1 · 2026
Economicon, asistente FinOps
Asistente multi-tenant que ingiere costes de Azure y responde preguntas en lenguaje natural con recuperación semántica filtrada por cliente. Mi Trabajo Fin de Máster, hecho en equipo.
Interfaz
- Frontend ReactJWT y X-Tenant-Id en cada petición
API
- Backend FastAPIauth, tenant obligatorio, chat con recuperación
Procesado e IA
- RabbitMQtrabajos confirmados
- Processordocumentos y embeddings
- LiteLLMgateway de modelos, mock en desarrollo
Datos
- CockroachDBdatos operativos y costes
- Postgres + pgvectorvectores filtrados por tenant
- MinIOoriginales temporales
- CSV público fijadodataset de Azure
- API Azure simuladasubconjunto de Cost Management Query
- CLI de ingestapaginada, normalizada e idempotente
- CockroachDBcostes por tenant
- Prometheus/metrics del backend y del processor
- Grafanapaneles de datos, anomalías y coste de IA
Problema
Quien paga una nube ve la factura, pero responder algo concreto, como qué servicio se disparó este mes y en qué suscripción, exige exportar datos, cruzarlos y entender el modelo de costes del proveedor. Economicon busca que esas preguntas se respondan conversando, y con una condición innegociable: un cliente nunca puede ver los datos de otro.
Enfoque
Un monorepo con Turborepo y cuatro aplicaciones, cada una con una única responsabilidad:
- frontend (React + TanStack Query): la interfaz y el chat.
- backend (FastAPI): autenticación, resolución obligatoria del tenant activo, persistencia operativa en CockroachDB y recuperación de contexto vectorial, siempre filtrada por tenant.
- processor: consume trabajos de RabbitMQ, genera embeddings y los guarda en Postgres con pgvector.
- azure-cost-api: simula el subconjunto de la API Azure Cost Management Query. Así todo el equipo desarrolla y prueba sin depender de una suscripción real.
Los modelos se consumen a través de un gateway LiteLLM. En desarrollo y en los tests, unos proveedores mock explícitos permiten levantar el stack completo sin claves de API.
La infraestructura se trató como parte del producto: contenedores sin privilegios con el sistema de archivos de solo lectura, imágenes base fijadas por digest, migraciones formales para las dos bases de datos y una CI en GitHub Actions que valida gobernanza, especificaciones (OpenSpec), pruebas y build en cada pull request.
Resultados
- Ingesta paginada e idempotente de costes por tenant desde la API simulada.
- Chat con recuperación semántica aislada por tenant, en modo mock y con IA real a través del gateway.
- Un smoke test local que recorre el camino mínimo de punta a punta: salud de los cuatro servicios, login, ingesta de costes, resumen y un trabajo que viaja por RabbitMQ hasta el processor.
- Arquitectura, ADR, roadmap y evidencias documentados y versionados junto al código.
Pendiente, y así consta en el repositorio: despliegue en la nube, observabilidad avanzada y una validación de punta a punta del flujo RAG con embeddings y LLM reales.
Qué aprendí
Que el aislamiento entre clientes tiene que diseñarse desde la primera migración y no añadirse después: el
tenant_id condiciona el esquema, las consultas vectoriales y los tests. También, que trabajar en equipo sobre un
monorepo solo escala con reglas explícitas: tarjetas, ramas cortas, pull requests y una CI que no se puede saltar.

