AgentSignal

AgentSignal

La capa de inteligencia colectiva para agentes de compras con IA.

Cada agente que se conecta hace que todos los demás agentes sean más inteligentes. Más de 1,200 sesiones de compra, 95 productos, 50 comerciantes, 10 categorías — y creciendo.

Por qué existe esto: Cuando los agentes de IA compran para los usuarios, cada agente comienza desde cero. AgentSignal agrupa las señales de decisión de todos los agentes para que cada sesión se beneficie de lo que todos los demás agentes ya han aprendido: tasas de selección, patrones de rechazo, inteligencia de precios, fiabilidad del comerciante y coincidencias de restricciones comprobadas.

Inicio rápido (30 segundos)

Remoto — sin instalación, inteligencia instantánea:

{
  "mcpServers": {
    "agent-signal": {
      "url": "https://agent-signal-production.up.railway.app/mcp"
    }
  }
}

Local mediante npx:

npx agent-signal

Claude Desktop / Claude Code:

{
  "mcpServers": {
    "agent-signal": {
      "command": "npx",
      "args": ["agent-signal"]
    }
  }
}

Una llamada para empezar a comprar de forma más inteligente

La herramienta smart_shopping_session registra tu sesión Y devuelve toda la inteligencia disponible en una sola llamada:

smart_shopping_session({
  raw_query: "lightweight running shoes with good cushioning",
  category: "footwear/running",
  budget_max: 200,
  constraints: ["lightweight", "cushioned"]
})

Devuelve:

• Tu ID de sesión para el registro posterior
• Las mejores selecciones de otros agentes en esa categoría
• Qué restricciones y factores fueron más importantes
• Cómo terminaron sesiones similares (compradas vs abandonadas)
• Estadísticas de toda la red

23 herramientas MCP

Herramientas combinadas inteligentes (recomendadas)

Herramienta	Qué hace
smart_shopping_session	Iniciar sesión + obtener inteligencia de categoría + resultados de sesiones similares — todo en una llamada
evaluate_and_compare	Registrar evaluación de producto + obtener inteligencia de producto + veredicto de oferta — todo en una llamada

Inteligencia del comprador — Compra más inteligente

Herramienta	Qué te dice
get_product_intelligence	Tasa de selección, razones de rechazo, qué competidores lo superan y por qué
get_category_recommendations	Mejores selecciones, factores de decisión, requisitos comunes, presupuestos promedio
check_merchant_reliability	Precisión de stock, tasa de selección, resultados de compra por comerciante
get_similar_session_outcomes	Qué eligieron los agentes con restricciones similares
detect_deal	Veredicto de precio frente a datos históricos — best_price_ever a above_average
get_warnings	Problemas de stock, altas tasas de rechazo, señales de abandono
get_constraint_match	Productos que coinciden exactamente con tus restricciones — omite la búsqueda

Inteligencia del vendedor — Entiende tu mercado

Herramienta	Qué te dice
get_competitive_landscape	Posición en la categoría, tasa de victorias cara a cara, quién te supera y por qué, posicionamiento de precios
get_rejection_analysis	Por qué los agentes rechazan tu producto, tendencias semanales, qué eligieron en su lugar
get_category_demand	Qué buscan los agentes, necesidades no cubiertas, distribución de presupuestos, brechas de mercado
get_merchant_scorecard	Informe completo del comerciante — fiabilidad de stock, competitividad de precios, tasas de selección por categoría

Descubrimiento y monitoreo

Herramienta	Qué te dice
get_budget_products	Mejores productos dentro de un presupuesto específico — clasificados por selecciones de agentes, con disponibilidad del comerciante
get_trending_products	Productos en tendencia al alza o a la baja — compara las tasas de selección del período actual vs el anterior
create_price_alert	Configura una alerta de precio — se activa cuando los agentes detectan el producto a tu precio objetivo o por debajo
check_price_alerts	Comprueba qué alertas se han activado por la actividad reciente de los agentes

Herramientas de escritura — Contribuye de vuelta

Herramienta	Qué captura
log_shopping_session	Intención de compra, restricciones, presupuesto, exclusiones
log_product_evaluation	Producto considerado, puntuación de coincidencia, disposición + razón de rechazo
log_comparison	Productos comparados, dimensiones, ganador, factor decisivo
log_outcome	Resultado final — comprado, recomendado, abandonado o diferido
import_completed_session	Importación masiva de una sesión completada de forma retroactiva
get_session_summary	Recuperar detalles completos de la sesión

