O2C Deployment Workbench MCP Server
O2C Deployment Workbench
Una implementación de cliente completa y claramente sintética para cuentas por cobrar de ERP: incorporación de fuentes, datos canónicos, aplicación de pagos, deducciones, cobros, controles, benchmarking de KPI, acceso MCP, revisión de excepciones multiagente, observabilidad, UAT, migración e hipercuidado.
Todos los archivos de estilo SAP S/4HANA, Oracle Fusion y NetSuite en este repositorio son simulaciones generadas. No son exportaciones reales ni integraciones en vivo. El movimiento de KPI es un benchmark de implementación controlada sobre datos sintéticos, no un impacto en el cliente.
Por qué esto es un proyecto de implementación
El workbench comienza con la configuración del cliente y tres formatos de origen incompatibles, no con una tabla analítica limpia. Aplica puertas de validación, conserva los remanentes de pago, enruta excepciones, prioriza cobros, muestra objetivos no cumplidos y produce los artefactos que un equipo de implementación utilizaría desde el descubrimiento hasta la puesta en marcha.
La arquitectura mantiene deliberadamente la conciliación financiera determinista y auditable. Los agentes manejan trabajo con alto grado de juicio: investigación de excepciones, diagnóstico de calidad de datos, planificación de cobros y monitoreo posterior a la puesta en marcha. No pueden contabilizar en un ERP, emitir un reembolso, cancelar deuda ni modificar datos maestros.
flowchart LR
A["Three simulated ERP export sets"] --> B["Configuration-driven adapters"]
B --> C["Seven canonical receivables tables"]
C --> D["Validation control gate"]
D --> E["Deterministic cash matching"]
E --> F["Exception and collections queues"]
F --> G["MCP evidence tools"]
G --> H["Supervisor agent"]
H --> I["Cash Application Agent"]
H --> J["Data Quality Agent"]
H --> K["Collections Agent"]
I --> L["Human approval gate"]
J --> L
K --> L
E --> M["Controlled KPI benchmark"]
M --> N["Go Live Monitor Agent"]
O["OpenTelemetry traces"] -.-> B
O -.-> E
O -.-> H
O -.-> NEjecución
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
o2c-workbench --project-root .
streamlit run app.pyLa ejecución reproducible seed-42 crea 1,908 registros canónicos, detecta 18 transacciones bancarias duplicadas intencionales como advertencias y deja cero errores de validación. Abra el panel estático o use la aplicación Streamlit.
Servidor MCP
El servidor utiliza el MCP Python SDK actual y expone herramientas, recursos y prompts estructurados. Los clientes locales deben usar stdio; los clientes desplegados pueden usar Streamable HTTP.
o2c-mcp --transport stdio
o2c-mcp --transport streamable-http --port 8000Herramientas: get_implementation_summary, investigate_payment, get_collection_priority y run_controlled_benchmark. Recursos: o2c://configuration, o2c://benchmark y o2c://observability.
Rutas multiagente
La ruta predeterminada es offline y determinista, de modo que un revisor pueda reproducir los traspasos y los controles sin cuenta ni clave de API. Produce output/agent_decisions.csv, output/agent_control_summary.json y spans de OpenTelemetry.
Una revisión opcional respaldada por modelos usa el OpenAI Agents SDK con traspasos de especialistas y salida estructurada:
pip install -e ".[ai]"
export OPENAI_API_KEY="..."
o2c-agent-review SAP-P001-09 --project-root .La ruta de modelos no es necesaria intencionalmente para los KPI del benchmark. Puede recomendar, pero no puede ejecutar acciones financieras controladas.
Mapa del repositorio
config/— configuración de implementación, mapeos, tolerancias, ponderaciones, rutas, controles, objetivos de KPI, límites de agentes.data/raw/— exportaciones simuladas de ERP generadas y etiquetadas visiblemente.data/canonical/— clientes normalizados, facturas, pagos, remesas, deducciones, promesas y actividades.src/o2c_workbench/— adaptadores, conciliación, cobros, controles, agentes, MCP, observabilidad, lógica de KPI.output/— evidencia del benchmark, colas, trazas y paneles.docs/— diseños de procesos, mapeo, controles, RTM, 28 casos UAT, migración, monitoreo, capacitación y base de investigación.deliverables/— libro de trabajo de implementación.demo/— recorrido de implementación narrado de cinco minutos y guion.
Benchmark seed-42
KPI | Estado actual | Estado futuro configurado | Variación |
Tasa de conciliación automática | 10.0% | 80.7% | +70.7 pp |
Tasa de revisión manual | 90.3% | 21.9% | -68.5 pp |
Efectivo no aplicado | $2,192,667 | $550,209 | -$1,642,459 |
DSO | 115.9 días | 51.6 días | -64.3 días |
CEI | 8.7% | 75.7% | +67.0 pp |
Cuentas por cobrar vencidas | 69.5% | 44.9% | -24.6 pp |
Tiempo de procesamiento | 67.7 horas | 13.0 horas | -54.7 horas |
Cuatro objetivos ambiciosos siguen sin cumplirse, por lo que el monitor recomienda una luz verde condicional, no una celebración. Eso es realismo intencional de implementación: proceder solo con controles de aprobación humana e hipercuidado centrado en el efectivo no aplicado y los sobrepagos residuales.
Verificación
pytest -qConsulte la base de investigación para conocer las fuentes primarias que fundamentaron los casos de pago, la elección del transporte MCP, los traspasos de agentes y las convenciones de telemetría.
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Connectors
Privacy-safe synthetic financial data for LatAm fintech, AI agents, testing and ML.
Build, validate, and deploy multi-agent AI solutions from any AI environment.
KYC, KYB, AML, wallet screening, transaction monitoring, and fraud workflows for AI agents.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/RitwijParmar/o2c-deployment-workbench'
If you have feedback or need assistance with the MCP directory API, please join our Discord server