feat: Implement new sales data analysis agents and utilities

- Added Router_de_agentes.py to manage agent interactions for sales data analysis.
- Created Analizador_de_datos_de_ventas.yaml for generating structured text reports from sales data.
- Developed Generador_sql_ventas.yaml for generating SQL queries to analyze sales data.
- Established Router_de_agente.yaml as a routing mechanism for agent requests.
- Compiled centros_disponibles.md listing available sales centers.
- Introduced primera_ejecucion_de_un_agente.py as an example for executing agents.
- Added ver_los_prompts_de_un_agente.py to inspect prompts sent to OpenAI.
- Included service account key for BigQuery access in rag-datasets-reader-sa-key.json.
- Defined schema for sales data in Objeto_ventas.json.
- Implemented utility functions for querying BigQuery in conseguir_datos_bq.py.
- Created data transformation utilities in transformar_datos.py for handling decimal and date formats.

utils/conseguir_datos_bq.py

@@ -0,0 +1,68 @@
+from google.cloud import bigquery
+from typing import Generator, List, Dict
+import os
+
+os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "rag-datasets-reader-sa-key.json"
+
+
+def consultar_bigquery_paginado(
+    sql_query: str,
+    page_size: int = 1000,
+    project_id: str | None = None
+) -> Generator[List[Dict], None, None]:
+    """
+    Ejecuta una consulta SQL de BigQuery y devuelve los resultados paginados.
+    Limpia el texto SQL automáticamente antes de ejecutarlo.
+
+    Args:
+        sql_query (str): Texto SQL (puede incluir espacios o punto y coma al final).
+        page_size (int): Número de filas por página.
+        project_id (str | None): ID del proyecto GCP (opcional si está configurado el entorno).
+
+    Yields:
+        list[dict]: Página de resultados (cada fila convertida a dict).
+    """
+    # 🧹 Limpieza del texto SQL
+    cleaned_query = (
+        sql_query.strip()  # elimina espacios y saltos al inicio y fin
+        .removeprefix("```sql").removeprefix("```").removesuffix("```")  # limpia delimitadores markdown si los hay
+        .strip()  # vuelve a limpiar por si quedaron espacios
+    )
+
+    # Quita el punto y coma final si lo tiene
+    if cleaned_query.endswith(";"):
+        cleaned_query = cleaned_query[:-1].strip()
+
+    # Inicializa el cliente
+    client = bigquery.Client(project=project_id)
+
+    # Ejecuta la consulta
+    query_job = client.query(cleaned_query)
+
+    # Devuelve resultados paginados
+    iterator = query_job.result(page_size=page_size)
+    for page in iterator.pages:
+        yield [dict(row) for row in page]
+
+
+if __name__ == "__main__":
+    resultado = consultar_bigquery_paginado("""```sql  
+SELECT  
+    Productos___Producto_NavId__description AS producto,  
+    Centros___Centro_NavId__name AS region,  
+    SUM(cantidad) AS total_vendido,  
+    SUM(cantidad * precioUnitario) AS ingreso_total  
+FROM  
+    `autingo-159109.rag_datasets.Objeto_Ventas`  
+WHERE  
+    Fecha >= DATE_SUB(CURRENT_DATE(), INTERVAL 3 MONTH)  
+GROUP BY  
+    producto, region  
+ORDER BY  
+    total_vendido DESC;  
+```""")
+    
+    for pagina in resultado:
+        for fila in pagina:
+            print(fila)
+        print("----- Fin de página -----")

utils/transformar_datos.py

@@ -0,0 +1,32 @@
+from decimal import Decimal    
+from datetime import datetime, date, time
+
+def convertir_decimales(obj):
+    if isinstance(obj, list):
+        return [convertir_decimales(x) for x in obj]
+    elif isinstance(obj, dict):
+        return {k: convertir_decimales(v) for k, v in obj.items()}
+    elif isinstance(obj, Decimal):
+        return float(obj)
+    else:
+        return obj
+    
+
+def convertir_fechas(obj):
+    """
+    Convierte objetos datetime, date y time a su representación ISO 8601.
+    """
+    if isinstance(obj, list):
+        return [convertir_fechas(x) for x in obj]
+    elif isinstance(obj, dict):
+        return {k: convertir_fechas(v) for k, v in obj.items()}
+    elif isinstance(obj, (datetime, date, time)):
+        return obj.isoformat()
+    else:
+        return obj
+    
+
+def limpiar_datos_para_json(data):
+    data = convertir_decimales(data)
+    data = convertir_fechas(data)
+    return data