> For the complete documentation index, see [llms.txt](https://public-intelligence.gitbook.io/taina-agente-ia-ogtic/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://public-intelligence.gitbook.io/taina-agente-ia-ogtic/arquitectura-y-conceptos/architecture/c4-model/2.4_deployment_view.md).

# Despliegue

Esta vista explica cómo se distribuyen los componentes de Taína IA en el entorno de producción, sin entrar en detalles de infraestructura no utilizados.

## Entorno principal

* **Servidor backend de Taína**: ejecuta el agente de voz y expone los endpoints administrativos.
* **LiveKit Cloud**: servicio administrado que provee la capa de WebRTC para todas las sesiones conversacionales.
* **Servicios externos (STT, LLM, TTS)**: Deepgram, Google Gemini y ElevenLabs operan como APIs SaaS y se consumen bajo demanda.
* **ChromaDB persistente**: alojado en el mismo entorno del backend, con copias de seguridad periódicas.

## Flujo de despliegue

1. El código del backend se actualiza y se despliega mediante `docker compose up -d --build`.
2. Se sincronizan los archivos de la base de conocimiento (`data/chunks/`) y se reconstruyen índices cuando es necesario.
3. Las variables de entorno (`.env`) configuran credenciales y parámetros de operación (tiempos de espera, límites de memoria, etc.).
4. LiveKit se encarga del escalado de sesiones simultáneas sin requerir configuración adicional del equipo.
5. Los quioscos o clientes web se conectan al backend a través de HTTPS y al canal de voz usando LiveKit.

## Consideraciones operativas

* Monitoreo: se utilizan health checks periódicos, logs rotados y métricas de desempeño para asegurar la estabilidad.
* Seguridad: TLS en todas las comunicaciones, gestión de claves API y control de acceso a la base de conocimiento.
* Recuperación: la base de conocimiento puede reconstruirse ejecutando la ingesta dentro del contenedor Docker.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://public-intelligence.gitbook.io/taina-agente-ia-ogtic/arquitectura-y-conceptos/architecture/c4-model/2.4_deployment_view.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.