Ir al contenido

Chatbot de Soporte Interactivo: Ejemplo Avanzado con Google GenAI

Desarrollo paso a paso de un chatbot de soporte técnico corporativo con estado, streaming de tokens y manejo robusto de excepciones para Portelcore.

0lecturas

1. Arquitectura de un Chatbot Conversacional con Estado

Sección titulada «1. Arquitectura de un Chatbot Conversacional con Estado»

Crear una interfaz interactiva de soporte técnico (p. ej., portel_support_bot) requiere una gestión impecable del historial de la conversación. A diferencia de las solicitudes de un solo turno, un chatbot de producción debe recordar el contexto previo enviado por el cliente.

El nuevo SDK unificado de Python google-genai ofrece la interfaz abstracta client.chats, que automatiza la persistencia del estado en el lado del servidor y optimiza el flujo conversacional.

sequenceDiagram
autonumber
actor Usuario as Cliente Portelcore
participant App as Aplicación Python
participant Gemini as API de Gemini (2.5 Flash)
Usuario->>App: Escribe "Hola, mi red local tiene problemas"
App->>Gemini: chat.send_message_stream("Hola...")
Gemini-->>App: Envía tokens en tiempo real (Streaming)
App-->>Usuario: Muestra texto de forma progresiva
Note over App,Gemini: El SDK actualiza el historial internamente
Usuario->>App: Escribe "¿Qué IP estática debo usar?"
App->>Gemini: chat.send_message_stream("¿Qué IP...?")
Note over Gemini: Recuerda el contexto anterior del usuario
Gemini-->>App: Envía respuesta asistida en tiempo real
App-->>Usuario: Muestra solución técnica (IP 172.22.40.231)

2. Implementación Completa: portel_support_bot.py

Sección titulada «2. Implementación Completa: portel_support_bot.py»

El siguiente script proporciona una interfaz interactiva en consola que permite conversar con el motor generativo de Gemini en modo Streaming (envío y renderizado continuo de fragmentos de texto) e incorpora un control integral de excepciones y directrices corporativas severas.

import os
import sys
import time
from google import genai
from google.genai import types
from google.api_core import exceptions as core_exceptions
def verificar_entorno():
"""Valida la presencia de la clave de autenticación oficial."""
if not os.environ.get("GOOGLE_API_KEY") and not os.environ.get("GEMINI_API_KEY"):
print("[CRITICAL] La variable de entorno GOOGLE_API_KEY no está configurada.")
print("Ejecute: export GOOGLE_API_KEY='su_clave_de_laboratorio'")
sys.exit(1)
def ejecutar_chatbot():
# 1. Verificar credenciales antes de iniciar
verificar_entorno()
# 2. Inicialización del cliente unificado de Google GenAI
client = genai.Client()
# 3. Directriz del sistema (Instrucción de Comportamiento e Identidad)
instrucciones_soporte = """
Actúas como 'PortelBot', el Asistente Técnico Automatizado de Portelcore (portelcore.com).
Tu objetivo principal es asistir a los ingenieros en operaciones de red, backups e infraestructura.
REGLAS DE COMPORTAMIENTO:
1. Responde de manera profesional, técnica e impecable en idioma castellano.
2. Si te preguntan sobre IPs de prueba del laboratorio, haz referencia estricta al segmento seguro 172.22.40.231.
3. Nunca reveles credenciales del tenant, llaves de API ni secretos de base de datos.
4. Usa bloques de código estructurados en Markdown para mostrar comandos de Linux o scripts cuando sea relevante.
"""
# 4. Configuración avanzada de la sesión de chat
configuracion = types.GenerateContentConfig(
system_instruction=instrucciones_soporte,
temperature=0.4, # Nivel moderado para asegurar precisión técnica
max_output_tokens=1000, # Limitar el tamaño para prevenir costes excesivos
safety_settings=[
types.SafetySetting(
category=types.HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT,
threshold=types.HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE
)
]
)
print("\n=======================================================")
print(" INICIANDO CONSOLA DE SOPORTE PORTELCORE ")
print(" Escribe 'salir' o 'exit' para finalizar la sesión. ")
print("=======================================================\n")
try:
# 5. Crear la sesión de chat con estado
chat = client.chats.create(
model="gemini-2.5-flash", # Modelo recomendado por velocidad y costes
config=configuracion
)
while True:
# Capturar la entrada del usuario
try:
mensaje_usuario = input("\n[Usuario] >> ").strip()
except (KeyboardInterrupt, EOFError):
print("\n\nSesión interrumpida por el usuario. Cerrando de forma segura.")
break
if not mensaje_usuario:
continue
if mensaje_usuario.lower() in ["salir", "exit", "quit"]:
print("\nFinalizando asistencia de PortelBot. ¡Que tenga un excelente día!")
break
print("[PortelBot] >> ", end="", flush=True)
try:
# 6. Enviar mensaje del usuario en modo Streaming
response_stream = chat.send_message_stream(mensaje_usuario)
# Iterar sobre los fragmentos a medida que llegan del servidor
for chunk in response_stream:
if chunk.text:
print(chunk.text, end="", flush=True)
print() # Salto de línea final
except core_exceptions.ResourceExhausted as err_quota:
print(f"\n[ERROR] Se ha excedido la cuota de peticiones por minuto. Espere unos segundos. Detalle: {err_quota.message}")
except core_exceptions.GoogleAPICallError as err_api:
print(f"\n[ERROR] Error en el servicio de Gemini API: {err_api.message}")
except Exception as e:
print(f"\n[ERROR INESPERADO] {str(e)}")
except Exception as e:
print(f"[CRITICAL] Error al instanciar la sesión de chat: {e}")
if __name__ == "__main__":
ejecutar_chatbot()

