架构咨询自动化系统

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   User Input    │───▶│  Bedrock Nova    │───▶│ Local Analysis  │
│   (Prompt)      │    │  Pro 1 Model     │    │   & Planning    │
└─────────────────┘    └──────────────────┘    └─────────────────┘
                                                         │
                                                         ▼
┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   S3 Storage    │◀───│  MCP Processor   │◀───│ MCP Server      │
│  (Deliverables) │    │   Integration    │    │  Orchestration  │
└─────────────────┘    └──────────────────┘    └─────────────────┘
                                                         │
                                                         ▼
                       ┌──────────────────┐    ┌─────────────────┐
                       │ Executive Summary│◀───│ Final Analysis  │
                       │   Generation     │    │ & Compilation   │
                       └──────────────────┘    └─────────────────┘

# Clonar repositorio
git clone https://github.com/coedaniel/bedrock-mcp-local-orchestrator.git
cd bedrock-mcp-local-orchestrator

# Instalar dependencias
pip install -r requirements.txt

# Configurar variables de entorno
cp config.example.py config.py
# Editar config.py con tus credenciales AWS

# config.py
AWS_REGION = "us-east-1"
BEDROCK_MODEL_ID = "amazon.nova-pro-v1:0"
MCP_PROCESSOR_ENDPOINT = "http://your-alb-endpoint.com/processor"
S3_BUCKET = "your-deliverables-bucket"

from local_orchestrator import LocalOrchestrator

# Inicializar orquestador
orchestrator = LocalOrchestrator()

# Procesar solicitud de consultoría
result = orchestrator.process_consultation(
    "Necesito una arquitectura serverless para procesar 10,000 transacciones por minuto"
)

print(f"Entregables generados: {result['deliverables']}")
print(f"Resumen ejecutivo: {result['executive_summary']}")

# En local_orchestrator.py
def add_custom_deliverable(self, deliverable_type, processor_function):
    self.custom_processors[deliverable_type] = processor_function

# Personalizar el análisis de Bedrock
def customize_analysis_prompt(self, base_prompt):
    return f"{base_prompt}\n\nConsideraciones adicionales: {self.custom_context}"

# Ejemplo de métricas integradas
metrics = orchestrator.get_metrics()
print(f"Tiempo total: {metrics['total_time']}s")
print(f"Llamadas MCP: {metrics['mcp_calls']}")
print(f"Tokens utilizados: {metrics['bedrock_tokens']}")