Skip to main content
Glama

MCP del BCRP

Proyecto independiente de la sesión 04: un servidor MCP con FastMCP para buscar, consultar y analizar series oficiales del Banco Central de Reserva del Perú.

Contenido

Archivo

Propósito

server.py

Búsqueda de series, observaciones, resúmenes, comparación de series, recurso y prompt

test_server.py

Ocho pruebas de contrato con datos reales del BCRP; no modificar

preguntas.csv

Diez preguntas con respuestas y tolerancias oficiales

evaluar.py

Compara respuestas de Claude sin MCP y con el MCP

.mcp.json

Configura los servidores BCRP y Fetch para Claude Code

pyproject.toml, uv.lock

Dependencias y versiones reproducibles del entorno

Related MCP server: FRED Economic MCP Server

Requisitos y pruebas

Se necesita Python 3.11 o superior, uv, Claude Code con sesión iniciada e internet. El entorno local .venv/ se crea automáticamente con uv; el catálogo descargado y el entorno se excluyen de Git.

Desde esta carpeta:

uv run pytest -q

La meta es 8 passed. La primera ejecución descarga el catálogo oficial del BCRP. Para iniciar el servidor en terminal, ejecuta uv run server.py.

La dependencia cryptography<49 está acotada para permitir la instalación en macOS Intel sin compilar OpenSSL; el proyecto no la usa directamente.

Conectar con Claude Code

Abre Claude Code desde esta carpeta y aprueba los servidores configurados en .mcp.json cuando lo solicite. Usa /mcp para comprobar la conexión. El servidor bcrp ofrece:

  • Herramientas: buscar_series, serie, resumen y comparar_series.

  • Recurso: bcrp://serie/{codigo}; por ejemplo @bcrp:bcrp://serie/PN01273PM.

  • Prompt: informe(tema), disponible como /mcp__bcrp__informe.

Las fechas de serie y resumen son YYYY-MM para series mensuales, YYYY-T1 para trimestrales, YYYY-MM-DD para diarias y YYYY para anuales. Las respuestas incluyen el código y el enlace oficial de la fuente.

Evaluación

preguntas.csv contiene diez preguntas, con las dos cifras adicionales verificadas manualmente en el sitio oficial del BCRP. Ejecuta uv run evaluar.py para comparar los modos memoria y mcp; Claude Code debe estar disponible en PATH. El resultado se guarda en resultados.csv. Para incluir búsqueda web, ejecuta uv run evaluar.py --modos memoria web mcp.

La ejecución documentada en informe.md obtuvo 0/10 aciertos en modo memoria (10 respuestas «no sabe») y 10/10 con el MCP. La figura correspondiente está en grafico.png. datos/ no se incluye: el catálogo se descarga automáticamente cuando se necesita.

Conserva test_server.py sin cambios. Los archivos de entrega son server.py, .mcp.json, preguntas.csv, resultados.csv, informe.md y grafico.png.

La rúbrica del curso suma 20 puntos: pruebas (6), herramienta propia (3), recurso y prompt (2), .mcp.json (2), evaluación (4) e informe (3).

Available Tools

4 tools
buscar_seriesBuscar SeriesA
Read-only

Busca series del BCRP por palabras: todas deben aparecer en la categoría, el grupo o el nombre.

Ejemplos: "ipc 12 meses", "tipo de cambio interbancario venta", "reservas internacionales netas", "tasa de referencia", "cobre precio". frecuencia: "Diaria", "Mensual", "Trimestral" o "Anual". Devuelve el código, el nombre completo, la frecuencia y desde cuándo hay datos. Si no hay resultados, prueben con menos palabras.

Inputs: texto (required), limite, frecuencia. Returns: result

comparar_seriesComparar SeriesB
Read-only

Compara dos series por periodos coincidentes y calcula su correlación, sin inferir causalidad.

Inputs: desde (required), hasta (required), codigo_a (required), codigo_b (required). Returns: object

resumenResumenB
Read-only

Calcula estadísticas exactas de una serie: extremos, cambio, variación y promedio del periodo.

Inputs: desde (required), hasta (required), codigo (required). Returns: object

serieSerieA
Read-only

Descarga observaciones oficiales de una serie del BCRP entre dos fechas, ambas incluidas.

Usa YYYY-MM para series mensuales, YYYY-T1 para trimestrales, YYYY-MM-DD para diarias y YYYY para anuales. Devuelve los datos, la ficha de la serie y el enlace reproducible a la fuente oficial.

Inputs: desde (required), hasta (required), codigo (required). Returns: object

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A3.7/5.0

    Scored across 4 tools

    Disambiguation5/5

    Each tool has a clearly distinct role in the workflow: search series, fetch observations, compute summary statistics, and compare two series. The boundary between `serie` and `resumen` is clear because one returns raw observations while the other returns aggregate statistics.

    Naming Consistency3/5

    The names mix conventions: `buscar_series` and `comparar_series` use a verb_noun pattern, while `serie` and `resumen` are bare nouns. The names are still readable and understandable, but the set lacks a consistent naming pattern.

    Tool Count5/5

    Four tools is well-scoped for a central-bank statistics server: discovery, retrieval, summary, and comparison. Each tool earns its place and there are no redundant or trivial additions.

    Completeness5/5

    The tool set covers the full read-only lifecycle for BCRP series: search for a series, download its observations, compute descriptive statistics, and compare two series. No obvious dead ends are present for the stated purpose.

    Related MCP Connectors

    Related MCP Servers

    • F
      license
      A
      quality
      D
      maintenance
      Model Context Protocol server that provides access to economic and financial time series data from Peru's Central Reserve Bank, enabling AI agents to search, explore, and analyze Peru's economic indicators through a standardized interface.
      3
      4
      -
    • A
      license
      Not graded
      quality
      D
      maintenance
      Provides access to 800,000+ Federal Reserve Economic Data (FRED) time series, enabling users to search, retrieve, and analyze economic indicators like GDP, unemployment, inflation, and interest rates through natural language queries.
      MIT
    • A
      license
      A
      quality
      D
      maintenance
      Enables users to search, retrieve, and explore economic data series from the Federal Reserve Economic Data (FRED) API using natural language.
      11
      MIT
    • A
      license
      Not graded
      quality
      C
      maintenance
      Enables natural language access to 800,000+ economic time series from FRED, including GDP, inflation, unemployment, and interest rates, with built-in transforms and frequency aggregation.
      71 npm
      MIT