AgroAgent

Agente de IA orientado al nicho agrícola chileno, construido con arquitectura de agentes vía Model Context Protocol (MCP). En vez de un backend monolítico, cuatro MCP servers independientes exponen tools especializadas que un orquestador coordina mediante un agent loop con el Anthropic SDK.

Arquitectura

apps/
  web/            Next.js 16 + TypeScript + Tailwind v4 + Recharts
  orchestrator/   FastAPI -- MCP host + agent loop (Anthropic SDK) + rutas REST de dashboard
mcp-servers/
  mcp-weather/    tool: get_weather_forecast (Open-Meteo)
  mcp-prices/     tool: get_commodity_price (datos abiertos ODEPA)
  mcp-db/         tools: get_farmer_history, register_planting (PostgreSQL/SQLAlchemy async)
  mcp-rag/        tool: search_sag_documents (RAG sobre normativa SAG -- Pinecone + Voyage AI)
packages/
  shared-types/   Modelos Pydantic compartidos entre orchestrator y mcp-servers

El orquestador se conecta como cliente MCP a los 4 servers, agrega su catálogo de tools en uno solo, y expone:

• POST /chat -- endpoint conversacional (Claude decide qué tools usar según el contexto)

• GET /weather, GET /farmers/{id}/history, GET /prices/trend -- rutas REST deterministas para el dashboard, que llaman las tools directo sin pasar por el LLM

El valor del proyecto no es exponer cada fuente por separado, sino que el agente las cruce: por ejemplo, relacionar el historial de cultivos de un agricultor con el pronóstico de su zona y el precio actual de su producto para sugerir decisiones concretas, citando la resolución SAG exacta cuando corresponde.

Related MCP server: leafengines-mcp-server

Stack

• Backend: Python 3.12+, FastAPI, mcp SDK (v2), SQLAlchemy async + asyncpg, Pinecone, Voyage AI, Anthropic SDK, uv (workspace de monorepo)

• Frontend: Next.js (App Router), TypeScript, Tailwind CSS v4, Recharts, pnpm

• Datos: PostgreSQL (Docker), Open-Meteo API, ODEPA (CKAN datastore API), documentos normativos del SAG

Requisitos

• Python 3.12+ y uv

• Node 20+ y pnpm

• Docker (para PostgreSQL)

• API keys: Anthropic, Pinecone, Voyage AI

Setup

# Backend (Python workspace completo)
uv sync --all-packages

# Frontend
cd apps/web && pnpm install && cd ../..

# Base de datos
docker compose up -d postgres

Crea apps/web/.env.local:

NEXT_PUBLIC_ORCHESTRATOR_URL=http://localhost:3001

Levantar el proyecto (6 procesos)

# Terminal 1
uv run --package mcp-weather uvicorn mcp_weather.app:app --reload --port 4001

# Terminal 2
uv run --package mcp-prices uvicorn mcp_prices.app:app --reload --port 4002

# Terminal 3 (ajusta el puerto de Postgres si no usas el 5432 por defecto)
DATABASE_URL="postgresql+asyncpg://agroagent:agroagent@localhost:5432/agroagent" \
  uv run --package mcp-db uvicorn mcp_db.app:app --reload --port 4004

# Terminal 4
PINECONE_API_KEY="..." VOYAGE_API_KEY="..." \
  uv run --package mcp-rag uvicorn mcp_rag.app:app --reload --port 4005

# Terminal 5
ANTHROPIC_API_KEY="..." \
  uv run --package orchestrator uvicorn orchestrator.app:app --reload --port 3001

# Terminal 6
cd apps/web && pnpm dev

Frontend en http://localhost:3000.

Decisiones de arquitectura

• Transporte MCP: streamable-HTTP, no stdio -- cada MCP server es un servicio independiente con su propio puerto/contenedor, más fiel a un despliegue real de microservicios.

• Backend en Python/FastAPI en vez de NestJS/TypeScript: decisión deliberada por demanda de mercado y para demostrar versatilidad políglota (frontend se mantuvo en TS/React).

• RAG: chunking respeta la estructura numerada de las resoluciones legales chilenas (2.1, 3.1.1, etc.) en vez de cortar por cantidad fija de caracteres; metadata de cada chunk incluye número de resolución para que el agente pueda citar la fuente.

• Rutas REST separadas del agente: el dashboard no pasa por el LLM para datos deterministas (clima, historial, precios) -- evita costo y latencia innecesarios; ambas capas reutilizan las mismas tools MCP subyacentes.

Limitaciones conocidas / pendientes

• Sin autenticación: farmer_id se pasa explícito, no hay sesión de usuario.

• No existe ruta para crear agricultores nuevos (POST /farmers) -- los registros de prueba se insertaron manualmente.

• mcp-rag no soporta PDFs escaneados sin capa de texto (requeriría OCR).

• No hay Dockerfile individual por servicio -- docker-compose.yml cubre solo PostgreSQL.

• Los nombres de cultivo en mcp-db no están normalizados contra los nombres de producto de ODEPA en mcp-prices.