# California Housing MCP Agent

Practica end-to-end de MLOps con el dataset California Housing. El proyecto entrena modelos de regresion, registra el mejor en MLflow, sirve predicciones con FastAPI, expone herramientas MCP y ofrece un frontend HTML para inferencia individual, batch y chat con agente.

## Componentes

- `training/train.py`: entrena candidatos, evalua metricas y registra el modelo ganador en MLflow.
- `api/main.py`: aplicacion FastAPI con lifespan, CORS, observabilidad basica y servidor MCP embebido opcional.
- `api/routes/v1/`: endpoints de health, prediccion, batch, metadatos y chat del agente.
- `agent/runtime.py`: runtime del agente conectado a MCP mediante OpenAI Agents SDK y LiteLLM.
- `frontend/index.html`: interfaz local para probar predicciones y batch scoring.

## Requisitos

- Python 3.11 o superior.
- `uv` instalado.
- Una clave de Gemini si `FREE_MODEL=true`, o una clave de OpenAI si `FREE_MODEL=false`.

## Configuracion

```powershell
uv sync
Copy-Item .env.example .env
```

Edita `.env` y define solo las claves que vayas a usar:

- `GEMINI_API_KEY` cuando `FREE_MODEL=true`.
- `OPENAI_API_KEY` cuando `FREE_MODEL=false`.


## Entrenar y registrar el modelo

En una terminal, arranca MLflow:

```powershell
uv run --env-file .env -- mlflow server --backend-store-uri sqlite:///mlflow.db --default-artifact-root ./mlruns --host 127.0.0.1 --port 5000
```

En otra terminal, ejecuta el entrenamiento:

```powershell
uv run --env-file .env -- python training/train.py
```

El script compara candidatos, registra el modelo si mejora el historico y asigna el alias configurado en `MLFLOW_MODEL_ALIAS`.

## Ejecutar la API

Con MLflow disponible y un modelo registrado:

```powershell
uv run --env-file .env -- uvicorn api.main:app --reload --host 127.0.0.1 --port 8000
```

Endpoints principales:

- `GET /api/v1/health`
- `POST /api/v1/predict`
- `POST /api/v1/batch-predict`
- `GET /api/v1/model-info`
- `GET /api/v1/schema`
- `POST /api/v1/agent/chat`
- `POST /mcp` cuando `ENABLE_MCP_SERVER=1`

La documentacion OpenAPI queda disponible en `http://127.0.0.1:8000/docs`.

## Frontend

Abre `frontend/index.html` en el navegador y usa `http://127.0.0.1:8000/api/v1` como base URL. La pantalla permite:

- prediccion individual,
- subida de CSV para batch scoring,
- chat con el agente,
- inspeccion de request/response JSON y metricas de entrada.