Dos formas de ejecutar la pipeline completa (modelos ML, API, bot de Telegram, servidor MCP): un comando Docker o pip en cualquier máquina con Python ≥ 3.12.
| Componente | Versión | Notas |
|---|---|---|
| Python | ≥ 3.12 | Necesario para pip install |
| Docker | ≥ 24 | Opcional — para la ruta de un comando |
| uv | latest | Recomendado para desarrollo |
Un solo comando arranca el servidor web con modelos pre-entrenados:
docker run -d --name climasafe \ -p 8080:8080 \ ghcr.io/cacelass/climasafeai:latest
Después abre http://localhost:8080. Sin entrenamiento, sin configuración.
Clona el repo y usa compose para un setup más controlado:
git clone https://github.com/ANFAIA/ClimaSafe.git cd ClimaSafe docker compose up -d # web server only
Los datos persisten en volúmenes nombrados. Empieza de cero con docker compose down -v.
Si prefieres compilar desde el fuente en vez de descargar una imagen pre-hecha, usa este compose.gh.yml. Clona el repo, construye la imagen y ejecuta la pipeline — todo con un solo comando.
curl -O https://raw.githubusercontent.com/ANFAIA/ClimaSafe/main/compose.gh.yml docker compose -f compose.gh.yml up -d
services:
climasafe:
build:
context: https://github.com/ANFAIA/ClimaSafe.git#main
dockerfile: Dockerfile
ports:
- "8080:8080"
volumes:
- climasafe-data:/app/data
- climasafe-models:/app/models
env_file: .env
bot:
profiles: ["bot"]
build:
context: https://github.com/ANFAIA/ClimaSafe.git#main
dockerfile: Dockerfile
command: climasafeai-bot
env_file: .env
depends_on: [climasafe]
volumes:
climasafe-data:
climasafe-models:
El bot corre en un perfil separado y necesita un token de @BotFather:
cp .env.example .env # add your TELEGRAM_BOT_TOKEN docker compose --profile bot up -d
# create and activate a virtual environment
python3 -m venv .venv && source .venv/bin/activate
pip install --upgrade pip
# install with the extras you need
pip install "climasafeai[api,supervisado,redes_neuronales,mlflow_tracking]" \
git+https://github.com/ANFAIA/ClimaSafe.git
Extras disponibles: api (FastAPI/uvicorn), supervisado (XGBoost/LightGBM/SHAP), redes_neuronales (PyTorch/LSTM), mlflow_tracking, voice (STT/TTS), rag (embeddings), onnx.
| Comando | Qué hace |
|---|---|
| climasafeai-bot | Arranca el bot de Telegram (necesita TELEGRAM_BOT_TOKEN) |
| climasafeai-mcp | Servidor MCP de predicción (Claude Desktop / Cursor) |
git clone https://github.com/ANFAIA/ClimaSafe.git cd ClimaSafe ./init.sh # full environment check # or: uv sync --extra dev --extra supervisado source .venv/bin/activate
Una vez configurado, usa el Makefile:
make run # full pipeline (data → train → predict → reports/) make serve # FastAPI at localhost:8000 (interactive docs at /docs) make test # full pytest suite make lint # ruff check make mlflow # MLflow UI at localhost:5000
Copia este prompt en Claude Code, Cursor, Gemini CLI o cualquier agente de codificación con acceso a la terminal. El agente clonará, configurará y arrancará ClimaSafe automáticamente.
Clone https://github.com/ANFAIA/ClimaSafe.git into ~/ClimaSafe, cd into it, run ./init.sh to verify the environment, then execute `make run` to run the full pipeline (data → train → predict → reports/). If ./init.sh fails, fix the issue and retry. Report the final output of `make run`.
El servidor MCP de ClimaSafe expone predicción, perfiles, rutinas y gráficas de riesgo como herramientas MCP. Funciona sobre HTTP por defecto (Streamable HTTP según la spec MCP 2025-06-18+) — sin configuración extra.
pip install "climasafeai[mcp]" \
git+https://github.com/ANFAIA/ClimaSafe.git
climasafeai-mcp # Streamable HTTP on :8101
Funciona con Claude Desktop, Cursor y Windsurf.