OMC API

API para captura de leads.

Stack Tecnológico

• Python: 3.14-trixie
• Framework: FastAPI
• Base de Datos: PostgreSQL 18
• ORM: SQLAlchemy (async)
• Migraciones: Alembic
• Contenedores: Docker + Docker Compose

Endpoints

Método	Endpoint	Descripción
GET	/api/v1/	Root - Mensaje de bienvenida
POST	/api/v1/leads	Crear nuevo lead
GET	/api/v1/leads/{id}	Obtener lead por ID
PATCH	/api/v1/leads/{id}	Actualizar lead existente
DELETE	/api/v1/leads/{id}	Eliminar lead
GET	/api/v1/leads	Listar leads con paginación
GET	/api/v1/leads/stats	Estadísticas de leads
GET	/api/v1/health	Health check

Parámetros de Query (GET /api/v1/leads)

Parámetro	Tipo	Default	Descripción
page	int	1	Número de página
limit	int	10	Items por página (max: 100)
source	str	-	Filtrar por fuente
start_date	date	-	Filtrar desde fecha (YYYY-MM-DD)
end_date	date	-	Filtrar hasta fecha (YYYY-MM-DD)
order_dir	str	desc	Orden (asc/desc)

Deploy

docker-compose up -d

La API estará disponible a través de Nginx en: http://localhost:10000

Variables de Entorno

Consultar .env para la configuración:

POSTGRES_USER=postgres
POSTGRES_PASSWORD=SUp3r-pass*DB
POSTGRES_DB=omc
POSTGRES_HOST=db

Puertos

Servicio	Puerto
API	8010
PostgreSQL	5432
Nginx	10000

Tareas Disponibles

Este proyecto usa taskipy para automatizar tareas comunes.

Comando	Descripción
task test	Ejecutar tests
task lint	Validar linter (ruff)
task docker-up	Iniciar servicios con Docker Compose
task docker-down	Detener servicios
task migrate-create	Crear nueva migración Alembic
task migrate-upgrade	Aplicar migraciones
task migrate-downgrade	Revertir última migración

Acerca del Proyecto

Este proyecto fue desarrollado aplicando Spec Driven Development (SDD) utilizando OpenCode, siguiendo las mejores prácticas de desarrollo moderno:

• Arquitectura: Clean Architecture con separación de responsabilidades
• Stack: Python 3.14, FastAPI, PostgreSQL 18, SQLAlchemy Async, Alembic
• Calidad: Tests unitarios e integración, Linting con Ruff, Type hints
• Infraestructura: Docker + Docker Compose con Nginx como reverse proxy

Proyectos de Referencia

Esta implementación toma inspiración de experiencia previa en:

• Order Processing System - Arquitectura de microservicios con Python
• IAM Interview - Manejo de agentes, chatbots y LLM con modelos open source

Siguientes Pasos

Para completar los requerimientos del desafío, se pueden implementar las siguientes funcionalidades tomando referencia del proyecto IAM Interview:

• Integración con LLM para generar resúmenes de leads
• Manejo de agentes para automatización
• Chatbot para interacción con clientes