Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MCP Cobranza Genera un reporte HTML con el resumen de la cartera y el aging."
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
Sistema de análisis y gestión de cartera de cobranza potenciado por Model Context Protocol (MCP), FastAPI, Astro y Modelos de Lenguaje Locales (Ollama con GPU) o APIs en la nube (Claude).
El sistema permite consultar métricas financieras, analizar morosidad, gestionar promesas de pago y generar interfaces interactivas en tiempo real bajo demanda a partir de preguntas en lenguaje natural.
┌────────────────────────────────────────┐ ┌──────────────────────────────────────┐
│ Frontend Web (Astro) │ │ Backend API (FastAPI) │
│ http://localhost:4321 │──────▶│ http://localhost:8787 │
│ Chat en vivo + Sandbox <iframe> │ SSE │ Streaming de eventos y orquestación │
└────────────────────────────────────────┘ └──────────────────┬───────────────────┘
│
┌──────────────────────────┴──────────────────────────┐
▼ ▼
┌───────────────────────────────┐ ┌───────────────────────────────┐
│ Inferencia de Modelo │ │ Servidor MCP (9 tools) │
│ - Qwen local (Ollama / GPU) │ │ src/backend/server.py │
│ - Claude (Anthropic API) │ └───────────────┬───────────────┘
└───────────────────────────────┘ │
▼
┌───────────────────────────────┐
│ SQLite (cobranza.db) │
│ Cartera sintética │
└───────────────────────────────┘9 Herramientas MCP tipadas: Consultas de alto nivel (KPIs globales, aging por cubetas, detalle de deudores, flujo de caja, ranking de gestores) y herramientas de escritura y lectura de promesas de pago.
Inferencia Local en GPU (Ollama): Optimizado para qwen3.5:16k con 16,384 tokens de contexto, evitando costos de APIs externas y manteniendo la privacidad de los datos.
Soporte Híbrido: Opción de alternar en caliente entre modelos locales y Claude 3.5 Sonnet (con extended thinking vía Anthropic API).
Streaming en Vivo (SSE): Visualización en tiempo real del razonamiento del modelo (thinking), llamadas a herramientas con tiempos de respuesta en milisegundos y tokens consumidos.
Seguridad y Aislamiento: El HTML/CSS generado se renderiza dentro de un <iframe> aislado para evitar inyección o colisión de estilos.
Docker Ready: Listo para levantar con docker compose up con persistencia de base de datos y conexión a GPU host.
CI Automatizado: Pipeline en GitHub Actions que valida pruebas unitarias, smoke test MCP y compilación de Astro en cada push.
Related MCP server: acu-mcp
El servidor expone 9 herramientas especializadas bajo el estándar MCP:
Herramienta | Tipo | Parámetros | Descripción |
| Lectura | Ninguno | Resumen general: saldo vivo, saldo vencido, % cartera vencida, mora ponderada, monto recuperado en 30 días y tasa de promesas cumplidas. |
| Lectura | Ninguno | Distribución de la cartera en cubetas de morosidad ( |
| Lectura |
| Consulta de cuentas con datos del deudor y gestor, con filtros y ordenamiento. |
| Lectura |
| Detalle 360° de una cuenta: crédito, deudor, score buró e historial de pagos y promesas. |
| Lectura |
| Perfil consolidado del deudor con todas sus cuentas y saldo total vs en mora. |
| Lectura |
| Flujo de cobranza agrupado por día, semana o mes en un rango de fechas. |
| Lectura |
| Desempeño por gestor: saldo gestionado, monto recuperado y % de promesas cumplidas. |
| Escritura |
| Registra una nueva promesa de pago en la base de datos con fecha calculada. |
| Lectura |
| Consulta las promesas de pago registradas, con nombre del deudor, gestor y estatus. |
% Cartera Vencida: $$\text{Pct Vencida} = \frac{\text{Saldo en mora}}{\text{Saldo vivo total}} \times 100$$
Días de Mora Promedio Ponderados por Saldo: $$\text{Mora Ponderada} = \frac{\sum (\text{Saldo}_i \times \text{Días Mora}_i)}{\sum \text{Saldo}_i}$$
Recovery Rate (30 días): $$\text{Recovery Rate} = \frac{\text{Recuperado (últimos 30d)}}{\text{Saldo Vencido} + \text{Recuperado (últimos 30d)}} \times 100$$
Efectividad de Promesas: $$\text{Cumplimiento} = \frac{\text{Promesas Cumplidas}}{\text{Promesas Totales}} \times 100$$
Fecha de corte: Fijada en
2026-09-01enseed.pypara garantizar reproducibilidad exacta en consultas y pruebas.
