Ecosistema de Herramientas y SDK
DataMesh Bolivia ofrece múltiples vías de integración soberana y descentralizada: desde paquetes de código para científicos de datos y desarrolladores web, hasta aplicaciones de escritorio y agentes de inteligencia artificial.
1. SDK de Python
El SDK de Python integra el motor analítico DuckDB y permite ejecutar consultas ANSI SQL directamente sobre cualquier recurso de datos federado en memoria.
Instalación
pip install git+https://github.com/datosbolivia/datamesh.git#subdirectory=bindings/pythonEjemplo de Uso Rápido
import datamesh as dm
# 1. Descubrir catálogo federado
catalogo = dm.discover()
print(f"Nodos disponibles: {len(catalogo.nodes)}")
# 2. Consultar recursos tabulares con SQL en una sola línea
df = dm.sql("""
SELECT
lugar_nombre,
ROUND(AVG(valor_ica), 1) AS promedio_ica
FROM 'bolivia:air_quality:air_quality_compilaci_n_de_datos_de_calidad_del_aire_de_bolivia'
GROUP BY lugar_nombre
ORDER BY promedio_ica DESC
LIMIT 5
""").to_df()
print(df)Para una guía más detallada, consulta la Guía Completa del SDK DataMesh.
2. Cliente TypeScript / JavaScript (Node.js & Web)
El paquete oficial @datosbolivia/datamesh-client permite conectar aplicaciones frontend y servicios backend con el catálogo soberano.
Instalación
npm install @datosbolivia/datamesh-clientEjemplo de Uso
import { datamesh } from '@datosbolivia/datamesh-client';
// Consultar registros filtrados
const records = await datamesh.query({
resource_uri: 'bolivia:financial_entities:financial_entities_places',
limit: 25,
filters: {
departamento: 'La Paz'
}
});
console.log(records);3. Herramienta de Línea de Comandos (CLI en Go)
La herramienta de línea de comandos datamesh permite inspeccionar esquemas y ejecutar consultas analíticas en la terminal sin necesidad de configurar un entorno de desarrollo.
Descarga del Binario
Los ejecutables pre-compilados para Linux (AMD64/ARM64), macOS (Apple Silicon/Intel) y Windows están disponibles en el repositorio de lanzamientos:
Comandos de Ejemplo
# Descubrir datasets disponibles
datamesh discover
# Inspeccionar esquema de un dataset
datamesh inspect "bolivia:air_quality:air_quality_compilaci_n_de_datos_de_calidad_del_aire_de_bolivia"
# Ejecutar consulta SQL y exportar a CSV o JSON
datamesh sql "SELECT * FROM 'bolivia:agetic_data:estadisticas_ciudadania_digital'" --format=json > export.json4. Servidor MCP para Agentes de Inteligencia Artificial
DataMesh implementa nativamente el protocolo Model Context Protocol (MCP), permitiendo que asistentes como Claude Desktop, Cursor o Antigravity interroguen el catálogo de forma autónoma.
# Iniciar servidor MCP en modo stdio
datamesh mcp-serveConfiguración para claudedesktopconfig.json:
{
"mcpServers": {
"datamesh": {
"command": "datamesh",
"args": ["mcp-serve"],
"env": {
"DATAMESH_CATALOG_URL": "https://datosbolivia.github.io/llms.txt"
}
}
}
}5. Aplicación de Escritorio (Desktop Electron)
Para estaciones de trabajo que requieran procesamiento analítico local y validación continua sin conexión a internet:
Compilación desde Código Fuente
# 1. Clonar el repositorio
git clone https://github.com/andres-chirinos/catalogo-datamesh.git
cd catalogo-datamesh
# 2. Instalar dependencias
npm install
# 3. Lanzar la aplicación en modo desarrollo
npm run electron:dev
# 4. Generar el instalador ejecutable de escritorio
npm run electron:build