AI Multimodal Campaign Architect

Flujo de trabajo agentivo · Protocolo de contexto de modelo

Un flujo de trabajo MCP agentivo que planifica, redacta, ilustra y vocaliza una campaña de marketing completa — con un punto de control humano antes de la parte costosa.

Dale un solo mensaje — "Lanzar una línea audaz de zapatillas dirigida a la Generación Z" — y ejecuta un flujo agentivo de herramientas MCP que genera copia, un moodboard, una locución, una presentación tipo pitch y una imagen final de campaña, con barreras de seguridad automatizadas y un límite de presupuesto estricto en el camino.

Vea cómo funciona: https://ai-multimodal-campaign-architect-gl808c9v7-nibha-dongre.vercel.app/

Qué hace

1. Generar copia — Gemini produce un titular, texto del cuerpo, público objetivo, mensaje principal, un concepto visual detallado y un guion de locución de ~15 segundos a partir de un solo mensaje de campaña.

2. Distribuir en paralelo (asyncio.gather, limitado por la llamada más lenta, no por su suma):

   • Construir un moodboard desde Unsplash para validar la dirección visual de forma económica, antes de gastar en la generación de imágenes

   • Sintetizar una locución a partir del guion (gTTS)

   • Redactar una presentación tipo pitch — público objetivo, mensaje principal, CTA, justificación del diseño

   • Ejecutar verificaciones de barreras de seguridad: un pase basado en reglas (términos prohibidos, límites de longitud) y un pase basado en LLM (afirmaciones no verificables, alineación del tono)

3. Punto de control humano en el bucle — una persona revisa el moodboard y confirma (o anula) la dirección visual antes de que el flujo gaste algo en la generación de imágenes.

4. Generar la imagen final a través de Pollinations.ai, utilizando el concepto visual confirmado.

5. Autocrítica acotada — cualquier campo que falle una verificación de barreras de seguridad recibe exactamente una pasada de reescritura automatizada. Sin bucles de reintento, sin coste descontrolado; los fallos se registran para seguimiento manual.

Flujo

RECEIVE BRAND REQUIREMENT ──▶ GENERATE COPY ──┬──▶ BUILD MOODBOARD ─────┐
                                               ├──▶ GENERATE AUDIO ──────┤
                                               ├──▶ CREATE PITCH ────────┼──▶ HUMAN IN THE LOOP ──▶ GENERATE IMAGE
                                               └──▶ RUN GUARDRAILS ──────┘
                                               (parallel batch — asyncio.gather)

Pila tecnológica

Solo las llamadas a Gemini y Unsplash cuestan algo; ambas tienen niveles gratuitos generosos, y un límite de presupuesto por sesión impone un tope máximo independientemente (consulte Controles de coste y presupuesto).

Estructura del proyecto

.
├── server.py              # MCP server — exposes each pipeline step as a typed tool
├── client.py               # MCP transport client
├── orchestrator.py         # Pipeline DAG: sequencing, parallel fan-out, budget enforcement
├── run_demo.py              # Runs the 4 showcase campaigns end-to-end, writes campaign_outputs/
├── requirements.txt
├── .env.example
│
├── app/                    # Next.js app router pages
├── components/              # DemoGrid, DemoModal, PipelineDiagram, ByokPanel, etc.
├── data/
│   ├── demos.ts             # Auto-generated by scripts/build-demo-data.mjs — do not hand-edit
│   └── features.ts
├── public/
│   ├── demo.gif
│   └── demos/                # Campaign assets copied in at build time
├── scripts/
│   └── build-demo-data.mjs   # Reads campaign_outputs/, populates data/demos.ts + public/demos/
└── package.json

Ajuste este árbol si su repositorio divide el backend de Python y el frontend de Next.js en subcarpetas separadas en lugar de una raíz compartida.

Herramientas MCP expuestas

Controles de coste y presupuesto

CampaignOrchestrator rastrea el coste real informado por llamada y aplica un toque máximo duro por sesión (budget_cap_usd, por defecto $0.50). Una vez alcanzado el límite, las llamadas de pago posteriores se rechazan directamente; el flujo no se bloquea, simplemente deja de gastar. Las herramientas gratuitas (moodboard, audio, barreras de seguridad basadas en reglas) nunca se ven bloqueadas por el límite.

Primeros pasos

Requisitos previos

• Python 3.10+

• Node.js 18+

• Claves de API gratuitas: Gemini y Unsplash

1. Generar datos de campaña (backend Python)

git clone https://github.com/YOUR_USERNAME/YOUR_REPO.git
cd YOUR_REPO
pip install -r requirements.txt

cp .env.example .env
# fill in GEMINI_API_KEY and UNSPLASH_ACCESS_KEY in .env

En un terminal, inicie el servidor MCP:

python server.py

En otro, ejecute las campañas de demostración:

python run_demo.py               # all campaigns
python run_demo.py --campaign 1  # just one

Esto escribe la salida de cada campaña en campaign_outputs/campaign_N/.

2. Construir y ejecutar el frontend

npm install
npm run build:demo-data   # reads campaign_outputs/, populates data/demos.ts + public/demos/
npm run dev

Abra http://localhost:3000.

Ejecutar el flujo (BYOK)

El sitio desplegado incluye campañas de demostración pregeneradas integradas en el momento de la compilación; no se ejecuta ningún backend en producción. Cualquiera puede clonar este repositorio y ejecutar el mismo flujo con sus propias claves de API siguiendo los pasos anteriores; no se requiere cuenta de pago, tarjeta de crédito ni proceso de aprobación para ninguna de las claves.

Despliegue

Solo es necesario desplegar el frontend de Next.js; el backend de Python es una herramienta de generación local, no una dependencia en tiempo de ejecución del sitio desplegado. Consulte components/ByokPanel.tsx para la versión dentro de la aplicación de las instrucciones para ejecutarlo usted mismo.

Desplegado en Vercel: importe el repositorio, el framework se detecta automáticamente como Next.js, no se requieren variables de entorno para la compilación del frontend.

Licencia

MIT

Autor

Construido por Nibha S Dongre — un flujo MCP agentivo, de principio a fin.

[Ver en GitHub →](https://github.com/nibhasdongre/AI-Multimodal-Campaign-Architect)