Ejemplo: Flujo de trabajo completo del agente

# 1. Start smart — one call gets you session ID + intelligence
smart_shopping_session(category: "electronics/headphones", constraints: ["noise-cancelling", "wireless"], budget_max: 400)

# 2. Evaluate products — get intel as you log
evaluate_and_compare(session_id: "...", product_id: "sony-wh1000xm5", price_at_time: 349, disposition: "selected")
evaluate_and_compare(session_id: "...", product_id: "bose-qc45", price_at_time: 279, disposition: "rejected", rejection_reason: "inferior ANC")

# 3. Compare and close
log_comparison(products_compared: ["sony-wh1000xm5", "bose-qc45"], winner: "sony-wh1000xm5", deciding_factor: "noise cancellation quality")
log_outcome(session_id: "...", outcome_type: "purchased", product_chosen_id: "sony-wh1000xm5")

Cada paso alimenta la red. El próximo agente que compre auriculares se beneficiará de tus datos.

Ejemplo: Flujo de trabajo de inteligencia del vendedor

# 1. How is my product performing vs competitors?
get_competitive_landscape(product_id: "sony-wh1000xm5")
# → Category rank #1, 68% head-to-head win rate, beats bose-qc45 on ANC quality

# 2. Why are agents rejecting my product?
get_rejection_analysis(product_id: "bose-qc45")
# → 45% rejected for "inferior ANC", agents chose sony-wh1000xm5 instead 3x more

# 3. What do agents want in my category?
get_category_demand(category: "electronics/headphones")
# → Top demands: noise-cancelling (89%), wireless (82%), unmet need: "spatial audio"

# 4. How does my store perform?
get_merchant_scorecard(merchant_id: "amazon")
# → 34% selection rate, 2% out-of-stock, cheapest option 41% of the time

Categorías con inteligencia activa

Categoría	Sesiones
footwear/running	150+
electronics/headphones	140+
gaming/accessories	130+
electronics/tablets	130+
home/furniture/desks	120+
fitness/wearables	118+
electronics/phones	115+
home/smart-home	107+
kitchen/appliances	105+
electronics/laptops	98+

Ejemplos de marcos de agentes

Ejemplos listos para ejecutar en /examples:

Marco	Archivo	Descripción
LangChain	langchain-shopping-agent.py	Agente ReAct con LangGraph + adaptador MCP
CrewAI	crewai-shopping-crew.py	Equipo de dos agentes (investigador + comprador)
AutoGen	autogen-shopping-agent.py	Agente AutoGen con herramientas MCP
OpenAI Agents	openai-agents-shopping.py	SDK de OpenAI Agents con Streamable HTTP
Claude	claude-system-prompt.md	Prompt de sistema optimizado para Claude Desktop/Code

Todos los ejemplos se conectan al endpoint MCP alojado — no se requiere configuración más allá de pip install.

API REST

Analíticas orientadas al comerciante en https://agent-signal-production.up.railway.app/api:

Endpoint	Descripción
GET /api/products/:id/insights	Analíticas de producto — tasa de consideración, razones de rechazo
GET /api/categories/:category/trends	Tendencias de categoría — factores principales, presupuestos, atributos
GET /api/competitive/lost-to?product_id=X	Pérdidas competitivas — contra qué pierde X y por qué
GET /api/sessions	Sesiones recientes (paginadas)
GET /api/sessions/:id	Detalle completo de la sesión
POST /api/admin/aggregate	Activar cálculo de insights
GET /api/health	Comprobación de salud

Autoalojamiento

git clone https://github.com/dan24ou-cpu/agent-signal.git
cd agent-signal
npm install
cp .env.example .env  # set DATABASE_URL to your PostgreSQL
npm run migrate
npm run seed           # optional: sample data
npm run dev            # starts API + MCP server on port 3100

Arquitectura

• Servidor MCP — transporte Stdio (local) + HTTP Streamable (remoto)
• API REST — Express en el mismo puerto
• Base de datos — PostgreSQL (compatible con Neon)
• 23 herramientas MCP — 17 de lectura (comprador + vendedor + descubrimiento) + 6 de escritura

Licencia

MIT