Invoice Processing Platform

Plataforma modular para digitalizar facturas con OCR + LLM y permitir consultas conversacionales sobre la información procesada. Está compuesta por microservicios Python/Node/NGINX coordinados mediante Docker Compose y una base SQLite compartida.

Visión general del sistema

1. Ingesta: el servicio ocr-pipeline-python recibe PDF/imagenes, extrae texto, invoca al LLM para generar el JSON invoice_v1, normaliza y persiste los resultados en SQLite.
2. Consulta conversacional: invoice-agent-python expone un agente LangGraph que convierte preguntas en SQL seguro y consulta los datos mediante el servidor MCP.
3. Acceso a datos: sqlite-mcp-server ofrece herramientas MCP de solo lectura sobre la base, actuando como firewall entre agentes y SQLite.
4. Experiencia de usuario: web-ui sirve la interfaz web y funciona como reverse proxy hacia los servicios anteriores.

UI (web-ui) → pipeline-api (OCR) → SQLite
            ↘ invoice-agent → MCP server → SQLite

Servicios

Servicio	Descripción	Tecnologías
services/ocr-pipeline-python	API FastAPI que procesa documentos y guarda facturas estructuradas.	FastAPI, pdfminer, Tesseract, Groq, SQLAlchemy
services/invoice-agent-python	Agente conversacional que responde preguntas en español sobre las facturas persistidas.	FastAPI, LangGraph, Groq, MCP
services/sqlite-mcp-server	Servidor MCP Node.js que expone la base SQLite en modo solo lectura para los agentes.	Express, better-sqlite3, MCP SDK
services/web-ui	Frontend estático + reverse proxy para subir facturas y chatear con el agente.	Nginx, HTML/CSS/JS

Cada README explica qué hace el servicio y su stack. Los detalles de diseño/arquitectura se documentan en docs/ARCHITECTURE.md dentro de cada carpeta.

Inicio rápido

cd pipeline-python
# Copiar archivos de ejemplo de variables de entorno para cada servicio
cp services/ocr-pipeline-python/.env.example services/ocr-pipeline-python/.env
cp services/invoice-agent-python/.env.example services/invoice-agent-python/.env
cp services/sqlite-mcp-server/.env.example services/sqlite-mcp-server/.env
# Completar las claves API de LLM en los archivos .env correspondientes
docker compose up -d

• UI: http://localhost:7000
• Pipeline API: http://localhost:7001
• Agente: http://localhost:7003

Datos y dependencias

• Los servicios comparten ./data (configurable) para almacenar la base SQLite y archivos subidos.
• Se requieren paquetes del sistema (poppler-utils, tesseract-ocr) cuando se ejecuta el pipeline fuera de Docker.
• Las claves del LLM se definen en los archivos .env de cada servicio (services/ocr-pipeline-python/.env y services/invoice-agent-python/.env).

Estado del proyecto

• Pipeline OCR: estable para pruebas con documentos reales.
• Agente: MVP con validación de SQL y memoria corta.
• MCP server + Web UI: funcionales para entornos de laboratorio.