GlintMesh

• 

  Logo

Inspiration

En servicios financieros, la mayoría de las interfaces son estáticas: dashboards fijos que no se adaptan a lo que el usuario realmente necesita ver en el momento. Nos preguntamos qué pasaría si un agente de IA pudiera generar la interfaz sobre la marcha, según la intención del usuario, en lugar de forzarlo a navegar menús predefinidos. Esa idea, una UI que se "derrite y reforma" según el contexto, que pueda generar interfaces en un destello, le dio nombre al proyecto: GlintMesh.

What it does

GlintMesh es un agente que, al recibir una petición en lenguaje natural relacionada con finanzas personales o inversión ("muéstrame cómo va mi portafolio este mes" o "compara estas tres tarjetas de crédito"), genera en tiempo real una interfaz visual a medida, gráficas, tablas comparativas o tarjetas de resumen, en lugar de responder solo con texto. Usa MCP para conectarse a fuentes de datos financieros y ensamblar la interfaz más adecuada para cada consulta, sin plantillas prediseñadas.

How we built it

Construimos un servidor MCP que expone herramientas de datos financieros (cotizaciones, historial de transacciones, comparadores de productos) y un agente orquestador que decide, según la intención detectada, qué tipo de componente visual generar. El frontend renderiza esos componentes dinámicamente a partir de la respuesta del agente, permitiendo que cada interacción produzca una interfaz distinta sin necesidad de recargar la aplicación.

Challenges we ran into

El mayor reto fue lograr que el agente eligiera el tipo de visualización correcto de forma consistente: al principio generaba tablas cuando un gráfico habría comunicado mejor la información, y viceversa. También tuvimos que resolver la latencia entre la llamada MCP y el renderizado para que la interfaz se sintiera fluida y no como una carga de página tradicional.

Accomplishments that we're proud of

Logramos tener un flujo end-to-end funcionando en las 3 días del reto: desde la consulta en lenguaje natural hasta una interfaz financiera generada dinámicamente, conectada a datos reales vía MCP. También conseguimos que el sistema mantuviera coherencia visual entre distintas interfaces generadas, a pesar de que cada una se construye "desde cero".

What we learned

Aprendimos lo importante que es diseñar buenas herramientas MCP, con nombres y descripciones claras, para que el agente elija correctamente qué usar y cuándo. También entendimos que generar UI dinámica no es solo un problema técnico sino de diseño: hay que darle al agente reglas de estilo consistentes para que el resultado se sienta como un producto y no como un experimento.

What's next for GlintMesh

Nos gustaría ampliar el catálogo de componentes visuales disponibles, añadir memoria de contexto entre consultas para que el agente refine interfaces anteriores en vez de generar todo desde cero, y probar el sistema con casos de uso reales de un partner financiero.

Built With

• ml