AfiNexus AI Engine

AfiNexus AI Engine: Event-driven backend architecture with a 5-agent pipeline orchestrated on GCP and Firebase Firestore

Inspiration

AfiNexus AI Engine nació al observar una contradicción crítica en la economía digital actual: mientras las agencias de servicios y creadores de contenido operan en un mercado global de alta velocidad, sus flujos de trabajo de backend siguen dependiendo de infraestructuras monolíticas rígidas y costosas de mantener las 24 horas del día. Nos inspiramos en la necesidad de crear un sistema completamente autónomo, desacoplado y reactivo, capaz de procesar datos comerciales masivos y optimizar presupuestos financieros en piloto automático sin intervención humana, reduciendo los costos operativos a cero cuando el sistema no está procesando tráfico.

What it does

AfiNexus AI Engine es un ecosistema de 5 agentes autónomos e inteligentes que operan de forma asíncrona en Google Cloud, eliminando por completo la intervención humana en el ciclo de comercialización digital:

Agente 1: Scout (Descubrimiento Colectivo): Analiza catálogos masivos de servicios y productos de manera concurrente. Filtra mediante Gemini 1.5 Pro la viabilidad comercial y los clasifica estrictamente en las verticales de XPRIZE bajo salidas estructuradas (Structured Outputs) con esquemas de Pydantic.
Agente 2: Creative (Generación de Contenido con IA): Toma los productos validados con un score > 80 y genera de forma autónoma los guiones gráficos, recursos multimedia y copys de alto impacto optimizados para retención visual mediante modelos de lenguaje y herramientas de automatización de renderizado.
Agente 3: Publisher (Distribución Automatizada): Se encarga de la inyección y publicación programada del contenido generado directamente en las API oficiales de las plataformas de destino (TikTok, Meta Ads, etc.), gestionando las cuotas de subida, tokens de acceso y metadatos de campaña.
Agente 4: Auditor (Atribución y Captura Transaccional): Un microservicio serverless de alta velocidad basado en FastAPI y desplegado en Google Cloud Run. Intercepta los webhooks de pasarelas de pago en tiempo real, validando firmas criptográficas HMAC-SHA256 y registrando conversiones de forma atómica en la base de datos.
Agente 5: Traffic Manager (Controlador Financiero y de Riesgos): Evalúa el rendimiento analítico de las campañas en tiempo real. Aplica algoritmos de riesgo autónomos para activar presupuestos pagados a contenido orgánico que se vuelve viral (conversiones >= 3), escalar presupuestos un 20% si el ROI supera el 50%, o apagar campañas de inmediato (STOPPED_BY_RISK) si el ROI es negativo para mitigar pérdidas.

How we built it

Diseñamos el backend desde cero rompiendo el paradigma tradicional de servidores encendidos 24/7. Construimos una arquitectura orientada a eventos (Event-Driven Architecture) utilizando los siguientes componentes tecnológicos:

Python 3.11+ y el SDK oficial actualizado google-genai para el procesamiento cognitivo de los agentes.
Google Cloud Run para el despliegue serverless de alta escalabilidad del webhook receptor.
Firebase Firestore como la base de datos NoSQL distribuida que actúa como estado central y memoria compartida del ecosistema.
Google Cloud Secret Manager para blindar la seguridad de las API Keys y tokens de plataformas de anuncios, garantizando cero credenciales expuestas en el código fuente.
FastAPI y Pydantic para la construcción de interfaces de programación de aplicaciones (API) rápidas, seguras y fuertemente tipadas.

Challenges we faced

El mayor desafío técnico inicial fue pasar del diseño de un servidor local unificado a un entorno distribuido en la nube, donde múltiples bots aislados necesitan interactuar con los mismos datos sin generar condiciones de carrera (Race Conditions). Solucionamos esto implementando un modelo de aislamiento estricto mediante transacciones atómicas en Firestore, asegurando que el cálculo de métricas financieras y el ROI de las campañas se ejecuten de manera secuencial y segura, incluso bajo ráfagas masivas de webhooks simultáneos provenientes de las plataformas de afiliación.

What we learned

Aprendimos que la clave de los sistemas de producción con IA no radica solo en la complejidad del prompt, sino en la predictibilidad de sus respuestas. Al forzar esquemas estrictos de Pydantic junto con el parámetro response_mime_type="application/json" en Gemini, eliminamos por completo el comportamiento errático del lenguaje natural, transformando a la IA en un componente de software determinista y confiable, listo para competir en escenarios comerciales de nivel empresarial y con la robustez requerida por un desafío global como XPRIZE.