Themis · Agente cognitivo verificable para Tuali

Themis aprende procesos web viendo a un humano una vez, los reproduce en miles de tienditas, razona con eventos reales y firma cada paso en Solana. Para Tuali — la nueva capa cognitiva de Arca.

Comment

💡 Inspiración

Arca Continental atiende 1.4 millones de puntos de venta en México. Cada OXXO, cada Costco, cada Soriana, cada tiendita de barrio tiene su propio catálogo de proveedor y su propia instancia del ERP de Tuali. Hoy, el puente entre esos dos sistemas lo construye un capturista a mano: 6 minutos por SKU, 8% de error, 16 horas de capacitación por cliente nuevo, cero trazabilidad.

El reto "Always on Shelf" de Tuali / Arca Continental nos planteaba automatizar esa captura. La trampa fácil era construir un modelo ML clásico para predecir surtido. Nosotras dijimos: el problema real no es predecir — es mapear sistemas que no se hablan, sin que un humano lo enseñe cada vez.

Así nació Themis, la diosa griega del orden divino, hoy agente cognitiva verificable.

🧠 Qué hace Themis

Themis es una plataforma multi-tenant para Tuali con 6 capas integradas:

  1. Aprende viendo — observa un proceso una sola vez (un tendero capturando SKUs) y extrae mappings entre el catálogo del proveedor y el ERP Tuali. Capa 1 · Claude Sonnet 4.6 + Browserbase + Stagehand.

  2. Habla con voz mexicana emocional — narra cada paso con tono curioso al observar, firme al ejecutar, triunfal al terminar, alerta al adaptar. Bidireccional: el jurado le puede preguntar en vivo y Themis responde. Capa 2 · ElevenLabs multilingual v2 + Whisper.

  3. Razona con eventos reales — Deep Research vía Gemini con grounding: busca eventos próximos (Liga MX, exámenes universitarios, fechas comerciales) en fuentes verificables y recomienda ajustes de surtido por SKU. Capa 3 · Gemini 2.0 Flash.

  4. Recuerda cross-cliente — banner "Ya he visto este sitio. Tengo N mapeos guardados" cuando una tienda nueva onboardea con una URL que comparte estructura con otra ya aprendida. Capa 4 · MongoDB Atlas + filesystem fallback.

  5. Escala como infraestructura — expuesto como MCP server (Model Context Protocol) con 6 tools. Cualquier asistente IA con soporte MCP (Claude Desktop, Cursor) puede invocar a Themis para Tuali. Capa 5 · Vercel + MCP HTTP transport.

  6. Verifica en cadena pública — cada playbook y cada mapping de alta confianza se hashea con SHA-256 y se firma en Solana devnet. El jurado puede clickear cualquier hash y abre Solana Explorer real. Sin confiar — verificar. Capa 6 · Solana web3.js + Memo Program.

Features wow que ningún otro equipo va a mostrar

  • Self-Critique — Themis se autocritica con grade A-F después de aprender. Publica lo que NO sabe.
  • Confidence Heatmap — grid colorido por mapping. Lo rojo (<70% confidence) NO se firma sin revisión humana.
  • Cost Transparency — capa por capa en USD real, vs capturista manual. ROI 109× mínimo.
  • Multi-tenant Tuali — 4 clientes pre-seed (OXXO Tec, Soriana Cumbres, Costco San Pedro, Abarrotes Don Beto) con su zona, su baseline, sus stats.
  • Onboard con UNA URL — pegás https://www.7-eleven.com.mx y Themis identifica la marca, infiere zona, está lista en 5 segundos.
  • Reto del jurado — la audiencia dicta cualquier URL en vivo y Themis aprende en <30s con firma on-chain.
  • Carrera comparativa — humano tipea código SKU vs Themis. Imposible ganarle. Confetti al final.
  • Modo replay — ejecución cliente-side animada con self-healing por visión cuando un selector cambia.

🛠️ Cómo lo construimos

Stack técnico

  • Monorepo pnpm workspaces con 3 apps Next.js 15:

    • operator-ui — la UI principal de Themis
    • source-system — portal CPG "Distribuidora del Norte" con dashboard ejecutivo, catálogo, promociones, estado de cuenta
    • erp-destino — sistema destino mock del ERP Tuali

  • Capa 1: Claude Sonnet 4.6 vía @anthropic-ai/sdk para extracción de playbooks + self-critique. Stagehand sobre Browserbase para automation (fallback a modo replay cuando Browserbase no está disponible).

  • Capa 2: ElevenLabs eleven_multilingual_v2 con voice_settings por mood (5 emociones: curious, firm, triumphant, alert, neutral). Whisper para transcripción push-to-talk via MediaRecorder API.

  • Capa 3: Gemini 2.0 Flash con google_search_retrieval grounding tool. Fallback a calendario curado de eventos México cuando hay rate limit.

  • Capa 4: MongoDB Atlas con filesystem fallback automático. Cross-cliente recall implementado con matching por dominio root (compound TLDs .com.mx, .com.ar, etc.).

