MCP tur mock

🧳 Turismo MCP Server — Demo

Demo conceptual de cómo una agencia de viajes puede implementar un MCP Server para integrarse con agentes de IA personales y ofrecer experiencias ultra-personalizadas.

🎯 ¿Qué es esto?

Este proyecto simula el caso de uso de Model Context Protocol (MCP) aplicado a una agencia de viajes.

En lugar de que la agencia desarrolle su propio chatbot (el modelo de hoy), expone su inventario de vuelos y hoteles como un MCP Server. Así, el agente de IA personal del usuario puede consultarlo directamente, combinando los datos de la agencia con el contexto privado del usuario (calendario, preferencias, historial) para generar propuestas de viaje altamente personalizadas.

🤔 El Problema: el chatbot en la web ya no alcanza

El modelo actual funciona así:

Usuario → entra a la web de la agencia → chatbot de la agencia → resultados

El problema es que el chatbot de la agencia no te conoce. No sabe:

• Que el próximo jueves tenés una reunión importante
• Que preferís ventana y viajás siempre con tu familia
• Que ya fuiste a Cancún dos veces y no querés repetir
• Que tenés un presupuesto mensual de viajes

Cada vez que entrás, empezás de cero.

💡 La Solución: invertir el paradigma con MCP

Model Context Protocol (MCP) es un estándar abierto creado por Anthropic que permite que agentes de IA se conecten a fuentes de datos externas de forma segura y estandarizada. Funciona como una "API para IAs".

Con MCP, el flujo cambia completamente:

Usuario → habla con SU agente personal (Claude, Gemini, GPT, etc.)
                    ↓ el agente ya conoce al usuario
              consulta el calendario del usuario
              consulta las preferencias guardadas
              consulta el MCP Server de la agencia  ←── acá está la clave
                    ↓
              arma una propuesta ultra-personalizada

La agencia no necesita desarrollar IA propia. El usuario no tiene que repetir sus preferencias. El resultado es la personalización real.

🏗️ Arquitectura del Demo

┌─────────────────────────────────────────────────────────────┐
│                     AGENTE IA (Gemini)                      │
│            "Asistente Personal de Viajes"                   │
│                  POST /ai/plan-trip                         │
└──────────────────────┬──────────────────┬───────────────────┘
                       │                  │
          ┌────────────▼───┐    ┌─────────▼──────────┐
          │  DATOS USUARIO │    │   MCP SERVER       │
          │  (simulados)   │    │   (simulado)       │
          │                │    │                    │
          │ /user/prefs    │    │ /mcp/flights       │
          │ /user/calendar │    │ /mcp/hotels        │
          │ /user/history  │    │ /mcp/search        │
          │                │    │ /mcp/tools         │
          └────────────────┘    └────────────────────┘
          
          ↑ Lo que el agente     ↑ Lo que la agencia
            ya sabe del usuario    expone vía MCP
            (privado, del user)    (inventario público)

Este demo simula los tres componentes en una sola API FastAPI:

🚀 Quick Start

1. Clonar e instalar

git clone 
cd turismo-mcp-demo

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

# Instalar dependencias
pip install -r requirements.txt

2. Configurar la API Key de Gemini

# Copiá el archivo de ejemplo
cp .env.example .env

# Editá .env y pegá tu clave
# Obtené la clave gratis en: https://aistudio.google.com/app/apikey
GEMINI_API_KEY=tu-clave-aqui

# O exportala directamente:
export GEMINI_API_KEY="tu-clave-aqui"

3. Levantar el servidor

uvicorn main:app --reload --port 8001

Abrí el Swagger interactivo: http://localhost:8001/docs 🎉

� CLI — Interfaz de Terminal

El proyecto incluye un CLI interactivo (cli.py) que muestra las respuestas del agente formateadas con colores y paneles en la terminal. Ideal para demos en vivo.

Modo chat interactivo (recomendado para la demo 🎯)

python3 cli.py

Chat multi-turno: escribís como con un amigo, el agente responde y podés ir refinando la propuesta.

🧳 Asistente Personal de Viajes
   Powered by Google Gemini · Turismo MCP Demo

Vos: che fijate si tengo libre este finde y armame algo para desconectar

[agente consulta calendario, preferencias, hoteles...]

📍 Colonia del Sacramento, Uruguay
🏨 Hotel Boutique Vista Río ⭐⭐⭐⭐
🚗 Auto · 180km · USD 310 estimado

Consulta directa (un solo comando)

python3 cli.py plan "escapada este finde con mi mujer, si hay mas de 400km busca vuelo"

Ver estado del servidor

python3 cli.py status

Apuntar a otro servidor

python3 cli.py --url http://otro-servidor:8001

Comandos disponibles dentro del chat

�📡 Endpoints

🧑 Datos del Usuario

Simulan lo que el agente personal del usuario ya conoce. En producción, estos datos vendrían del perfil del usuario en su agente (Google, Apple, Anthropic, etc.)

✈️🏨 MCP Server — Inventario de la Agencia

Simulan lo que la agencia expone a través del protocolo MCP. En producción, estos endpoints serían el MCP Server oficial de la agencia conectado a su base de datos real.

