Skip to main content
Glama

AV-MCP Automator

Middleware basado en Model Context Protocol para la generación automática de interfaces nativas de Crestron Construct™ (.cuig ) mediante IA generativa.

Empresa: DACER S.A.C. — Miraflores, Lima, Perú
Practicante: Brayan Delgado Oblitas
Metodología: RUP adaptado (desarrollador único) — 14 semanas


Requisitos

  • Python 3.10 o superior (recomendado 3.11+)

  • Git

  • Crestron Construct™ instalado en el sistema

  • Una clave de API válida para Gemini (Google AI Studio)

Related MCP server: SupaUI MCP Server

Instalación

# 1. Clonar el repositorio
git clone <url-del-repositorio>
cd AV-MCP_Automator

# 2. Crear y activar el entorno virtual (recomendado)
python -m venv venv
# En Windows:
venv\Scripts\activate
# En Linux/Mac:
source venv/bin/activate

# 3. Instalar dependencias
pip install -r requirements.txt

Configuración del .env

Por seguridad, las credenciales del proyecto no se suben al repositorio. Debes configurar tu propio archivo local basándote en el ejemplo proporcionado.

# 1. Copiar el archivo de ejemplo
cp .env.example .env

# 2. Editar .env con tus credenciales

Asegúrate de editar el archivo .env recién creado e introducir tu GEMINI_API_KEY.

Cómo ejecutar el proyecto

Para correr el proyecto completo se necesitan dos terminales (ambas con el entorno virtual activado):

# 1. (Opcional - Primera vez) Indexar documentación en LanceDB
python src/data_layer/ingest.py

# 2. Iniciar servidor MCP (Terminal 1)
python src/server_mcp/main.py

# 3. Iniciar UI de Cliente (Terminal 2)
streamlit run src/client/app.py

Selección de proyecto Crestron

Al abrir la UI por primera vez, selecciona tu proyecto Crestron Construct:

  1. Haz clic en 📂 Explorar... para abrir el selector de carpetas nativo.

  2. Navega hasta Documents/Crestron/Crestron Construct/Solutions/MiProyecto/.

  3. El sistema detecta automáticamente el nombre del proyecto.

  4. Los archivos .cuig se generarán en Solutions/MiProyecto/MiProyecto/.

Nota: La ruta del proyecto se persiste automáticamente entre sesiones. No necesitas editar el archivo .env para configurar la ruta del proyecto.

Estructura principal del proyecto

AV-MCP_Automator/
├── docs/                   # Fases RUP: Inicio y Elaboración
├── src/                    # Fase RUP: Construcción
│   ├── client/             # Capa 1 — UI Streamlit (con selector de proyecto)
│   ├── server_mcp/         # Capa 2 — Servidor FastMCP + Compilador .cuig
│   ├── core_ai/            # Capa 3 — Enrutador IA (Gemini 2.5 Flash-Lite)
│   └── data_layer/         # Capa 4 — LanceDB + documentación fuente
├── tests/                  # Pruebas unitarias e integración
├── deploy/                 # Manual de usuario y guía de despliegue
├── .env.example            # Variables de entorno requeridas (Plantilla segura)
└── requirements.txt        # Dependencias Python

Dependencias importantes (Stack Tecnológico)

Capa

Tecnología

UI Cliente

Streamlit (Python)

Servidor MCP / Compilador

FastMCP (Python)

IA Principal

Gemini 2.5 Flash-Lite (API)

Base Vectorial

LanceDB

Ecosistema destino

Crestron Construct™ (.cuig)

Licencia

Desarrollado para uso interno en DACER S.A.C. Todos los derechos reservados salvo que se indique lo contrario.

Related MCP Connectors

Related MCP Servers