AgendaBot
En desarrolloBackend en ASP.NET Core donde un agente con IA agenda citas de una barbería por WhatsApp
Rol: Desarrollador backend
En solitario · Desde oct 2026 · Repo público
Un backend en .NET para la forma en que muchos negocios pequeños en República Dominicana agendan de verdad: a mano, por WhatsApp. Un agente con LLM lee el mensaje del cliente, consulta la disponibilidad real, propone un horario y agenda solo cuando el cliente dice que sí. Un proceso en segundo plano manda un recordatorio el día antes.
Problema
Dejar que un modelo de lenguaje escriba en una agenda es riesgoso: puede reservar dos veces el mismo horario, inventarse uno libre o confirmar algo que el cliente nunca aceptó. Y un webhook de WhatsApp tiene que responderle rápido a Meta, aguantar reintentos y no disparar la factura del LLM.
Solución
Las herramientas de escritura del agente solo dejan una propuesta pendiente; el servidor la ejecuta únicamente si el cliente escribió algo después, así que el modelo no puede proponer y confirmar solo. Las reservas corren en una transacción serializable de SQL Server. El webhook verifica la firma de Meta, deduplica por id de mensaje y pasa el trabajo lento a una cola en segundo plano.
Todavía no
No hay una demo en línea. El agente necesita SQL Server y una clave de Gemini, y no encontré un lugar gratuito para correr ambos, así que la grabación de esta página es la demo. Puedes correr el mismo chat en local con docker compose y los datos de la barbería de ejemplo.
Puntos clave de arquitectura
- El test de doble reserva lanza 8 reservas iguales en paralelo contra un SQL Server real: con Serializable entra exactamente 1; con ReadCommitted entraban las 8
- La regla de confirmación en dos turnos vive en C#, no en el prompt, y tiene un test que falla si se quita el chequeo
- Agente construido sobre IChatClient de Microsoft.Extensions.AI: Gemini (plan gratis) o Claude según la configuración, un modelo falso con guion en los tests
- Las evals encontraron un bug real: ante el "sí" del cliente, el modelo volvía a proponer y confirmaba en el mismo turno; el servidor lo rechazaba y el modelo igual decía que estaba agendado. Se arregló poniendo la propuesta pendiente en el prompt de cada turno
- El webhook de WhatsApp valida X-Hub-Signature-256, deduplica reintentos con un índice único y procesa con Channel<T> + BackgroundService
- Topes de costo del LLM: rate limit por número y por IP, tope diario para la demo pública y máximo 6 llamadas a herramientas por mensaje
Más puntos clave (2)
- La demo pública imprime un ticket con cada herramienta que usó el agente, incluidas las que el servidor rechazó
- Los tests corren contra SQL Server real con Testcontainers en GitHub Actions, más 13 evals guionadas contra el modelo real calificadas por el estado de la base