Chatbot de support interactif : Exemple avancé avec Google GenAI
Développement étape par étape d'un chatbot de support technique d'entreprise avec gestion d'état, streaming de tokens et gestion robuste des exceptions pour Portelcore.
1. Architecture d'un Chatbot Conversationnel avec État
Sección titulada «1. Arquitectura de un Chatbot Conversacional con Estado»La création d'une interface de support technique interactive (par ex., portel_support_bot) nécessite une gestion impeccable de l'historique de la conversation. Contrairement aux requêtes à un seul tour, un chatbot de production doit se souvenir du contexte précédent envoyé par le client.
Le nouveau SDK Python unifié google-genai propose l'interface abstraite client.chats, qui automatise la persistance de l'état côté serveur et optimise le flux conversationnel.
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. Implémentation complète : portel_support_bot.py
Sección titulada «2. Implementación Completa: portel_support_bot.py»Le script suivant fournit une interface interactive en console qui permet de converser avec le moteur génératif Gemini en mode Streaming (envoi et rendu continu de fragments de texte) et intègre un contrôle intégral des exceptions et des directives corporatives sévères.
import osimport sysimport timefrom google import genaifrom google.genai import typesfrom 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. Guide d'Exécution et Tests en Laboratoire
Sección titulada «3. Guía de Ejecución y Pruebas en Laboratorio»Pour déployer et valider le chatbot interactif dans votre environnement de développement sur Portelcore, suivez cette séquence opérationnelle :
Étape 1 : Configurer l'Environnement de Développement
Sección titulada «Paso 1: Configurar el Entorno de Desarrollo»Assurez-vous d'être dans le répertoire du projet et activez l'environnement Python isolé. Installez le SDK unifié si vous ne l'avez pas encore fait.
# Crear entorno virtual de pruebaspython -m venv portel-chat-envsource portel-chat-env/bin/activate # En Linux/macOS# .\portel-chat-env\Scripts\activate # En Windows
# Instalar biblioteca Google GenAIpip install --upgrade google-genaiÉtape 2 : Exécuter le Chatbot
Sección titulada «Paso 2: Ejecutar el Chatbot»Configurez de manière sécurisée votre clé d'API Gemini (acquise dans Google AI Studio) en tant que variable d'environnement et lancez l'assistant.
# Configuración temporal de la variable de entornoexport GOOGLE_API_KEY="AIzaSyA..."
# Lanzar consola interactivapython portel_support_bot.pyÉtape 3 : Interagir et Auditer la Mémoire du Chat
Sección titulada «Paso 3: Interactuar y Auditar la Memoria del Chat»Testez la rétention du contexte en posant des questions consécutives :
- Question 1 : “Bonjour, j'ai besoin de configurer une IP statique sur le serveur n8n.”
- Question 2 (Contextuelle) : “Quel segment réseau me correspond selon les normes de Portelcore ?”
- Validation : L'assistant doit vous répondre correctement en faisant référence à l'adresse IP statique
172.22.40.231(établie dans les instructions du système à l'étape 2), démontrant qu'il se souvient de la conversation précédente sans avoir besoin de redéfinir le contexte de n8n.
4. Liste de Contrôle de Validation du Chatbot
Sección titulada «4. Checklist de Validación del Chatbot»Validez la robustesse de l'assistant conversationnel par rapport aux normes du tenant :
- Le script utilise exclusivement la classe
genai.Client()de la bibliothèquegoogle-genaien remplacement du SDK obsolète. ✓ - Le chatbot envoie et traite des données en temps réel via
send_message_streampour une expérience fluide. ✓ - Les instructions système garantissent l'alignement de la personnalité et restreignent la fuite d'identifiants ou de secrets du domaine
portelcore.com. ✓ - Les blocs
try...exceptcontrôlent et encapsulent avec élégance les exceptions critiques telles que les limites de quota (ResourceExhausted). ✓

