Hola HN, soy Ansh, fundador de Mireye. Estoy construyendo la infraestructura que los agentes de IA utilizan para tomar decisiones sobre lugares físicos: datos, enriquecimiento, herramientas y señales para cualquier ubicación de EE. UU., detrás de una sola API y un servidor MCP.

Aquí hay un vídeo de demostración: https://youtu.be/haqO6UbUqU0. Para probarlo, pega https://www.mireye.com/skills.md en tu agente y consigue una clave gratuita en mireye.com (5.000 créditos, sin tarjeta). La documentación está en https://docs.mireye.ai.

La forma más rápida de entrar es hacer cualquier pregunta sobre cualquier ubicación de EE. UU. a la API. Pruébala en un lugar que conozcas, con frialdad y califícala según lo que sabes.

Antes de Mireye estaba construyendo agentes de construcción y me topé con este muro: mi agente podía razonar sobre cualquier cosa en línea, pero no sabía nada sobre el suelo debajo de él. Entonces una aseguradora Fortune 500 me dijo que sus ingenieros habían abandonado los agentes de suscripción por la misma razón. Los modelos frontera siguen alucinando cuando se les hace una pregunta específica sobre un lugar específico.

Mi primer producto fue una aplicación de nicho de selección de sitios. Los clientes la probaron en lugares que conocían y las respuestas se sostenían, pero a nadie le importaba la aplicación. Querían el motor debajo.

El uso lo confirmó: 311 de los 317 campos del catálogo se consultan y ningún caso de uso domina. Así que eliminé la aplicación y comencé a construir la infraestructura en su lugar. Mireye no es un conjunto de datos con una API encima, porque los hechos por sí solos no son una decisión.

Un agente ejecuta todo el trabajo a través de ella: hechos citados, una dirección simple enriquecida con propietario, superficie, estructuras y energía cercana, herramientas para las operaciones en las que los modelos se equivocan, y señales cuando algo cambia, como una solicitud de rezonificación. Datos, enriquecimiento, herramientas, señales. Las herramientas vinieron de observar a los agentes fallar.

Construimos agentes sobre nuestra propia infraestructura, y lo mismo seguía rompiéndose: un agente calculaba una distancia a ojo en lugar de computarla, tomaba la parcela equivocada para una dirección, o quemaba todo su presupuesto a mitad de un lote. Cada fallo se convirtió en algo que un agente puede llamar: herramientas deterministas de geometría y tiempo de conducción, resolución de parcelas, un endpoint de cotización que valora un trabajo antes de que se ejecute, y habilidades que empaquetan flujos de trabajo completos como evaluar un sitio o suscribir una dirección. La parte difícil me sorprendió.

Cada fuente tiene que ser recopilada (a veces condado por condado, en el formato que cada condado publique), normalizada a un esquema, contratada (de dónde viene, qué significa cada valor, con qué frecuencia se actualiza), y luego mantenerse fresca para siempre. Ejecutamos ese bucle hoy para 366 campos, servidos multiinquilino desde un único índice, y cada fuente luchó de forma diferente. Maryland publicó un conjunto de datos literalmente titulado "Hidden Property Owner Names".

Presenté solicitudes de registros públicos en North Carolina porque nadie indexa las alcantarillados principales. El problema más profundo es el significado. Dos condados publican un campo con el mismo nombre y significa cosas diferentes.

Y el valor más peligroso es null. ¿Significa "no hay zona de inundación aquí" o "este condado nunca mapeó inundaciones"? Pon un modelo frente a esa brecha y llenará el silencio con un número plausible. Por eso tipificamos la ausencia. Cada campo devuelve ok, absent o failed.

Los clientes me han dicho que los rechazos son la razón por la que confían en él. La pieza más nueva es la indexación bajo demanda. Pide un campo que no tengamos y un agente de larga duración investiga fuentes, recopila los datos, los prueba contra la realidad y los indexa, generalmente en un día.

Tomaré algunas solicitudes de campos de este hilo y volveré con lo que construyó. La gente ha construido cosas que no había planeado: equipos de seguros evaluando carteras por inundación, viento e incendios forestales, una proptech limpiando direcciones de listados desordenados mediante enriquecimiento, una marca de bienestar puntuando esquinas para spots de carteles, una empresa de robótica buscando almacenes, selección de sitios para centros de datos, planificación de despliegue de drones, rutas de autobuses escolares para una ciudad, señales para investigaciones de trata de personas. La misión es indexar cada centímetro de la tierra y hacer que sea tan consultable como la web.

Los precios son públicos: ...