Ranuk DataCanvas BI

DataCanvas — ChatGPT Plugin Extension (MCP)

Desarrollado y operado por Ranuk IT Solutions (Emilio Ranucoli)
Transforma cualquier conjunto de datos (CSV, TSV, JSON, Excel) en un tablero analítico interactivo en tiempo real directamente en la interfaz de ChatGPT (thread_panel lateral y global sidebar), con exportación ejecutiva de PDFs vectoriales de alta fidelidad (>400KB) y funnel externo a monetización SaaS.

🎯 Resumen Ejecutivo

DataCanvas resuelve la principal limitación del análisis de datos en ChatGPT: la estaticidad. Cuando un usuario proporciona datos tabulares, en lugar de recibir una tabla de texto plano o una imagen estática generada con Matplotlib, DataCanvas despliega un Conversation Panel interactivo con filtros en vivo, selector dinámico de tipos de gráficos y tarjetas KPI reactivas.

Por qué este modelo genera negocio:

• Costo de Adquisición (CAC) = $0: Tráfico orgánico impulsado por el directorio global de OpenAI (~1.2B WAU) y triggers contextuales de conversación.
• Costo de Cómputo Cliente = $0: Las agregaciones analíticas corren en el navegador del usuario vía DuckDB-WASM y Apache ECharts.
• Monetización 100% Externa: Cumple de forma estricta las normativas de OpenAI. Cero cobros digitales dentro del plugin; todo upgrade a planes Pro ($19/mes o $190/año) se realiza vía Stripe Hosted Checkout en un dominio controlado por Ranuk IT Solutions, sin comisiones ni revenue-share.

🏗️ Arquitectura del Sistema

sequenceDiagram
    autonumber
    actor User as Usuario en ChatGPT
    participant GPT as ChatGPT (LLM)
    participant MCP as Servidor MCP (FastAPI :7800)
    participant UI as Panel UI (Iframe Sandboxed)
    participant Engine as Ranuk Report Engine
    participant Stripe as Stripe Checkout (Externo)

    User->>GPT: "Armame un dashboard interactivo de este CSV"
    GPT->>MCP: Call tool: datacanvas_render_dashboard(title, raw_data)
    MCP-->>GPT: Return metadata OpenAIUiToolMetadata (ui://datacanvas/dashboard)
    GPT->>UI: Despliega Iframe en el panel lateral vía postMessage
    User->>UI: Filtra datos, alterna gráficos y examina KPIs
    UI->>UI: Agregación client-side sin costo de cómputo para el backend
    User->>UI: Click en "Exportar Reporte Ejecutivo PDF"
    alt Usuario Gratuito
        UI->>Engine: Genera reporte con watermark Ranuk
        Engine-->>UI: Descarga PDF oficial (>400KB) + Modal Upgrade
    else Click en "Desbloquear Pro / White-Label"
        UI->>User: window.open("https://datacanvas.ranuk.dev/checkout")
        User->>Stripe: Pago de suscripción ($19/mo)
        Stripe->>MCP: Webhook asienta cobro en income_ledger.json
    end

📦 Estructura del Repositorio

rk-mcp-datacanvas/
├── manifest.json              # Especificación oficial de OpenAI Plugin Extension
├── README.md                  # Manual de arquitectura, despliegue y operaciones
├── server/
│   ├── main.py               # Servidor FastAPI (Protocolo MCP JSON-RPC + UI Server)
│   ├── tools.py              # Definición analítica y schemas OpenAIUiToolMetadata
│   └── report_bridge.py      # Conexión al motor ranukita_report.py
├── ui/
│   └── index.html            # Frontend interactivo para el iframe (Tailwind + ECharts)
├── scripts/
│   ├── rk-mcp-pack.py        # Validador y empaquetador para Apps Management (.zip)
│   └── rk-mcp-growth.py      # Cron diario de health check, leads B2B y sync con ledger
├── tests/
│   └── test_mcp_server.py    # Suite de tests (MCP handshake, tools y reportes)
├── submission/
│   ├── video_script.md       # Guion de 75 segundos para el revisor de OpenAI
│   └── test_cases.json       # Casos de prueba reproducibles para el submission
└── dist/
    └── rk-mcp-datacanvas.zip # Paquete validado y listo para envío

💎 Modelo de Oferta: Free vs. Pro

🤖 Manual de Operaciones: Distribución de Tareas

Para garantizar que el sistema funcione de forma autónoma y minimice la carga manual, los roles están distribuidos entre el equipo de agentes de Ranukita y Emilio:

👤 Tareas de Emilio (Única vez — ~5 minutos):

1. Subir paquete en OpenAI: Ingresar a OpenAI Developer Dashboard / Apps Management, crear nueva aplicación y subir el archivo dist/rk-mcp-datacanvas.zip.
2. Video de Submission: Grabar un walkthrough de 75 segundos siguiendo el guion submission/video_script.md.
3. Dominio Público: Asignar el túnel DNS datacanvas.ranuk.dev hacia el servidor local (ej. Cloudflare Tunnel hacia el puerto 7800).

🤖 Tareas de los Agentes de Ranukita (Automáticas 24/7):

• Director Comercial: Revisa semanalmente la tasa de conversión a checkout y valida las metas de ingresos en el ledger.
• Vendedor: Monitorea los correos empresariales registrados en descargas de reportes para enviar propuestas de licencia Enterprise ($490 a $1,500).
• Dev-Bounties / NEXUS: Mantiene el servidor MCP activo, atiende issues de formato de datos y corre los tests de regresión.
• Cron Diario (rk-mcp-growth.py):
  • Corre a las 10:00 AM todos los días.
  • Verifica el uptime del servidor.
  • Registra las transacciones externas de Stripe directamente en ~/.ranukita/income_ledger.json.
  • Emite el reporte de crecimiento en ~/.ranukita/buzon/.

🚀 Guía de Inicio Rápido

1. Ejecutar Tests de Verificación

python3 -m unittest tests/test_mcp_server.py

2. Iniciar Servidor MCP Localmente

python3 server/main.py
# El servidor iniciará en http://127.0.0.1:7800

3. Exponer con Túnel Cloudflare (para pruebas con OpenAI)

cloudflared tunnel --url http://127.0.0.1:7800

4. Regenerar el Paquete de Envío

python3 scripts/rk-mcp-pack.py

5. Ejecutar Cron de Crecimiento Manualmente

python3 scripts/rk-mcp-growth.py