Resumen ejecutivo Este artículo describe un agente construido con Google ADK que consulta cotizaciones de acciones usando la librería yfinance y responde de forma conversacional. El agente expone la herramienta fetch_stock_info(ticker_symbol) que recupera displayName o shortName, currentPrice, dayLow, dayHigh y recommendationKey, y utiliza el modelo gemini-2.0-flash para decidir cuándo invocar la herramienta y cómo presentar la respuesta.
Arquitectura Agente El proyecto incluye un agente llamado query_yfinance_agent definido en query-yfinance/agent.py. Herramienta fetch_stock_info usa yfinance.Ticker(...).info y devuelve un diccionario con los campos útiles. Orquestación El Google ADK alimenta el modelo Gemini, éste interpreta la intención del usuario y decide si llamar a la herramienta. La respuesta final se compone a partir de los datos devueltos por yfinance.
Por qué este proyecto Acceder a cotizaciones en lenguaje natural conservando contexto. Integrar modelos Gemini a una fuente de datos práctica como Yahoo Finance vía yfinance. Mostrar cómo publicar herramientas Python en un agente con Google ADK y facilitar su uso en pipelines de inteligencia artificial y soluciones para empresas.
Pasos clave del código Archivo query-yfinance/agent.py Define el agente con name, model, description e instruction. Registra la herramienta tools=[fetch_stock_info]. La herramienta recibe un ticker simbólico, por ejemplo PETR4.SA o AAPL, llama a yfinance.Ticker(ticker).info y extrae los campos relevantes, manejando dicts vacíos si faltan datos.
Requisitos previos Python >= 3.12. Clave de API para Google Generative AI en la variable GOOGLE_API_KEY si se usa la API pública. Opción Vertex AI activando GOOGLE_GENAI_USE_VERTEXAI=TRUE y configurando credenciales GCP y proyecto.
Instalación Con uv Recomendado instalar uv desde la documentación oficial y en el directorio del proyecto ejecutar uv sync. Activar entorno virtual source .venv/bin/activate. Con pip Crear y activar un venv python3.12 -m venv .venv && source .venv/bin/activate. Actualizar pip pip install -U pip. Instalar el proyecto pip install -e . Las dependencias principales aparecen en pyproject.toml e incluyen google-adk y yfinance.
Configuración Copiar ejemplo de variables cp query-yfinance/.env-sample query-yfinance/.env. Editar query-yfinance/.env colocando GOOGLE_API_KEY=... y establecer GOOGLE_GENAI_USE_VERTEXAI=FALSE o TRUE según el caso. Importante mantener el .env dentro de la carpeta del agente para que ADK lo lea.
Ejecución CLI Activar venv y ejecutar adk run query-yfinance. Ejemplos de preguntas al agente ¿Cuál es el precio actual de PETR4.SA ? Muestra la mínima y la máxima del día para AAPL. Ejemplos de tickers Brasil B3 PETR4.SA VALE3.SA con sufijo .SA. Estados Unidos AAPL GOOGL MSFT.
Flujo en tiempo de ejecución Usted conversa con el agente en terminal o interfaz. El modelo Gemini interpreta la intención y, cuando procede, llama a fetch_stock_info con el ticker solicitado. La herramienta consulta Yahoo Finance a través de yfinance y devuelve los campos. El agente formatea una respuesta natural y contextualizada con los datos recibidos.
Manejo de errores y limitaciones Ticker inválido YFinance puede devolver datos incompletos; el agente responde con la mejor información disponible y señala si faltan campos. Campos ausentes No todos los activos tienen currentPrice o recommendationKey; el código contempla dicts vacíos. Red y límites YFinance depende de Yahoo Finance y puede fallar temporalmente; recomendamos reintentos. Precisión y latencia Datos de terceros que pueden tener retraso; validar antes de tomar decisiones financieras.
Estructura del repositorio query-yfinance/agent.py agente y herramienta fetch_stock_info. query-yfinance/.env-sample ejemplo de variables. README.md guía rápida. pyproject.toml metadatos y dependencias. Código de muestra incluida para orientar pruebas y extensiones.
Extensiones y evolución Ideas para ampliar el agente añadir historial de precios y series temporales, análisis técnico, alertas por umbral, integración con bases de datos y APIs de mercado que ofrezcan datos en tiempo real, y módulos de generación de informes formateados para exportar a Power BI o dashboards personalizados.
Sobre Q2BSTUDIO Q2BSTUDIO es una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial, ciberseguridad y servicios cloud. Ofrecemos soluciones de software a medida y aplicaciones a medida pensadas para empresas que desean incorporar agentes IA, automatizar procesos y transformar datos en conocimiento accionable. Si su objetivo es desplegar proyectos de inteligencia artificial para empresas o construir agentes conversacionales y sistemas de análisis, podemos ayudar con consultoría y desarrollo end to end. Con experiencia en servicios cloud aws y azure y en despliegue de soluciones seguras, cubrimos desde la arquitectura hasta la operación.
Servicios destacados desarrollamos aplicaciones y plataformas seguras y escalables, integrando servicios de inteligencia de negocio y visualización mediante Power BI para enriquecer la toma de decisiones. Con equipos expertos en ciberseguridad y pentesting garantizamos cumplimiento y robustez. Para proyectos de software a medida consulte nuestra oferta de software a medida y aplicaciones a medida y para iniciativas de inteligencia artificial visite nuestra página de inteligencia artificial y soluciones IA para empresas.
Palabras clave integradas aplicaciones a medida software a medida inteligencia artificial ciberseguridad servicios cloud aws y azure servicios inteligencia de negocio ia para empresas agentes IA power bi
Conclusión Con pocas líneas de código y el Google ADK es posible integrar un modelo Gemini a una fuente de datos financiera práctica como YFinance, creando un agente conversacional que responde consultas de mercado. La solución es extensible y puede convertirse en parte de una plataforma mayor que incluya análisis avanzado, reporting y despliegue seguro en la nube.
.jpg)
.jpg)