🤖 Agente IA (Gemini)

El agente que une todo: interpreta lenguaje natural, consulta los datos del usuario y el MCP Server, y arma la propuesta final.

🎭 Casos de Uso — Ejemplos Reales

Ejemplo 1: Escapada de Fin de Semana

*"che fijate si tengo libre este finde y armame algo para desconectar, presupuesto bajo"*

Con el CLI:

python3 cli.py plan "che fijate si tengo libre este finde y armame algo para desconectar, presupuesto bajo"

Con curl:

curl -X POST http://localhost:8001/ai/plan-trip \
  -H "Content-Type: application/json" \
  -d '{"query": "che fijate si tengo libre este finde y armame algo para desconectar, presupuesto bajo"}'

El agente va a:

1. Revisar el calendario de marzo para ver si el sábado/domingo está libre
2. Consultar las preferencias del usuario (tipo de viaje, estilo)
3. Calcular que un finde = destino cercano → auto
4. Buscar hoteles en Colonia del Sacramento / Rosario / Mar del Plata
5. Retornar una propuesta con hotel + distancia en auto + alternativas

Ejemplo 2: Viaje en Familia a la Playa

*"quiero ir a la playa en junio con mi familia, que sea tranquilo y con pileta para los chicos"*

curl -X POST http://localhost:8001/ai/plan-trip \
  -H "Content-Type: application/json" \
  -d '{"query": "quiero ir a la playa en junio con mi familia, que sea tranquilo y con pileta para los chicos"}'

El agente va a:

1. Detectar "junio" y revisar disponibilidad en el calendario de junio
2. Identificar "familia + playa + pileta" → buscar hoteles kid-friendly con piscina
3. Consultar historial para no repetir destinos visitados
4. Evaluar distancia → ¿Cancún, Punta Cana o Mar del Plata?
5. Retornar paquetes ordenados por score de compatibilidad

Ejemplo 3: Aniversario Romántico

*"mi aniversario es en 2 meses, buscame algo romántico, presupuesto no importa"*

Con el CLI:

python3 cli.py plan "mi aniversario es en 2 meses, buscame algo romántico, presupuesto no importa"

Con curl:

curl -X POST http://localhost:8001/ai/plan-trip \
  -H "Content-Type: application/json" \
  -d '{"query": "mi aniversario es en 2 meses, buscame algo romántico, presupuesto no importa"}'

Ejemplo 4: Escapada con Condición de Transporte

*"este viernes no tengo nada, buscame una escapada con mi mujer, si hay que hacer más de 400km busca avión"*

Con el CLI:

python3 cli.py plan "este viernes no tengo nada, escapada con mi mujer, mas de 400km busca avion"

Con curl:

curl -X POST http://localhost:8001/ai/plan-trip \
  -H "Content-Type: application/json" \
  -d '{"query": "este viernes no tengo nada, buscame una escapada con mi mujer, si hay que hacer mas de 400km busca avion sino voy en auto"}'

Ejemplo 5: Chat Multi-turno con el CLI

Esta es la forma más natural de interactuar con el agente:

python3 cli.py   # abrís el chat interactivo

Vos: buscame escapada este finde
[Agente propone Colonia del Sacramento]

Vos: y si voy el sábado mejor?
[Agente ajusta las fechas]

Vos: dale, pero hotel más barato
[Agente busca alternativas más económicas]

Vos: salir

También con curl (turno a turno):

# Turno 1: solicitud inicial
curl -X POST http://localhost:8001/ai/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "buscame escapada este finde"}'

# → Respuesta incluye: "conversation_id": "a3f8c1b2"

# Turno 2: refinar la propuesta (misma conversación)
curl -X POST http://localhost:8001/ai/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "y si voy el sábado mejor?", "conversation_id": "a3f8c1b2"}'

# Turno 3: ajustar presupuesto
curl -X POST http://localhost:8001/ai/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "dale, pero buscame opciones de hotel más económicas", "conversation_id": "a3f8c1b2"}'

Respuesta Ejemplo de /ai/plan-trip

{
  "query": "che fijate si tengo libre este finde y armame algo para desconectar",
  "analysis": {
    "calendar_check": "El sábado 7 y domingo 8 de marzo están libres, sin compromisos",
    "travel_style": "escapada tranquila, perfil aventura/pareja",
    "transport_decision": "Destinos  💡 **TL;DR:** Este demo muestra que el futuro no es "la agencia tiene IA". Es "el usuario tiene IA, y la agencia le da acceso a su inventario vía MCP para que esa IA trabaje para el usuario". La agencia de turismo se vuelve compatible con todos los agentes del mundo sin desarrollar ninguno.

---

## 🚧 ¿A dónde va esto?

Este proyecto es un mock conceptual, pero está diseñado para escalar a un **MCP Server completo y production-ready**.

El siguiente paso es convertir los datos random y el protocolo simplificado en un sistema real con base de datos, ciclo de vida de bookings (hold → pago → confirmación → cancelación), stock management y protocolo MCP oficial.

👉 **[Ver Roadmap completo →](README_ROADMAP.md)**