Monta tu Propio Laboratorio

Ejecutar Go Tutor Agent en tu entorno local te da el poder de explorar, modificar y entender cada pieza del sistema. Sigue esta guía para empezar en minutos.

Entornos: Desarrollo vs. Producción

Entiende las diferencias clave para sacar el máximo partido a cada entorno.

Entorno Local

Go Tutor Agent a máxima potencia

✓ Desarrollo ultrarrápido (4 Workers): Simula un entorno de mayor carga y obtén respuestas instantáneas. Ideal para pruebas de estrés y desarrollo ágil.
✓ Observabilidad profesional: Accede a Grafana y Prometheus para depurar, optimizar y entender el flujo de datos y el rendimiento como un profesional.
✓ Control total de datos: Explora y manipula la base de datos con Mongo Express. Perfecto para experimentar, crear casos de prueba y entender la persistencia de datos.
✓ Traza de pensamiento: Observa desde tu propia terminal el proceso de pensamiento de Go Tutot Agent mientras trabaja para tí
✓ LLM a la carta: Configura y eligue tú mismo el modelo de lenguaje sobre el que quieres que corra Go Tutor Agent.

 # Configuración de Workers en local CMD ["gunicorn", "-w", "4", "-k", "uvicorn.workers.UvicornWorker", ...] 

Railway

Optimizado y eficiente

✓ Imagen optimizada: Construida para ser ligera y cumplir con las restricciones de la plataforma de despliegue.
✓ Eficiencia optimizada (1 Worker): Configuración ajustada para la capa gratuita de Railway, garantizando estabilidad y un uso eficiente de recursos.
✓ Despliegue simplificado:Despliegue de todos los servicios necesarios para producción mediante Dockerfiles

 # Configuración en producción CMD ["gunicorn", "-w", "1", "-k", "uvicorn.workers.UvicornWorker", ...] 

Guía de Instalación

Sigue los comandos de la terminal y utiliza del .env de muestra para configurar tu propio archivo .env.

bash

  # 1. Clona el repositorio 
  $ git clone https://github.com/JosCarRub/go-tutor-agent-project   
  $ cd go-tutor-agent   
 # 2. Crea y edita tu archivo .env 
  $ cp .env.example .env   
 # (Pega el contenido de la derecha) 
 # 3. Levanta todo el stack 
  $ docker-compose up --build   
 █

.env

# ⚠️ ADVERTENCIA IMPORTANTE ⚠️
# *** INCLUYENDO SOLO UNA API KEY, EL AGENTE FUNCIONARÁ ***
# *** SE RECOMIENDA UTILIZAR LA API KEY GRATUITA DE aistudio.google.com ***
# *** PARA UNA EXPERIENCIA SUPERIOR, USA EL MODELO gemini-2.5-pro ***

# --- Agente --- 
OPENROUTER_API_KEY="xxxxx"
MISTRAL_MODEL_ID="xxxxx"

GEMINI_API_KEY="xxxxxxx"
GEMINI_MODEL_ID='gemini-2.5-pro'

OPENAI_API_KEY='xxxxxxx'
OPENAI_MODEL_ID='xxxxxxx'

# --- mongo ---
MONGO_INITDB_ROOT_USERNAME=admin
MONGO_INITDB_ROOT_PASSWORD=password

ME_CONFIG_BASICAUTH_USERNAME=admin
ME_CONFIG_BASICAUTH_PASSWORD=password

# --- spring ---
SPRING_ADMIN_USER=admin
SPRING_ADMIN_PASSWORD=secret_password

# --- URL del Microservicio de Ejecución de Go ---
GO_EXECUTOR_URL="http://go-executor:8090"