vigia-haccp-mcp/
├── server.py                  # Punto de entrada — FastMCP + 3 herramientas
├── models.py                  # Modelos Pydantic compartidos
├── services/
│   ├── openfda.py             # Cliente openFDA con manejo de errores
│   └── haccp_generator.py     # Lógica HACCP (PCCs, peligros, límites…)
├── exporters/
│   └── excel_exporter.py      # Exportación Excel con formato profesional
├── requirements.txt
├── .env.example
└── README.md

# 1. Clonar y entrar al directorio
cd vigia-haccp-mcp

# 2. Crear entorno virtual
python -m venv .venv
source .venv/bin/activate        # Windows: .venv\Scripts\activate

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

# 4. Configurar variables de entorno
cp .env.example .env
# Editar .env si es necesario

# 5. Iniciar el servidor
python server.py
# → Escuchando en http://0.0.0.0:8000/sse

URL: https://tu-dominio.railway.app/sse

Usuario: "Genera el análisis HACCP para jamón cocido rebanado"
    ↓
SurfSense LLM consulta la knowledge base del cliente
    ↓
LLM llama: get_process_step_schema()          ← conoce el formato
    ↓
LLM extrae pasos del proceso de la KB
    ↓
LLM llama: generate_haccp_analysis(
    product_name="Jamón cocido rebanado",
    process_steps_json="[...]",
    focus_areas="Listeria, Salmonella",
    fda_product_keyword="cooked ham"
)
    ↓
Servidor consulta openFDA → detecta peligros
    ↓
Genera tabla HACCP + guarda Excel
    ↓
Retorna JSON con análisis completo al usuario

# railway.toml (crear en la raíz)
[build]
  builder = "NIXPACKS"

[deploy]
  startCommand = "python server.py"
  healthcheckPath = "/"

PORT        = (Railway lo asigna automáticamente)
HOST        = 0.0.0.0
OUTPUT_DIR  = /tmp/vigia_outputs
LOG_LEVEL   = INFO