callcenter-kpi-mcp
Server Configuration
Describes the environment variables required to run the server.
| Name | Required | Description | Default |
|---|---|---|---|
| DATABASE_URL | Yes | PostgreSQL connection string used by the MCP server, for example postgres://mcp_leitura:leitura_dev@localhost:5433/callcenter. |
Instructions
Guidance the server publishes about itself, which clients place ahead of the tool catalog so the model reads it before choosing anything.
Indicadores de um call center fictício com 3 empresas. Comece por listar_empresas para ver ids e o período com dados. Datas no formato AAAA-MM-DD, fuso de São Paulo. Ao responder, cite o período consultado e a definição do indicador quando ela importar.
Capabilities
Features and capabilities supported by this server
Protocol revision2025-11-25
| Capability | Details |
|---|---|
| tools | {
"listChanged": true
} |
Tools
Functions exposed to the LLM to take actions
| Name | Description |
|---|---|
| listar_empresasA | Lista as empresas atendidas, as filas de cada uma (com ids), quantos operadores ativos há e o primeiro e o último dia com dados. Chame primeiro para descobrir ids e datas válidas. |
| tme_por_periodoA | Tempo médio de espera (TME) e tempo médio de atendimento (TMA) num período, por dia, por semana (começando na segunda) ou no total. Filtra por empresa e por fila. |
| volume_por_horaA | Média de atendimentos abertos por dia da semana e hora do dia (mapa de calor), e o horário de pico. Serve para dimensionar escala. Filtra por empresa e por fila. |
| csat_por_operadorA | Nota média de satisfação (CSAT, 1 a 5) e % de satisfeitos por operador num período. Ignora quem teve poucas respostas, para a média não enganar. |
| rechamadasA | Quantos atendimentos finalizados tiveram rechamada: o mesmo cliente voltou a abrir atendimento dentro da janela de horas. Rechamada alta indica problema não resolvido. Agrupa por operador (quem atendeu o primeiro contato), fila ou empresa, do maior número para o menor. |
| ranking_operadoresA | Ranking de operadores por volume atendido, TMA, TME ou CSAT, com os quatro números de cada um. Ordem desc = do maior para o menor (para "mais rápido" em TMA use asc). |
| previsao_volumeA | Prevê o volume de atendimentos dos próximos dias pela média das últimas semanas no mesmo dia da semana (média móvel simples), a partir do último dia com dados. Mostra o mínimo e o máximo do histórico usado, para dar a ideia da variação. |
| atendimento_detalheA | Mostra um atendimento pelo id: empresa, fila, operador, canal, motivo, horários, espera, duração e nota, e os contatos do mesmo cliente nos 7 dias antes e depois. |
| taxa_abandonoB | Volume, abandonos e taxa de abandono (% de clientes que desistiram na fila) por fila, hora do dia, dia ou empresa. |
| comparar_empresasA | Põe as empresas lado a lado num período: volume, taxa de abandono, TME, TMA, CSAT médio e % de satisfeitos. |
Prompts
Interactive templates invoked by user choice
| Name | Description |
|---|---|
No prompts | |
Resources
Contextual data attached and managed by the client
| Name | Description |
|---|---|
No resources | |
TDQS
Scored across 10 tools
Each tool targets a distinct KPI or dimension: TME/TMA, volume heatmap, CSAT per operator, abandonment, repeat calls, ranking, forecast, and single-ticket detail are clearly separated. There is some overlap because comparar_empresas and ranking_operadores re-surface TME/TMA/CSAT already produced by tme_por_periodo and csat_por_operador, but their aggregation focus (cross-company comparison vs. per-operator ranking) is stated clearly enough to choose correctly.
All names are lowercase snake_case in Portuguese with a dominant metric_by_dimension pattern (tme_por_periodo, volume_por_hora, csat_por_operador, taxa_abandono). Two discovery tools use verb_noun (listar_empresas, comparar_empresas) and a few are bare noun phrases (rechamadas, previsao_volume, ranking_operadores, atendimento_detalhe), which is a minor deviation but still readable and predictable.
Ten tools is a well-scoped surface for a call-center KPI analytics server, with each tool covering a distinct analytical need. No filler or redundant tools are present, and no capability feels crammed into an unrelated tool.
The surface covers discovery (companies/queues/operators/date range), core metrics (TME, TMA, volume, CSAT, abandonment), diagnostics (repeat calls, ticket detail), and forward-looking planning (forecast). Notable gaps remain around service-level/SLA (e.g. % answered within N seconds), transfers, and agent occupancy, which agents would need for a full operational picture.