Chatbot de Soporte Interactivo: Ejemplo Avanzado con Google GenAI
Desenvolvimento passo a passo de um chatbot de suporte técnico corporativo com estado, streaming de tokens e manejo robusto de exceções para Portelcore.
1. Arquitetura de um Chatbot Conversacional com 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 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. Guia de Execução e Testes em Laboratório
Sección titulada «3. Guía de Ejecución y Pruebas en Laboratorio»Para implantar e validar o chatbot interativo no seu ambiente de desenvolvimento no Portelcore, siga esta sequência operacional:
Passo 1: Configurar o Ambiente de Desenvolvimento
Sección titulada «Paso 1: Configurar el Entorno de Desarrollo»Certifique-se de que está no diretório do projeto e ative o ambiente Python isolado. Instale o SDK unificado se ainda não o fez.
# 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-genaiPasso 2: Executar o Chatbot
Sección titulada «Paso 2: Ejecutar el Chatbot»Configure de forma segura a sua chave da API do Gemini (adquirida no Google AI Studio) como variável de ambiente e inicie o assistente.
# Configuración temporal de la variable de entornoexport GOOGLE_API_KEY="AIzaSyA..."
# Lanzar consola interactivapython portel_support_bot.pyPasso 3: Interagir e Auditar a Memória do Chat
Sección titulada «Paso 3: Interactuar y Auditar la Memoria del Chat»Teste a retenção do contexto fazendo perguntas consecutivas:
- Pergunta 1: “Olá, preciso configurar uma IP estática no servidor de n8n.”
- Pergunta 2 (Contextual): “Qual segmento de rede me corresponde segundo as normas de Portelcore?”
- Validação: O assistente deve responder corretamente fazendo referência à direção IP estática 172.22.40.231
(estabelecida nas instruções do sistema no Passo 2), demonstrando que recorda a conversação anterior sem necessidade de voltar a definir o contexto de n8n.
4. Checklist de Validação do Chatbot
Sección titulada «4. Checklist de Validación del Chatbot»Valide a robustez do assistente conversacional em relação aos padrões do tenant:
- O script utiliza exclusivamente a classe genai.Client()
da biblioteca google-genaiem substituição ao SDK obsoleto. ✓ - O chatbot envia e processa dados em tempo real mediante send_message_stream
para uma experiência fluida. ✓ - As instruções do sistema garantem o alinhamento da personalidade e restringem a fuga de credenciais ou segredos do domínio portelcore.com
. ✓ - Os blocos try...except
controlam e encapsulam com elegância exceções críticas como limites de quota (ResourceExhausted). ✓

