Ingeniero Civil Industrial · Developer de IA aplicada, datos y automatización · Chile.

Construyo sistemas end-to-end en Python y TypeScript: agentes sobre LLM, servidores MCP, pipelines de datos y aplicaciones internas desplegadas en la nube.

📫 bastianberrios.a@gmail.com · 💼 LinkedIn · 🌐 berriosb.dev

• Servidores MCP en Python y TypeScript, publicados en PyPI y npm — integración de herramientas y fuentes de datos para agentes LLM.
• Agentes de IA con definición de herramientas, manejo de contexto y memoria, y control de errores.
• Sistemas anti-alucinación: trazabilidad de la fuente de cada respuesta, límites explícitos y auditoría.
• Dashboards y analítica de negocio: tablas KTP/RFM, riesgo crediticio y logística, con deep-linking de cada vista y cálculo en el cliente.
• Análisis de datos sobre datos abiertos del Estado chileno (ChileCompra, Banco Central, SERNAC).

Servidor MCP orquestador en Python — publicado en PyPI.

Expone 28 herramientas de alto nivel para Power BI y Microsoft Fabric mediante el Model Context Protocol. Delega a motores especializados vía subprocess y presenta al LLM una superficie coherente en vez de primitivas sueltas.

• 931 tests, 89% de cobertura, pytest + asyncio
• Dockerfile, docker-compose, documentación MCP
• CI con 3 workflows (verify, publish, e2e-nightly), SECURITY.md, CONTRIBUTING.md
• Logging estructurado con structlog, configuración con pydantic-settings, auth con pyjwt + azure-identity
• Instalable con pip install powerbi-orchestrator-mcp

python mcp model-context-protocol fastapi docker pytest azure

Servidor MCP + CLI en TypeScript — publicado en npm.

Exporta diseños de Google Stitch a React, Vue, Svelte, Next.js y más, con scaffolding automático para Cursor, Claude Code, VS Code, Codex y OpenCode.

• 2 transportes MCP: HTTP y stdio
• Rate limiting, logging estructurado con Pino, caché offline
• Secrets encriptados con AES-256-GCM, TypeScript strict
• Instalable con pnpm add -g stitch-mcp-cli

mcp typescript node cli design-to-code security

Toolkit de agentes IA para data analytics — publicado en npm.

5 personas (data-explorer, sql-analyst, reporting-analyst, ml-modeler, using-data-analytics-agents) + 20 skills (csv-profiler, pandas-cleaning, query-validation, feature-engineering, model-evaluation, schema-mapper, entre otras).

Instalable con npx data-analytics-agents install --all. Funciona en OpenCode, Claude Code, Codex y Antigravity CLI.

ai-agents python analytics-engineering skills

Análisis de 918.052 órdenes de compra del Estado chileno (2024).

Detección de concentración de proveedores (índice HHI), top anómalos, estacionalidad y patrones territoriales sobre datos abiertos OCDS.

• ETL reproducible en Python + Parquet columnar
• SQL analítico: CTEs, funciones de ventana, 5.321 organismos compradores
• Dashboard público en Next.js 15 + Recharts

python sql duckdb parquet data-analysis chile open-data

Vitrina interactiva de 3 tableros de nivel directivo — demo en vivo.

• 🛒 Retail Omnicanal — matriz RFM 5×5 algorítmica, embudo de conversión, margen, NPS
• 🏦 Banca & Riesgo Crediticio — calidad de cartera, mora CMF (30+ / 90+), aging IFRS 9, ROE
• 🚚 Logística & SCM — cumplimiento OTIF, lead time P50/P90, concentración de proveedores

Cálculo íntegro en el cliente (0 ms), deep-linking de cada filtro a la URL, y datasets sintéticos declarados como tales.

typescript nextjs recharts rfm bi

Sistema de ML para predecir el precio diario del cobre — demo en vivo.

Ridge Regression α=0.1 sobre 29 features (lags, rolling stats, calendario) y 4.137 cierres diarios.

• Validación walk-forward: R² promedio 0.957, MAPE 1.16%
• Publica el benchmark completo contra un baseline naïve: Ridge gana en 2 de 5 ventanas, la persistencia en 3 de 5
• Un R² alto aquí refleja la persistencia de la serie, no una ventaja predictiva del modelo — el dashboard lo dice explícitamente

python scikit-learn time-series forecasting walk-forward-validation

Skill reutilizable para controlar OpenCode por ACP/JSON-RPC 2.0.

Resuelve el problema de pérdida del transporte stdio cuando un runtime cierra stdin en background, con un controlador FIFO que mantiene el ownership explícito del PID hijo y el drenaje ordenado de stdout.

python acp json-rpc mcp ai-agents

Compuerta de calidad pre-push agnóstica al agente.

Detecta el stack (uv, pnpm, terraform), corre lint y tests, y escribe un marcador antes de cada git push. Sin secrets ni hooks invasivos. Instalable con npx skills add berriosb/pre-push-qa -g.

devops ci-cd qa agent-skills

• omarchy-cyber-ember-theme — tema custom para Omarchy (WCAG AA).

Abierto a roles de AI Developer / Applied AI Engineer, Data y Automatización en Chile (presencial Valparaíso/Santiago, híbrido o remoto).

• Email: bastianberrios.a@gmail.com
• LinkedIn: linkedin.com/in/bberrios
• GitHub: @berriosb