Documentación del TFG: Interconexión entre Espacios de Datos e Inteligencia Artificial Generativa

JAR-A2A: Comunicación Multiagente Soberana con Protocolos MCP y A2A

Este repositorio contiene la implementación de un sistema de comunicación multiagente basado en modelos de lenguaje (LLM), construido como prueba de concepto del protocolo JAR-A2A (Any-to-Any). El sistema integra dos protocolos inspirados en la literatura reciente: MCP (Model Context Protocol) y A2A, con un diseño modular preparado para su integración futura con marcos de identidad soberana y espacios de datos federados.

🔍 Propósito del Proyecto

Este trabajo se enmarca en un proyecto de investigación centrado en la intersección entre:

• Comunicación entre agentes inteligentes distribuidos
• Acceso soberano a datos en entornos federados (Data Spaces)
• Estándares emergentes como Google A2A y Gaia-X Trust Framework

El objetivo principal es ofrecer una arquitectura abierta y extensible para la mensajería entre agentes autónomos, compatible con principios de interoperabilidad, trazabilidad y control de identidad.

🧱 Estructura del Sistema

El sistema se compone de tres microservicios principales:

• LLM Agent: Genera consultas SQL a partir de preguntas en lenguaje natural.
• MCP Server: Actúa como broker, registrador y pasarela de acceso a la base de datos.
• Ventas Agent: Ejecuta consultas SQL y devuelve resultados estructurados.
• • 🧪 DuckDB + Apache Iceberg: se ha utilizado un lake-house local con la tabla iceberg_space.ventas que contiene:
  • fecha (DATE)
  • producto (TEXT)
  • cantidad (INTEGER)
  • precio (DOUBLE)

Todos los servicios se comunican utilizando el protocolo JAR-A2A, que extiende el modelo de envelopes definido por Google con mecanismos de control asincrónico, retransmisión, discovery semántico y separación lógica de servicios.

🧪 Funcionalidades implementadas

• Registro dinámico de agentes y descubrimiento por capacidades
• Confirmación de entrega (ACKs) y retransmisión en caso de fallo
• Heartbeats periódicos para supervisión de disponibilidad
• Correlación de mensajes mediante correlation_id
• Exposición de servicios contextualizados vía protocolo MCP
• Generación automática de SQL a partir de lenguaje natural con LLM local
• Comunicación A2A entre agentes mediante mensajes JSON estructurados

⚙️ Tecnologías empleadas

• Python 3.11
• FastAPI
• Docker & Docker Compose
• DuckDB
• Apache Iceberg
• TinyLlama (modelo LLM local)
• JWT (explorado para futura integración de seguridad federada)

🚀 Despliegue local

El proyecto se despliega localmente mediante Docker Compose:

docker compose build
docker compose up

Para replicar las pruebas del flujo de comunicación realizadas durante la documentación del proyecto, se puede hacer uso del script cli.py:

python scripts/cli.py "Introduzca-consulta-al-LLM"

Asegúrate de que los puertos 8000, 8002 y 8003 estén libres. La interfaz de consulta está expuesta en el puerto 8003 bajo el endpoint /query.

Consideraciones de seguridad

Aunque el sistema no incorpora por defecto mecanismos criptográficos, ha sido diseñado para permitir en el futuro:

• Firma de mensajes (JWT + RS256)

• Identidad descentralizada (DID + Verifiable Credentials)

• Validación de políticas de autorización y trazabilidad

  Puede consultarte la exploración a esta aproximación implementada en la rama security.