🏥 Secure Clinical Data Agent (Google ADK & MCP)

Developed as part of the 5-Day AI Agents Intensive Course with Google.

Este proyecto implementa un agente de Inteligencia Artificial diseñado para consultar una base de datos clínica SQL Server y responder preguntas estadísticas complejas en lenguaje natural. Está construido de manera profesional y modular, aislando los datos sensibles del hospital (PHI) mediante el uso de un modelo local de Ollama y exponiendo el acceso a la base de datos a través de un servidor de Model Context Protocol (MCP) reutilizable y seguro.

Arquitectura del Proyecto

agentes-adk/
├── .agents/
│   └── skills/
│       ├── clinical-statistics/ # Skill (Intent Routing y extracción de parámetros)
│
├── src/
│   ├── __init__.py
│   ├── db/
│   │   ├── __init__.py
│   │   ├── connection.py      # Conexión a la base de datos (pyodbc)
│   │   └── operations.py      # Consultas SQL seguras y Pandas DataFrames
│   ├── mcp/
│   │   ├── __init__.py
│   │   └── server.py          # Servidor FastMCP que expone las herramientas de BD
│   └── agent/
│       ├── __init__.py
│       └── agent.py           # Configuración del Agente ADK con Ollama y herramientas MCP
├── .env                       # Variables de entorno (SQL Server, Ollama y API keys)
├── requirements.txt           # Dependencias de Python
├── main.py                    # Consola de chat interactiva con el agente
└── run_mcp.py                 # Lanzador del servidor MCP independiente (Stdio o HTTP/SSE)

Related MCP server: sqlserver-mcp

Requisitos Previos

1. Python 3.10+

2. Driver ODBC de SQL Server: Asegúrate de tener instalado "ODBC Driver 17 for SQL Server".

3. Servidor de Ollama: Debe estar corriendo en la red local (ej: xxxx) con el modelo xxx descargado.

Configuración de Inicio

1. Preparar el Entorno Virtual

En Windows (PowerShell):

python -m venv .venv
.venv\Scripts\Activate.ps1

Instalar Dependencias:

pip install -r requirements.txt

2. Configurar Variables de Entorno (.env)

Edita el archivo .env en la raíz con tus credenciales reales:

# Conexión SQL Server (Se recomienda un usuario de SOLO LECTURA)
DB_HOST=10.xx.0.X
DB_NAME=xx
DB_USER=usuario_solo_lectura
DB_PASSWORD=contraseña_segura
DB_PORT=xxx

# Ollama Local (Resguardo de datos del hospital)
OLLAMA_API_BASE=http://xxx.xxx.xxx.xxx:xxx
LLM_MODEL_QA=xxxxx

Ejecución del Proyecto

Opción A: Interfaz de Consola Interactiva (Agente completo)

Este script inicia el agente ADK, el cual levanta automáticamente el servidor MCP de base de datos de forma interna, conectándose a Ollama para procesar tus preguntas:

python main.py

Opción B: Interfaz Web Oficial de ADK

Puedes interactuar con tu agente utilizando la interfaz web integrada del ADK, ideal para depurar visualmente los pasos cognitivos de Ollama y las consultas SQL ejecutadas:

adk web src/agent

Opción C: Ejecutar el Servidor MCP de Forma Independiente (SSE)

Si quieres que otros agentes o sistemas externos (como Claude Desktop o cursores de desarrollo) consuman tus consultas SQL, puedes levantar el servidor de base de datos como un servicio web HTTP/SSE independiente:

fastmcp run src/mcp/server.py --transport http --port 8000

Seguridad y Control de Datos

1. Modelo Local: Los datos clínicos y las consultas de la historia clínica se procesan 100% en tu servidor de Ollama (xxx), por lo que no viajan a internet ni a APIs públicas de terceros.

2. Validación de Consultas: La herramienta query_clinical_statistics implementa una verificación estricta en src/db/operations.py para asegurar que las consultas del agente comiencen únicamente con SELECT o WITH y rechaza palabras destructivas como DROP, DELETE, UPDATE, INSERT, etc.