PI-Radar: ingesta tus fuentes de información por vos, y te las entrega resumidas

La información del sector no falta; falta tiempo para procesarla.

PI-Radar es uno de los productos propios que desarrollamos en nuestro Laboratorio. Monitorea las fuentes que definimos, procesa cada publicación nueva con inteligencia artificial y construye un briefing estructurado y actualizado. Desde cualquier módulo de IA compatible con MCP, ese briefing es consultable en lenguaje natural en el momento en que se necesita.

El problema

Un ejecutivo de tecnología necesita mantenerse al día con lo que pasa en inteligencia artificial, en los mercados que sigue y en los temas relevantes para sus clientes. Las fuentes existen: newsletters, cuentas de referencia en X, publicaciones especializadas. El problema es que consumirlas de forma sistemática requiere tiempo y disciplina diaria que compite con todo lo demás.

La solución habitual es guardar links para leer después. En la práctica, ese después raramente llega: los links se acumulan sin ser procesados, y la sensación de estar al día se vuelve culpa postergada. PI-Radar automatiza ese loop completo: no hay links que guardar, no hay fuentes que revisar, no hay nada que procesar manualmente. El sistema lo hace solo.

Cómo funciona

Desde Claude Code se puede preguntar en lenguaje natural: ¿Qué novedades importantes hubo en IA esta semana? o ¿Hay algo relevante sobre agentes de software que deba ver hoy? o ¿Qué se publicó sobre modelos de lenguaje en los últimos dos días? PI-Radar responde desde su base de conocimiento local, sin visitar ninguna fuente en el momento de la consulta.

PI-Radar corre de forma desatendida. Monitorea una lista curada de cuentas de X.com y canales RSS, y por cada publicación nueva invoca a Gemini en Vertex AI. Gemini devuelve un JSON estructurado con cuatro campos: categoría, resumen en español, contexto de ecosistema e indicador de acción requerida. Ese resultado se almacena en una base de datos local y queda disponible de inmediato para su consulta.

El briefing también está disponible como página web scrollable y como archivo Markdown descargable. La página sirve para una revisión rápida desde el navegador; el Markdown es el insumo para el flujo editorial: lo usamos con Claude Code para redactar notas sobre los temas de actualidad que elegimos comentar.

Notas técnicas

PI-Radar implementa el Model Context Protocol (MCP), un estándar abierto que define cómo los módulos de inteligencia artificial invocan herramientas y fuentes de datos externas. El servidor expone cuatro herramientas: consulta del briefing por período, búsqueda en el historial de ítems, obtención de ítems con filtros de categoría y fecha, y estado de la última ingestión. Cualquier agente de IA compatible con MCP puede conectarse al mismo servidor.

La separación de roles entre modelos es parte del diseño. Gemini procesa en background, sin intervención, cada vez que el timer de ingestión se dispara. El modelo que consulta los resultados —actualmente Claude Code— nunca invoca a Gemini directamente. Cada modelo hace lo que hace bien: Gemini resume a escala y a velocidad; Claude analiza, relaciona y redacta con el contexto editorial que le damos.

El stack: Python con FastMCP, que consolida el servidor MCP y el servidor HTTP en el mismo proceso. Base de datos SQLite en modo WAL; deduplicación por CRC32 sobre la URL canónica de cada ítem. Summarización con Gemini Flash sobre Vertex AI, autenticado con service account de Google Cloud. Scraping de X.com con Playwright sobre Google Chrome del sistema. Dos unidades systemd: un timer para la ingestión periódica y un servicio persistente para las consultas MCP y HTTP.