+C    # Guarda el CSV y cierra correctamente

timestamp,hour,voltage_v,current_a,power_w,temperature_c,humidity_pct,zero_current_mv
2025-06-14 09:30:01,9,118.45,0.000,0.00,29.4,65.7,2555.53
2025-06-14 09:30:02,9,118.62,0.832,98.69,29.4,65.7,2555.53

import pandas as pd

df = pd.read_csv("data/sessions/2025-06-14_09-30-01.csv")
df['timestamp'] = pd.to_datetime(df['timestamp'])

# Consumo promedio por hora del día
print(df.groupby('hour')['power_w'].mean())

# Pico de corriente
print(f"Pico: {df['current_a'].max():.3f} A")

                    ┌─────────────┐
                    │   main.py   │
                    └──────┬──────┘
                           │ instancia
          ┌────────────────┼────────────────┐
          ▼                ▼                ▼
   VoltageSensor    CurrentSensor      RTCSensor
   (ZMPT101B)       (WCS1600)          (DS3231)
          │                │                │
          └────────────────┤                │
                     cada 1 ms             │
                    sample()               │ timestamp
                           │               │
                    cada 1000 ms           │
                    compute_rms() ◄────────┘
                           │
                    ┌──────┴──────┐
                    │             │
               DataLogger   TerminalUI
               (CSV)        (pantalla)

graph TB
    subgraph "💻 Tu PC Windows"
        CD[Claude Desktop]
        CF[claude_desktop_config.json]
    end
    
    subgraph "☁️ Internet"
        NG[ngrok Tunnel<br/>HTTPS]
    end
    
    subgraph "🍓 Raspberry Pi 4"
        subgraph "Servidor MCP"
            MS[FastMCP Server<br/>Puerto 8000]
            TL[Tools Layer<br/>5 herramientas]
        end
        
        subgraph "Datos"
            CS[CSV Sessions<br/>data/sessions/]
            PD[Pandas DataFrames]
        end
        
        subgraph "Sensores"
            SN[Sensor<br/>Voltaje/Corriente]
        end
    end
    
    CD -->|HTTP/SSE| NG
    NG -->|Túnel Seguro| MS
    CF -.->|Configura| CD
    MS --> TL
    TL --> PD
    PD --> CS
    SN --> CS

sequenceDiagram
    actor User as 👤 Usuario
    participant CD as Claude Desktop
    participant NG as ngrok
    participant MCP as MCP Server
    participant TL as Tools
    participant PD as Pandas
    participant CSV as CSV Files
    
    User->>CD: "¿Cuánta energía consumí?"
    CD->>NG: POST /mcp<br/>get_energy_consumption_tool
    NG->>MCP: Forward request
    MCP->>TL: get_energy_consumption()
    TL->>PD: read_csv + filtrar power>0
    PD->>CSV: Leer archivos session
    CSV-->>PD: Datos crudos
    PD-->>TL: DataFrame procesado
    TL->>TL: Calcular kWh, costos,<br/>proyecciones
    TL-->>MCP: Dict con resultados
    MCP-->>NG: JSON response
    NG-->>CD: JSON response
    CD->>CD: Claude interpreta datos
    CD-->>User: "Consumiste 0.45 kWh<br/>Costo: $405 COP"

¿Qué hace este proyecto?
Este proyecto es un sistema de monitoreo eléctrico en tiempo real embebido en una Raspberry Pi 4B, capaz de medir voltaje AC (110–120 V), corriente AC, potencia, temperatura y humedad ambiente. Los datos se almacenan localmente en archivos CSV por sesión, y se exponen a Claude Desktop mediante un servidor MCP (Model Context Protocol), permitiendo que una IA analice, compare y visualice el historial energético del entorno.

Objetivo principal: Convertir señales eléctricas del mundo físico en inteligencia accionable, accesible conversacionalmente desde Claude Desktop.

Arquitectura General (de entrada a salida)
El sistema opera en tres capas bien diferenciadas:

┌─────────────────────────────────────────────────────────────┐
│  CAPA 1: HARDWARE (Raspberry Pi 4B)                          │
│                                                              │
│  Red 110–120V AC                                            │
│       │                                                      │
│  ZMPT101B ──► CH0 ─┐                                        │
│  (Voltaje)          ├──► MCP3008 ADC (SPI 500 kHz)          │
│  WCS1600   ──► CH1 ─┘    │ 32× oversampling, SNR +19 dB     │
│  (Corriente)              │                                  │
│                           ▼                                  │
│  DHT22 ──► GPIO 27   Raspberry Pi 4B                        │
│  (Temp/Hum)               │                                  │
│  DS3231 ──► I2C      monitor.py (adquisición + RMS calc)    │
│  (RTC)                    │                                  │
│                           ▼                                  │
│              data/sessions/YYYY-MM-DD_HH-MM-SS.csv          │
└───────────────────────────┬─────────────────────────────────┘
                            │ CSV files (8 columnas)
┌───────────────────────────▼─────────────────────────────────┐
│  CAPA 2: SERVIDOR MCP (mcp_server/server.py)                      │
│                                                                   │
│  FastMCP (streamable-http, puerto 8000)                           │
│  5 herramientas expuestas:                                        │
│    list_sessions_tool · get_session_data_tool · get_session_stats_tool │
│    get_energy_consumption_tool · compare_all_sessions_tool        │
│                                                                  │
└───────────────────────────┬─────────────────────────────────┘
                            │ HTTPS (ngrok tunnel)
┌───────────────────────────▼─────────────────────────────────┐
│  CAPA 3: INTERFAZ DE ANÁLISIS (Claude Desktop)               │
│                                                              │
│  El usuario conversa con Claude en lenguaje natural.         │
│  Claude invoca las herramientas MCP automáticamente,         │
│  analiza los resultados y devuelve conclusiones.             │
└─────────────────────────────────────────────────────────────┘

curl -X POST "http://RASPBERRY_PI_IP:8000/mcp" \
  -H "Content-Type: application/json" \
  -d '{"tool": "get_energy_consumption_tool", "params": {"session_name": "2025-06-14_09-30-01.csv", "cost_per_kwh": 900}}'

{
  "tool": "get_energy_consumption_tool",
  "result": {
    "session_name": "2025-06-14_09-30-01.csv",
    "energy": {
      "total_active_wh": 450.0,
      "total_active_kwh": 0.45,
      "avg_power_w": 98.69,
      "peak_power_w": 150.0,
      "load_factor_pct": 65.0
    },
    "costs": {
      "cost_per_kwh_cop": 900,
      "session_cost_cop": 405.0,
      "projected_monthly_cop": 12150.0
    }
  },
  "meta": {"session":"2025-06-14_09-30-01.csv"}
}