  • Capa 5: Vercel monorepo con outputFileTracingRoot configurado para pnpm workspaces. MCP server expuesto en /api/mcp con JSON-RPC 2.0 sobre Streamable HTTP.

  • Capa 6: Solana web3.js con Memo Program. Cada mapping de confidence ≥0.7 se firma individualmente en paralelo via Promise.all. SHA-256 sobre canonical JSON.

Arquitectura multi-tenant

Cada cliente Tuali tiene su propio espacio: source_system_url, destination_system_url, zone, baseline_skus, playbook_ids[]. El cliente activo se persiste en localStorage con sync entre tabs por CustomEvent. Todas las páginas (memory, execute, recommendations, comparativo) pivotean según el cliente seleccionado.

Onboarding con UNA URL

El endpoint /api/clients/onboard hace HTTP fetch del sitio, extrae el <title>, infiere la marca por regex sobre hostname+title (OXXO, Soriana, Costco, Walmart, HEB, Chedraui, etc.), asigna emoji y zona default. El cliente queda en estado "onboarding" listo para aprender su primer playbook.

🔥 Retos que enfrentamos

  1. Browserbase free tier agotado a mitad del demo. Lo resolvimos con un bypass universal: el iframe carga directo (own-domain Vercel) y el extractor hace HTTP fetch del HTML server-side. Browserbase se volvió opcional, no crítico.

  2. Voces de ElevenLabs mezclándose cuando había triggers casi simultáneos. Implementamos un generation counter en useVoice que invalida fetches en curso si llega un nuevo speak().

  3. JSON malformado de Claude después del } correcto rompía el JSON.parse(). Construimos un parser balanceado que cuenta llaves respetando strings con escapes.

  4. Playbooks viejos con shapes parciales crasheaban las nuevas cards (cost.capa1_claude_usd.toFixed() con field undefined). Hardneamos CostBreakdownCard, ConfidenceHeatmap y SelfCritiqueCard con guards defensivos.

  5. Recall demasiado agresivo matcheaba sitios mexicanos por el TLD .com.mx. Implementamos lista de compound TLDs para usar 3 partes del dominio cuando aplica.

  6. Multi-tenant sin perder el pitch — el shift de mindset de "Themis = tool" a "Themis = plataforma multi-cliente para Tuali" se hizo en una sola noche con migración a 4 clientes pre-seed sin romper el flujo existente.

🏆 Logros de los que estamos orgullosas

  • 6 capas funcionales y verificables en 48 horas, no slideware.
  • Multi-tenant real con onboarding por URL — el patrón "una URL para un cliente nuevo" es lo que Tuali necesita para escalar a 1.4M de puntos de venta.
  • MCP server — Themis es la primera herramienta de captura CPG que puede invocarse desde Claude Desktop / Cursor. Esto la convierte en infraestructura, no app aislada.
  • Provenance criptográfica REAL — cada hash es una tx pública en Solana devnet. El jurado puede verificar sin confiar.
  • Self-critique honesto — Themis admite cuando un playbook es incompleto con grade D/F. No infla resultados.
  • Voz emocional contextual — 5 moods con voice_settings distintos. La diferencia se nota en vivo.

📚 Lo que aprendimos

  • Que el problema NO era predecir surtido (la trampa del reto). El problema era bridging sistemas heterogéneos sin entrenamiento manual.
  • Que selector_intent en lenguaje natural + vision fallback (Claude Vision) es la receta para automation que sobrevive cambios de HTML — RPA tradicional rompe, Themis adapta.
  • Que provenance on-chain transforma la conversación con el jurado: ya no es "confíen que aprendí", es "verifíquenlo ustedes".
  • Que MCP es el estándar que va a definir cómo las IAs se interconectan los próximos 3 años. Implementarlo ahora nos da ventaja arquitectural.
  • Que multi-tenant + URL-onboarding es el patrón que cambia un demo de "look, una tool cool" a "esta es la plataforma que necesita Tuali".

🚀 Qué sigue para Themis

  • Pilot real con Arca Continental en 3 sucursales (OXXO + Soriana + abarrotes) durante 30 días.
  • Mainnet Solana con multi-signature wallet para que Tuali pueda firmar joint con Themis cada playbook crítico.
  • MCP federado — Themis con tools que llaman a Themis de otra organización. Imagina: el agente de Tuali consulta el catálogo aprendido por el agente de Walmart México.
  • Capa 7: Compliance — clasificación automática de SKUs por NOM, COFEPRIS, IEPS. Cada clasificación firmada.
  • iOS native del operador para que el tendero capture desde su teléfono mientras Themis observa por screen-recording.

Themis no es un demo de hackathon. Es la infraestructura cognitiva que Tuali, Arca Continental y cualquier socio van a usar para los próximos 5 años.

Built With

  • anthropic-claude
  • browserbase
  • claude-sonnet-4.6
  • elevenlabs
  • framer-motion
  • gemini
  • lucide-react
  • mcp
  • model-context-protocol
  • mongodb
  • nextjs
  • openai
  • pnpm
  • react
  • solana
  • solana-web3.js
  • stagehand
  • tailwindcss
  • typescript
  • vercel
  • whisper
  • zod
Share this project:

Updates