El agente AI Data Viz aprovecha grandes modelos de lenguaje para interpretar instrucciones de texto libre, y luego coordina bibliotecas de procesamiento y trazado de datos para generar código y renderizar visualizaciones. Los usuarios pueden cargar conjuntos de datos en formato CSV o JSON o pasar pandas DataFrames directamente. Cuando se proporciona un conjunto de datos, el agente puede filtrar, agrupar y agregar datos basados en solicitudes como "Mostrar el promedio de ventas por trimestre para los principales productos." Soporta múltiples tipos de gráficos, incluyendo barras, líneas, dispersión, pastel, histograma y mapas de calor, con colores, etiquetas y anotaciones personalizables. El agente funciona como paquete de Python, con interfaces CLI y API opcionales, permitiendo integración en cuadernos, servicios web o procesos de generación de informes automatizados.

El Modelo Depredador-Presa de Mesa es una implementación de código abierto en Python del sistema clásico Lotka-Volterra, construida sobre el framework de modelado por agentes Mesa. Simula agentes individuales de depredadores y presas que se mueven e interactúan en una cuadrícula donde las presas se reproducen y los depredadores buscan alimento para sobrevivir. Los usuarios pueden configurar las poblaciones iniciales, probabilidades de reproducción, consumo de energía y otros parámetros ambientales a través de una interfaz web. La simulación proporciona visualizaciones en tiempo real, incluyendo mapas de calor y curvas de población, y registros de datos para análisis posterior. Investigadores, educadores y estudiantes pueden extender el modelo personalizando los comportamientos de los agentes, añadiendo nuevas especies o integrando reglas ecológicas complejas. El proyecto está diseñado para facilidad de uso, prototipado rápido y demostraciones educativas de la dinámica ecológica emergente.