Proyecto: Remedios

SETUP AWS

🚀 Restaurar una instancia EC2 con Kafka, Flask y Webhook de WhatsApp

🛠️ 1️⃣ Lanzar una nueva instancia desde la AMI

Si ya creaste una AMI estable, puedes lanzar una nueva instancia EC2 siguiendo estos pasos:

1. Ve a AWS EC2 → AMIs.
2. Selecciona la AMI (kafka-whatsapp-image o el nombre que le pusiste).
3. Haz clic en "Launch instance from image".
4. Selecciona el mismo tipo de instancia (Ej. t3.micro o t3.small).
5. Elige el mismo Security Group (para que los puertos estén abiertos correctamente).
6. Haz clic en "Launch Instance".

---

🌐 2️⃣ Configurar las reglas de los puertos en AWS

Después de lanzar la nueva instancia, asegúrate de que los puertos estén abiertos.

🔹 Ve a AWS EC2 → Security Groups → Editar reglas de entrada (Inbound Rules).
🔹 Configura las siguientes reglas:

Puerto	Protocolo	Origen	Descripción
22	TCP	Tu IP (X.X.X.X/32)	Para conectarte por SSH
80	TCP	0.0.0.0/0	Para tráfico HTTP (nginx y Let's Encrypt)
443	TCP	0.0.0.0/0	Para HTTPS (nginx y Let's Encrypt)
3000	TCP	0.0.0.0/0	Para el servidor Flask (Webhook de WhatsApp)
9092	TCP	Tu IP pública (X.X.X.X/32)	Para conectar Kafka desde tu PC
2181	TCP	0.0.0.0/0	Para Zookeeper (interno, puede ser opcional)

📌 Para mayor seguridad, en 9092 puedes permitir solo la IP de tu PC, en lugar de 0.0.0.0/0.

---

🚀 3️⃣ Iniciar los servicios en la nueva instancia

Una vez que la instancia esté en marcha:

1️⃣ Conectarse por SSH a la nueva instancia

ssh -i "tu-clave.pem" ubuntu@NUEVA_IP

actualizar la IP en el fichero .secrets actualizar la IP en https://www.duckdns.org/ volver a lanzar el servidor

pkill gunicorn
gunicorn -w 4 -b 0.0.0.0:3000 server:app --daemon

Probar Flask

curl -X POST -H "Content-Type: application/json" -d '{"message": "Test desde Flask"}' http://NUEVA_IP:3000/webhook

Probar nginx

curl -Ik https://remediosapi.duckdns.org/

Si devuelve forbidden está fallando nginx, si devuelve cualquier otro error está fallando Flask. Se deberia ver algo así:

HTTP/2 200
server: nginx/1.18.0 (Ubuntu)
content-type: text/html

HealthChecks

📋 Lista de comprobaciones con curl

Comando	Descripción
curl -I http://NUEVA_IP/	Verifica si Nginx responde en HTTP
curl -Ik https://remediosapi.duckdns.org/	Verifica si Nginx responde en HTTPS
curl -Ik https://remediosapi.duckdns.org/webhook	Prueba la redirección a Flask
curl -I http://127.0.0.1:3000/webhook	Prueba si Flask responde localmente sin Nginx
curl -X POST -H "Content-Type: application/json" -d '{"message": "Test"}' http://127.0.0.1:3000/webhook	Envía un mensaje de prueba a Flask
nc -zv NUEVA_IP 9092	Verifica si Kafka acepta conexiones en el puerto 9092

Crear topic de prueba:

docker exec -it kafka kafka-topics.sh --create --topic whatsapp-events --bootstrap-server $(curl -s ifconfig.me):9092 --partitions 1 --replication-factor 1

Listar topics:

docker exec -it kafka kafka-topics.sh --bootstrap-server localhost:9092 --list

Conectar al topic:

docker exec -it kafka kafka-console-producer.sh --bootstrap-server localhost:9092 --topic whatsapp-events

Leer todos los mensajes de kafka:

docker exec -it kafka kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic whatsapp-events --from-beginnin

Descripción

Este proyecto integra la API de WhatsApp de Meta con un servidor local Flask, expuesto a internet mediante ngrok, para procesar mensajes de texto y audio utilizando modelos de inteligencia artificial. Además, se conecta a un servidor GPT4All para generar respuestas dinámicas y contextuales. Aunque el sistema actual no utiliza un broker de mensajería, se contempla la incorporación futura de Kafka para mejorar la escalabilidad y la arquitectura del sistema.

Arquitectura del Proyecto

El flujo principal de datos sigue estos pasos:

1. API de WhatsApp: Recibe y envía mensajes desde la plataforma de WhatsApp. Se comunica con miApp mediante un webhook.
2. Ngrok: Expone el servidor local miApp a internet, facilitando la comunicación con la API de WhatsApp.
3. miApp (Flask):
   • Procesa mensajes de texto y audio.
   • Ejecuta modelos de inteligencia artificial para generar y procesar contenido.
   • Interactúa con el servidor GPT4All para obtener respuestas basadas en IA.
4. GPT4All: Proporciona respuestas contextuales basadas en el contenido del mensaje recibido.

Diagrama de Arquitectura

graph TD
    subgraph WhatsApp
        A[WhatsApp API]
    end
    A -->|Webhook| B[Ngrok]
    B --> C[miApp (Flask)]
    C -->|Procesamiento IA| D[Modelos IA]
    C -->|Consulta| E[GPT4All]
    subgraph Futuro
        F[Kafka (Planeado)]
    end
    A -.->|Mensajería Escalable| F
    F -.->|Intermediario| C

Loading

Requisitos

• Python 3.8+
• Flask
• Ngrok
• GPT4All
• Bibliotecas adicionales para modelos IA (especificadas en requirements.txt)

Instalación y Configuración

1. Clona este repositorio:

   git clone https://github.com/tu-usuario/whatsapp-ai-assistant.git
   cd whatsapp-ai-assistant

2. Instala las dependencias:

   pip install -r requirements.txt

3. Configura Ngrok para exponer el servidor local:

   ngrok http 5000

   Copia la URL generada por ngrok y configúrala como webhook en la API de WhatsApp.

4. Inicia el servidor Flask:

   python app.py

Uso

• Envía mensajes de texto o audio a través de WhatsApp.
• El servidor procesará los mensajes y generará respuestas contextuales utilizando modelos de IA.

Contribuciones

¡Las contribuciones son bienvenidas! Si tienes ideas para mejorar este proyecto, no dudes en abrir un issue o enviar un pull request.

Licencia

Este proyecto está bajo la Licencia MIT. Consulta el archivo LICENSE para más detalles.

Disclaimer

Cualquier parecido con la realidad es pura coincidencia.

---

¡Esperamos que disfrutes experimentando con este proyecto y explorando las posibilidades de integrar IA en WhatsApp!