2. Proxy Meteorológico con n8n, AEMET y Ollama

Este ejercicio consiste en crear un flujo de trabajo en n8n que actúe como un puente (proxy) entre un cliente de IA (Open WebUI) y los datos reales de la AEMET, procesados por un modelo local de Ollama.

Paso 1: Webhook y Extracción de Datos de AEMET (JSON Crudo)

El primer objetivo es crear un punto de entrada que, al ser consultado, devuelva el JSON técnico de la estación meteorológica de Valencia.

Configuración detallada:

Nodo Webhook: * HTTP Method: GET
- Path: clima-valencia
- Response Mode: When Last Node Finishes
Nodo HTTP Request (Paso A): * URL: https://opendata.aemet.es/opendata/api/observacion/convencional/datos/estacion/8416Y (Estación Valencia Aeropuerto).
- Header: Añadir llave api_key con tu token de AEMET OpenData.
Nodo HTTP Request (Paso B): * AEMET no envía los datos directamente, envía un JSON con una URL en el campo datos.
- Debes crear un segundo nodo HTTP Request cuya URL sea la expresión: json.datos.
Resultado esperado: Al llamar a la URL del Webhook, el navegador debe mostrar el array de datos meteorológicos (temperatura, humedad, etc.).

Paso 2: Integración de IA con Ollama (Procesamiento de Lenguaje)

Añadiremos una capa de inteligencia para que la respuesta no sea un JSON técnico, sino un informe humano.

Instrucciones:

1. Instalar y levantar **Ollama** con el modelo ''llama3'' o ''mistral''.
2. En n8n, añadir el nodo **Ollama** (o un AI Agent con el modelo Ollama).
3. Configurar el **Prompt**:
   > "Actúa como un meteorólogo. Basándote en estos datos: Temperatura {{ $json[0].ta }}°C y Humedad {{ $json[0].hr }}%, genera un breve informe del tiempo en Valencia en español."
4. Ahora, el flujo debe devolver una cadena de texto amigable.

Paso 3: Emulación de la API de OpenAI (Modo Proxy)

Este es el paso crítico. Para que Open WebUI reconozca nuestro n8n como si fuera "ChatGPT", debemos disfrazar la respuesta. Las aplicaciones de IA no esperan un texto suelto, esperan un objeto JSON específico.

Configuración Técnica para el alumno:

Cambiar Webhook: El método debe ser obligatoriamente POST y el path v1/chat/completions.
Nodo Respond to Webhook: Debes configurar el cuerpo de la respuesta en formato JSON con la siguiente estructura exacta:

{
  "id": "chatcmpl-n8n-aemet",
  "object": "chat.completion",
  "created": {{ Math.floor(Date.now() / 1000) }},
  "model": "aemet-valencia-bot",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "{{ $node["Ollama"].json.output }}"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 0,
    "completion_tokens": 0,
    "total_tokens": 0
  }
}

¿Por qué hacemos esto?

id/object/created: Son campos de control que el estándar de OpenAI exige.
choices: Es una lista porque la API original permite devolver varias respuestas, aunque aquí solo enviamos la nuestra en la posición [0].
content: Es donde inyectamos el texto que generó Ollama en el paso anterior.

Paso 4: Consumo desde Open WebUI

Finalmente, integramos nuestro n8n como un proveedor de servicios en la interfaz de usuario.

Instrucciones:

En Open WebUI, ir a Settings > Connections > OpenAI API.
Añadir la URL de nuestro webhook de n8n (omitiendo el final /v1/chat/completions).
Seleccionar el nuevo modelo en el chat y comprobar que, al preguntar cualquier cosa, la IA responde con el clima real de Valencia obtenido de la AEMET.

Anexo Técnico: Emulación del Estándar OpenAI Chat Completions

Para que una interfaz como Open WebUI o cualquier cliente compatible pueda consumir nuestro flujo de n8n, el Webhook debe comportarse exactamente como un servidor de OpenAI. Esto implica cumplir con una ruta específica y una estructura de respuesta estricta.

1. Configuración del Endpoint (Ruta)

Open WebUI busca por defecto el recurso en la ruta estándar de la API de Chat. Por lo tanto, el nodo Webhook de n8n debe configurarse con:

HTTP Method: POST
HTTP Path: v1/chat/completions
Response Mode: When Last Node Finishes (Esto es crítico: n8n debe esperar a que Ollama termine para responder al chat).

2. La Estructura del JSON de Respuesta

El cliente de chat espera un objeto JSON complejo. Si n8n responde solo con texto plano, el chat dará un error de "Formato Inválido". El nodo final Respond to Webhook debe configurarse para devolver un JSON con esta estructura mínima:

{
  "id": "chatcmpl-n8n-aemet",
  "object": "chat.completion",
  "created": {{ Math.floor(Date.now() / 1000) }},
  "model": "aemet-valencia-bot",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "{{ $node["Ollama"].json.output }}"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 0,
    "completion_tokens": 0,
    "total_tokens": 0
  }
}

3. Desglose de Campos Clave

Campo	Función
id	Identificador único de la respuesta. Usamos un prefijo estático seguido de un ID aleatorio si se desea.
created	Marca de tiempo en formato Unix (segundos). En n8n usamos la expresión `Math.floor(Date.now() / 1000)`.
model	Nombre que aparecerá en la interfaz del chat como "modelo activo".
choices[0].message.content	Aquí es donde insertamos la respuesta generada por el nodo de Ollama. Es el texto que el usuario leerá en su burbuja de chat.
finish_reason	Indica que la IA ha terminado de hablar. Debe ser `"stop"` para que el chat cierre la conexión correctamente.

4. Conexión en el Cliente (Open WebUI)

En la configuración de conexiones de Open WebUI:

La Base URL debe ser la URL de n8n hasta antes de la versión: Ej. https://n8n.tu-centro.es/webhook/.
Automáticamente, el cliente añadirá v1/chat/completions al final de esa URL para realizar la petición POST.