Python 3.10 o superior.
Node.js 18 o superior.
(Opcional) Ollama para inferencia local con GPU.
# Crear y activar entorno virtual
python -m venv venv
venv\Scripts\activate # En Windows
# source venv/bin/activate # En Linux/macOS
# Instalar dependencias del backend en modo editable
pip install -e ".[dev]"
# Generar la base de datos sintética SQLite
python src/backend/seed.pyPara usar Qwen local sin que se corte el HTML por falta de contexto:
# Crear modelo con 16k de contexto usando el Modelfile del repositorio
ollama create qwen3.5:16k -f ModelfileTerminal 1 — Backend (FastAPI en puerto 8787):
uvicorn src.backend.web:app --host 127.0.0.1 --port 8787 --reloadTerminal 2 — Frontend (Astro en puerto 4321):
cd src/frontend
npm install
npm run devAbre http://localhost:4321 en tu navegador para interactuar con el panel.
Si prefieres levantar el stack completo sin configurar entornos locales:
# Levantar Backend + Frontend Nginx
docker compose up --build
# Para detener los servicios
docker compose down# Smoke test automático de las 9 herramientas vía stdio
python scripts/probe_mcp.py
# Inspeccionar interactivamente con MCP Inspector
npx @modelcontextprotocol/inspector python src/backend/server.py# Generar interfaz directa desde terminal
python src/backend/host.py "Dame un resumen ejecutivo de la cartera"
# Generar lote de demostración en out/
python src/backend/host.py --demopytest -vMCP_Cobranza/
├── .github/workflows/
│ └── ci.yml # Pipeline de CI (Backend + Astro build)
├── docs/
│ ├── CAPTURAS.md # Guía de capturas de pantalla
│ ├── ejemplos/ # Dashboards HTML de demostración
│ └── img/ # Assets y capturas (panel-chat.png)
├── scripts/
│ └── probe_mcp.py # Cliente de prueba MCP vía stdio (9 tools)
├── src/
│ ├── backend/
│ │ ├── providers/ # Proveedores de IA (LlamaCpp / Anthropic)
│ │ ├── tools/ # Módulos de datos (portfolio, accounts, analytics, promesas)
│ │ ├── host.py # Orquestador CLI de generación de HTML
│ │ ├── seed.py # Generador de datos sintéticos (Faker)
│ │ ├── server.py # Servidor MCP stdio con 9 herramientas
│ │ ├── tools_core.py # Fachada de compatibilidad y registro TOOLS
│ │ └── web.py # API FastAPI con streaming SSE
│ └── frontend/ # Aplicación web Astro (chat + preview iframe)
├── tests/
│ └── test_tools.py # Suite de pruebas unitarias (12 tests)
├── docker-compose.yml # Orquestación de contenedores
├── Dockerfile.backend # Dockerfile para FastAPI
├── Modelfile # Definición de modelo Ollama con 16k contexto
├── pyproject.toml # Configuración del paquete y dependencias
└── walkthrough.md # Bitácora técnica de arquitectura y diseñoThis server cannot be deployed
Ask your accounts-receivable portfolio anything. Read-only, scoped to your account.
Securely query and analyze business data, dashboards, projections, alerts, and knowledge.
Read-only U.S. mortgage market, lender, GSE performance, and servicing analytics.
Ask your Rent Manager portfolio anything: live, read-only financials, rent roll, leasing.
