pet-health-agent

小宠营养师 es un sistema de evaluación dietética con IA orientado a dueños de mascotas. Su diseño central establece una separación estricta entre Agent y Engine: el agente LangGraph ReAct se encarga de comprender, repreguntar, coordinar y explicar, mientras que el motor nutricional en Python puro realiza cálculos como RER/MER, Atwater corregido, consulta de tablas AAFCO, Ca:P, restricciones por enfermedades y conflictos de alérgenos. Todos los datos incluyen fuente, versión y fecha de revisión. El sistema ofrece 8 herramientas con responsabilidades únicas, entre ellas consulta USDA, cálculo de requerimientos energéticos, evaluación nutricional integral, reconocimiento OCR del envase de piensos comerciales con Qwen3-VL, gestión de perfiles de mascotas y escritura de memoria a largo plazo. El sistema de memoria se divide en tres capas: persistencia entre hilos en MySQL de perfiles y hechos, checkpoint en SQLite para guardar el AgentState de un solo hilo, y compresión mediante resumen con LLM cuando se superan los 30 mensajes. El backend utiliza FastAPI y SQLAlchemy con arquitectura asíncrona; el frontend emplea Vue 3 + Pinia + Vite y devuelve mediante SSE en streaming el razonamiento, las llamadas a herramientas y el informe de evaluación. El sistema impone autenticación JWT y aislamiento de datos, sin rutas de acceso anónimo. El proyecto incluye 119 casos de prueba que cubren pruebas unitarias del motor, firmas de herramientas y pruebas smoke del grafo. Este proyecto es útil como referencia para desarrolladores que necesitan agentes verticales explicables y trazables, y demuestra prácticas de ingeniería como que el LLM no participa en cálculos numéricos y que los parámetros de las herramientas se inyectan mediante RunnableConfig para evitar la suplantación de identidad.