3. Guía de Ejecución y Pruebas en Laboratorio

Sección titulada «3. Guía de Ejecución y Pruebas en Laboratorio»

Para desplegar y validar el chatbot interactivo en tu entorno de desarrollo en Portelcore, sigue esta secuencia operativa:

Asegúrate de que estás en el directorio del proyecto y activa el entorno de Python aislado. Instala el SDK unificado si no lo has hecho aún.

Ventana de terminal
# Crear entorno virtual de pruebas
python -m venv portel-chat-env
source portel-chat-env/bin/activate # En Linux/macOS
# .\portel-chat-env\Scripts\activate # En Windows
# Instalar biblioteca Google GenAI
pip install --upgrade google-genai

Configura de forma segura tu clave de la API de Gemini (adquirida en Google AI Studio) como variable de entorno y lanza el asistente.

Ventana de terminal
# Configuración temporal de la variable de entorno
export GOOGLE_API_KEY="AIzaSyA..."
# Lanzar consola interactiva
python portel_support_bot.py

Paso 3: Interactuar y Auditar la Memoria del Chat

Sección titulada «Paso 3: Interactuar y Auditar la Memoria del Chat»

Prueba la retención del contexto haciendo preguntas consecutivas:

  1. Pregunta 1: “Hola, necesito configurar una IP estática en el servidor de n8n.”
  2. Pregunta 2 (Contextual): “¿Qué segmento de red me corresponde según las normas de Portelcore?”
  3. Validación: El asistente debe responderte correctamente haciendo referencia a la dirección IP estática 172.22.40.231 (establecida en las instrucciones del sistema en el Paso 2), demostrando que recuerda la conversación previa sin necesidad de volver a definir el contexto de n8n.

Valida la robustez del asistente conversacional contra los estándares del tenant:

  • El script utiliza exclusivamente la clase genai.Client() de la biblioteca google-genai en sustitución del SDK obsoleto. ✓
  • El chatbot envía y procesa datos en tiempo real mediante send_message_stream para una experiencia fluida. ✓
  • Las instrucciones del sistema garantizan el alineamiento de la personalidad y restringen la fuga de credenciales o secretos del dominio portelcore.com. ✓
  • Los bloques try...except controlan y encapsulan con elegancia excepciones críticas como límites de cuota (ResourceExhausted). ✓