Local Database Analytics MCP Server

Un servidor Model Context Protocol (MCP) basado en Python que expone una base de datos local SQLite de comercio electrónico a asistentes de IA como Claude. Construido con FastMCP, SQLAlchemy y Pandas.

¿Qué es MCP? El Model Context Protocol (de Anthropic) permite que los modelos de IA interactúen de forma segura con herramientas y datos locales. Este servidor le enseña a Claude sobre tu base de datos para que pueda consultar, analizar y explicar los datos, todo usando lenguaje natural.

Características

Herramientas (11 en total)

Recursos

Prompts

• analyze_table — Análisis estadístico completo de cualquier tabla

• business_summary — Informe de comercio electrónico a nivel ejecutivo

• find_anomalies — Calidad de datos y detección de valores atípicos

Related MCP server: SQLite MCP Server

Esquema de la base de datos

customers ──< orders ──< order_items >── products

• customers: 15 registros con nombre, correo electrónico, ciudad, fecha de registro

• products: 15 productos en Electrónica, Libros, Deportes, Hogar, Papelería

• orders: 60 pedidos con estado (completado/pendiente/cancelado) y totales

• order_items: Elementos de línea que vinculan pedidos con productos

Estructura del proyecto

MCP_Server/
├── server.py               # FastMCP server entry point
├── requirements.txt        # Python dependencies
├── database/
│   ├── engine.py           # SQLAlchemy DB connection
│   └── seed_data.py        # Seed script (creates + populates DB)
├── tools/
│   ├── query.py            # Core SQL tools (Phase 2)
│   └── analytics.py        # Analytics tools (Phase 3)
├── resources/
│   └── schema.py           # DB schema as MCP resources
├── prompts/
│   └── templates.py        # Pre-built analyst prompts
├── tests/
│   └── test_tools.py       # Unit tests
└── data/
    └── analytics.db        # SQLite database (auto-created)

Comenzando

1. Clona el repositorio

git clone https://github.com/manohar135/Local-Database-Analytics-MCP-Server.git
cd Local-Database-Analytics-MCP-Server

2. Crea un entorno virtual e instala las dependencias

python -m venv .venv
source .venv/bin/activate       # On Windows: .venv\Scripts\activate
pip install -r requirements.txt

3. Siembra la base de datos

python database/seed_data.py

4. Lanza el MCP Inspector (modo desarrollo)

fastmcp dev server.py

5. Ejecuta las pruebas

pytest tests/ -v

Stack tecnológico

Ejemplos de conversaciones con Claude

Una vez conectado a Claude Desktop, prueba:

• "¿A qué tablas tienes acceso?"

• "Dame un resumen empresarial de los datos de ventas"

• "¿Qué productos se venden más?"

• "¿Hay algún problema de calidad de datos en la tabla de pedidos?"

• "Muéstrame las tendencias de ingresos mensuales del último año"