Un desarrollador crea un agregador de noticias con IA basado en MCP, DeepSeek y un bot de Telegram

El origen de este proyecto fue un problema concreto y no una idea abstracta. El 28 de febrero de 2026, el autor estaba en Dubái durante la interceptación de drones iraníes y no logró hacerse rápidamente una imagen completa de lo que ocurría. De ahí surgió un agregador de noticias multilingüe que recopila, traduce y etiqueta noticias, y las entrega tanto a personas como a asistentes de IA.

Cómo surgió el proyecto

El autor describe el punto de partida de forma muy terrenal: en Google y Yandex aparecían artículos de hacía dos horas, y los canales de Telegram ofrecían versiones contradictorias de los hechos. Cuando las noticias se necesitan en ese mismo momento, ese retraso deja de ser una pequeña molestia y se convierte en un problema real. La primera solución fue sencilla: un canal de Telegram sobre Oriente Medio al que llegaban manualmente los feeds RSS de las grandes agencias internacionales.

El modo manual pronto chocó con el volumen. El flujo creció hasta más de 200+ publicaciones al día, y mantenerlo sin automatización dejó de tener sentido. Primero llegó un parser, luego la traducción automática y después se sumaron fuentes de IT y la agenda económica. Al final, la idea local de un canal informativo inmediato se convirtió en un producto completo: un sitio agregador con feed de noticias, chat con IA, API, servidor MCP y un bot de Telegram independiente.

Qué hay dentro del sistema

El proyecto está construido como un conjunto de componentes independientes, no como un monolito. Un servicio aparte, FeedManager, recoge los RSS, procesa los feeds y escribe los datos en MySQL. La parte en Flask lee artículos ya preparados y no depende de que el parser se haya quedado colgado en alguna fuente inestable. El etiquetado automático funciona como un proceso autónomo: lee los materiales recientes de la base de datos y escribe de vuelta los resultados, mientras que el bot de Telegram atiende a los usuarios en su propio circuito.

• 80+ fuentes en un único flujo, incluidas agencias internacionales, medios de IT y publicaciones económicas
• 9 categorías temáticas y unas 50 etiquetas para navegar por el feed
• traducción automática de los materiales al ruso justo después de su publicación
• REST API con búsqueda y filtros por etiquetas, fechas y fuentes
• Servidor MCP, que permite a los asistentes de IA trabajar con la base de noticias como una herramienta

Sobre el agregador funcionan la API y un servidor MCP para clientes externos y agentes de IA. El detalle clave es que, en lugar de devolver JSON en bruto, ofrece respuestas estructuradas mediante modelos Pydantic como ArticleSummary y SearchResult. Esto reduce los errores de procesamiento y ahorra tokens. Según la idea del autor, el asistente puede encontrar por sí mismo la etiqueta adecuada, solicitar artículos de los últimos días, leer los textos completos y elaborar un resumen sin preparación manual de datos. Las herramientas se cargan dinámicamente cada cinco minutos, de modo que se pueden añadir nuevas funciones sin reescribir la lógica del agente.

Por qué sin IA innecesaria

En este proyecto la IA no se usa en todas partes, sino solo donde realmente compensa. Para la interfaz de chat se eligió DeepSeek: según el autor, es entre 15 y 30 veces más barato que las alternativas, con una calidad comparable para buscar y resumir noticias. Para un producto gratuito, esto es crítico. El mismo pragmatismo se aprecia en el almacenamiento de las traducciones: las versiones multilingües de cada artículo se guardan directamente en un campo JSON del registro, lo que acelera el acceso y facilita la ampliación a nuevos idiomas.

El compromiso más revelador es el etiquetado automático. En lugar de un LLM, el autor recurrió a keyword matching sobre 47 temas y unas 600 palabras clave en inglés y ruso. Este enfoque ofrece alrededor de un 85% de precisión, tarda menos de un milisegundo por artículo y no consume ningún token. Frente a la moda generalizada de «meter una red neuronal en cada fase», parece una postura de ingeniería madura: la IA hace falta donde aporta valor, no donde simplemente queda bien.

Qué significa esto

Este caso muestra bien que hoy un producto de noticias con IA va mucho más allá de un modelo capaz de resumir textos. El valor real aparece cuando hay una recopilación de datos fiable, una estructura sólida, una API clara y un protocolo como MCP para conectar asistentes. Para medios, equipos de investigación y servicios internos de análisis, la señal es clara: un feed corriente puede convertirse en una infraestructura operativa para resúmenes en tiempo real, búsquedas y respuestas automatizadas.