Colección de más de 50 tutoriales ejecutables en Jupyter notebooks sobre técnicas para agentes de GenAI, desde chatbots simples hasta sistemas multiagente.
GoogleCloudPlatform/cymbal-air-toolbox-demo
Agente de atención al cliente de demostración para una aerolínea ficticia, creado con LangGraph y RAG para consultar bases de datos de Google Cloud mediante MCP Toolbox.
- Estrellas
- 350
- Forks
- 123
- Issues abiertos
- 53
- Último commit
- hace 3 meses
¿Qué es?
Este proyecto es una implementación de referencia de una aplicación de atención al cliente basada en agentes y construida sobre bases de datos de Google Cloud. El escenario se desarrolla en Cymbal Air, una aerolínea ficticia, y su centro de operaciones en el Aeropuerto Internacional de San Francisco. El asistente puede ayudar a los viajeros a gestionar sus vuelos y responder preguntas sobre el aeropuerto, como dónde tomar un café, qué tiendas hay en las terminales y qué vuelos hay a una ciudad determinada.
El agente se orquesta con LangGraph, por lo que el LLM elige qué herramientas usar y en qué orden, en lugar de seguir una secuencia fija de llamadas. Cada herramienta corresponde a una consulta predefinida a la base de datos, como buscar vuelos o enumerar los servicios del aeropuerto. Retrieval Augmented Generation fundamenta las respuestas en los datos almacenados en la base de datos.
El acceso a la base de datos se realiza a través de MCP Toolbox, un servidor de middleware que expone las operaciones de la base de datos como herramientas y gestiona la autenticación y la autorización, de modo que el agente nunca se conecta directamente a la base de datos. La capa de base de datos se describe como intercambiable, y la demo incluye instrucciones de configuración para Cloud SQL y otras bases de datos de Google Cloud mediante un archivo tools.yaml.
Funciones clave
- 01Orquestación de agentes con LangGraph, donde el LLM selecciona herramientas de forma dinámica.
- 02Acceso a la base de datos mediante MCP Toolbox, que gestiona la autenticación y la autorización.
- 03Retrieval Augmented Generation para fundamentar las respuestas en los datos de la base de datos.
- 04Herramientas predefinidas, como find_flights y list_amenities, asociadas a consultas a la base de datos.
- 05Herramientas configurables mediante un archivo tools.yaml, ejecutables en local o en Cloud Run.
Casos de uso
- Aprender a crear un agente de atención al cliente que consulta una base de datos en la nube.
- Usarlo como punto de partida para crear una aplicación basada en agentes que utilice MCP Toolbox con tu propia base de datos.
- Explorar cómo restringir el acceso de un agente a la base de datos mediante una capa de middleware.
Inicio rápido
- 1
Clona el repositorio
git clone https://github.com/GoogleCloudPlatform/cymbal-air-toolbox-demo.git - 2
Descarga el binario de MCP Toolbox (ejemplo para Linux amd64 del README)
curl -O https://storage.googleapis.com/genai-toolbox/v$VERSION/linux/amd64/toolbox - 3
Completa la configuración inicial de la base de datos y tools.yaml siguiendo la Database Setup Guide
- 4
Ejecuta el servidor de Toolbox localmente
./toolbox --tools-file "tools.yaml"
Antes de usarlo
- El README indica que esto es una demostración y no un producto con soporte oficial de Google.
- Para ejecutarlo, primero hay que configurar una base de datos de Google Cloud y el servidor de MCP Toolbox.
- La configuración consta de varios pasos y requiere seguir la Database Setup Guide y las instrucciones independientes para ejecutar la aplicación.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es cymbal-air-toolbox-demo?
- Agente de atención al cliente de demostración para una aerolínea ficticia, creado con LangGraph y RAG para consultar bases de datos de Google Cloud mediante MCP Toolbox. Este proyecto es una implementación de referencia de una aplicación de atención al cliente basada en agentes y construida sobre bases de datos de Google Cloud. El escenario se desarrolla en Cymbal Air, una aerolínea ficticia, y su centro de operaciones en el Aeropuerto Internacional de San Francisco. El asistente puede ayudar a los viajeros a gestionar sus vuelos y responder preguntas sobre el aeropuerto, como dónde tomar un café, qué tiendas hay en las terminales y qué vuelos hay a una ciudad determinada.
- ¿cymbal-air-toolbox-demo es gratuito? ¿Qué licencia tiene?
- cymbal-air-toolbox-demo es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿cymbal-air-toolbox-demo sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de cymbal-air-toolbox-demo fue el 14 ago 2026.
- ¿Para qué puedo usar cymbal-air-toolbox-demo?
- Aprender a crear un agente de atención al cliente que consulta una base de datos en la nube. Usarlo como punto de partida para crear una aplicación basada en agentes que utilice MCP Toolbox con tu propia base de datos. Explorar cómo restringir el acceso de un agente a la base de datos mediante una capa de middleware.
- ¿Cómo se instala cymbal-air-toolbox-demo?
- Clona el repositorio: git clone https://github.com/GoogleCloudPlatform/cymbal-air-toolbox-demo.git Descarga el binario de MCP Toolbox (ejemplo para Linux amd64 del README): curl -O https://storage.googleapis.com/genai-toolbox/v$VERSION/linux/amd64/toolbox Completa la configuración inicial de la base de datos y tools.yaml siguiendo la Database Setup Guide Ejecuta el servidor de Toolbox localmente: ./toolbox --tools-file "tools.yaml"
- ¿Dónde consigo cymbal-air-toolbox-demo?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/GoogleCloudPlatform/cymbal-air-toolbox-demo
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Un harness de agentes para Python, con opiniones claras y todo incluido, que ejecuta tareas largas de varios pasos desde el primer momento sobre LangGraph.
Colección de 28 tutoriales basados en código para llevar agentes de GenAI del prototipo a producción, con temas como memoria, RAG, despliegue, seguridad y observabilidad.
Backend open source y autohospedable, diseñado para IA, que ofrece a las aplicaciones generadas por IA base de datos, autenticación, almacenamiento, memoria, funciones y alojamiento en CDN en un solo servicio.
Sistema de memoria para agentes que almacena, recupera y analiza recuerdos para que los agentes de IA aprendan con el tiempo, en lugar de limitarse a repetir el historial del chat.
Tutorial con cinco notebooks de Jupyter que muestran paso a paso cómo crear desde cero un agente de investigación profunda basado en LangGraph.