> ## Documentation Index > Fetch the complete documentation index at: https://avala.ai/docs/llms.txt > Use this file to discover all available pages before exploring further. # Arquitectura > Cómo está estructurada la plataforma Avala Esta página proporciona una visión general de cómo la plataforma Avala está organizada y cómo interactúan sus componentes. Arquitectura del sistema Avala Arquitectura del sistema Avala ## Visión general del sistema Interfaz web en [avala.ai](https://avala.ai) — Visualización, Anotación, Gestión de proyectos, Control de calidad, Gestión de datasets Renderizado acelerado por GPU — Visor multi-sensor, Visor de nubes de puntos 3D, Visor Gaussian Splat, Pipeline de renderizado WebGPU/WebGL `api.avala.ai/api/v1` — Datasets, proyectos, tareas, exportaciones, organizaciones. Acceso vía HTTP/cURL directo, Python SDK, TypeScript SDK o CLI. Procesamiento asíncrono — Parsing de MCAP, conversión de video, generación de exportaciones, procesamiento de tareas, pipeline de inferencia Datos persistentes — Archivos de datasets, anotaciones, exportaciones, artefactos de modelos ## Componentes ### Mission Control Mission Control es la aplicación web de Avala en [avala.ai](https://avala.ai). Proporciona: * **Visualización de datos** — Visores acelerados por GPU para explorar datos de sensores antes, durante y después de la anotación. Reproducción multi-sensor, renderizado de nubes de puntos 3D y navegación de escenas Gaussian Splat — todo en el navegador. * **Editor de anotación** — Herramientas diseñadas específicamente para etiquetar imágenes, video, nubes de puntos y datos multi-sensor con soporte para bounding boxes, polígonos, cuboides, segmentación, polilíneas y keypoints. * **Gestión de proyectos** — Cree y configure proyectos de anotación, defina taxonomías de etiquetas, asigne trabajo a miembros del equipo y monitoree el progreso. * **Control de calidad** — Revise anotaciones enviadas, señale problemas, rastree tasas de aceptación y ejecute flujos de consenso. * **Gestión de datasets** — Suba datos, organice elementos en secuencias, explore y busque datasets, y gestione permisos de acceso. ### Motor de visualización El motor de visualización se ejecuta en el navegador y proporciona renderizado acelerado por GPU para datos de sensores: * **Visor multi-sensor** — Reproducción sincronizada de grabaciones MCAP y ROS con ocho tipos de paneles: Image, 3D / Point Cloud, Plot, Raw Messages, Log, Map, Gauge y State Transitions. Detección automática de topics y composición inteligente de diseño organizan los paneles según sus datos. * **Visor de nubes de puntos 3D** — Renderiza datos LiDAR con seis modos de visualización (Neutral, Intensity, Rainbow, Label, Panoptic, Image Projection). Vistas cenital, perspectiva y lateral. Los compute shaders de WebGPU manejan el frustum culling y el renderizado de nivel de detalle para altas tasas de fotogramas en escaneos densos. * **Visor Gaussian Splat** — Renderizado acelerado por WebGPU de reconstrucciones de escenas 3D Gaussian Splat. GPU radix sorting, buffer pooling y precompilación de pipelines ofrecen navegación en tiempo real por entornos fotorrealistas. * **Pipeline de renderizado** — Se prefiere WebGPU con respaldo automático a WebGL para mayor compatibilidad de navegadores. Los feature flags controlan compute shaders, render bundles y compilación de shaders WGSL. * **Diseño multi-ventana** — Disposiciones de paneles configurables con arrastrar y soltar. Un sistema de diseño basado en árboles con balanceo automático le permite personalizar cómo se organizan los paneles, o dejar que el compositor de diseño construya una disposición optimizada a partir de sus datos. El motor de visualización no requiere plugins ni descargas. Se ejecuta nativamente en Chrome 113+, Edge 113+ y otros navegadores compatibles con WebGPU, con respaldo WebGL para navegadores más antiguos. ### REST API La REST API en `api.avala.ai/api/v1` proporciona acceso programático a todas las capacidades de la plataforma. Todas las solicitudes se autentican con una API key pasada en el encabezado `X-Avala-Api-Key`. Recursos principales: | Recurso | Descripción | | ----------------- | ----------------------------------------------------------------------------------- | | **Datasets** | Crear, listar y gestionar datasets y sus elementos | | **Projects** | Configurar flujos de anotación, taxonomías de etiquetas y configuraciones de tareas | | **Tasks** | Asignar, rastrear y gestionar unidades de trabajo de anotación individuales | | **Exports** | Generar y descargar datos anotados en varios formatos | | **Organizations** | Gestionar equipos, miembros, roles y permisos | La API sigue convenciones REST con cuerpos de solicitud y respuesta en JSON, paginación basada en cursor y códigos de estado HTTP estándar. ### SDKs Puede llamar a la REST API directamente desde cualquier lenguaje usando clientes HTTP estándar (ver [REST API](/docs/sdks/rest-api)), o usar los SDKs oficiales: * **Python SDK** (`pip install avala`) — Clientes síncronos y asíncronos, modelos Pydantic, paginación automática, excepciones tipadas, herramienta CLI. * **TypeScript SDK** (`npm install @avala-ai/sdk`) — Cliente completamente tipado con API basada en Promises para Node.js y edge runtimes. * **CLI** (`curl -fsSL https://avala.ai/install.sh | bash`) — Gestione datasets, proyectos, exportaciones y almacenamiento desde su terminal. Consulte la [visión general de SDKs](/docs/es/sdks/overview) para más detalles. ### Servicios backend Los servicios backend manejan el procesamiento asíncrono que impulsa la plataforma: * **Parsing de MCAP** — Extrae y sincroniza flujos de sensores de grabaciones MCAP, detecta tipos de mensajes y construye índices de fotogramas para el visor multi-sensor. * **Conversión de video** — Divide archivos de video subidos en secuencias de fotogramas para visualización y anotación. * **Generación de exportaciones** — Produce exportaciones descargables en JSON, COCO, KITTI y otros formatos. * **Procesamiento de tareas** — Genera y distribuye tareas de anotación basadas en la configuración del proyecto. * **Pipeline de inferencia** — Ejecuta inferencia de modelos para anotación asistida por IA y pre-etiquetado. ### Almacenamiento El almacenamiento gestiona todos los datos persistentes: * **Archivos de datasets** — Imágenes sin procesar, fotogramas de video, nubes de puntos y grabaciones MCAP. * **Anotaciones** — Datos etiquetados producidos por anotadores (bounding boxes, polígonos, cuboides, máscaras). * **Exportaciones** — Archivos de exportación generados disponibles para descarga. * **Artefactos de modelos** — Pesos y configuraciones para modelos de inferencia usados en el etiquetado asistido por IA. ### Servidor MCP El servidor MCP (Model Context Protocol) expone las herramientas de Avala a asistentes de IA como Claude, Cursor y VS Code Copilot. Permite interacción en lenguaje natural con datasets, proyectos y exportaciones sin salir de su entorno de desarrollo. El paquete `@avala-ai/mcp-server` está disponible en npm. Instale con `npm install -g @avala-ai/mcp-server` o use `npx`. Consulte la [guía de configuración MCP](/docs/integrations/mcp-setup) para instrucciones de instalación. ## Cómo interactúan los componentes 1. **Los usuarios** interactúan con Avala a través de Mission Control (interfaz web) o programáticamente a través de la REST API y los SDKs. 2. **Mission Control** carga datos a través de la REST API y los renderiza usando el motor de visualización directamente en el navegador — no se requiere renderizado del lado del servidor. 3. **Todas las interfaces de cliente** se comunican con la misma REST API, por lo que las acciones realizadas en Mission Control son inmediatamente visibles a través de la API y viceversa. 4. **La REST API** valida solicitudes, gestiona recursos y despacha trabajo a los servicios backend para procesamiento asíncrono. 5. **Los servicios backend** procesan tareas (parsing de MCAP, conversión de video, generación de exportaciones) y escriben los resultados de vuelta al almacenamiento. ## Próximos pasos URL base, autenticación, endpoints y formato de respuesta. Conecte Avala a Claude, Cursor y VS Code con MCP. Capacidades de visualización y herramientas de anotación para cada tipo de dato. Visores, paneles, diseños, líneas de tiempo y otros conceptos de la plataforma.