MCP de Beanquery

El servidor MCP de Beancount es una implementación experimental del Protocolo de Contexto de Modelo (MCP), diseñado para interactuar con los archivos de contabilidad de Beancount . Aprovechando el lenguaje de consulta de Beancount (BQL) y la herramienta BeanQuery , este servidor permite la consulta y el análisis fluidos de datos financieros almacenados en formato Beancount. Al integrar MCP, el servidor facilita la comunicación estandarizada entre los asistentes de IA y los libros de contabilidad de Beancount, mejorando la accesibilidad y la utilidad de los datos financieros.

Nota: Este servidor es experimental y puede sufrir cambios significativos. Se recomienda usarlo en un entorno de desarrollo y proporcionar comentarios para futuras mejoras.

Se puede encontrar un libro de contabilidad de muestra generado en sample.bean

Recursos y herramientas disponibles

• Herramientas :

  • set_ledger_file : establece el archivo de libro mayor de Beancount que se utilizará para consultas (si no se configura a través de la variable de entorno).

  • run_query : ejecuta una consulta BQL contra el archivo Beancount cargado.

• Recursos :

  • beanquery://tables : obtiene una lista de tablas a las que BQL puede acceder.

  • beanquery://accounts : obtiene una lista de cuentas en el archivo Beancount cargado.

Ejemplo con Claude.ai

Para ver una captura de pantalla con interacciones MCP ampliadas, consulte aquí .

Related MCP server: YNAB MCP Server

⚠️ Aviso de privacidad

Esta herramienta interactúa con los proveedores de modelos de lenguaje (LLM) a través del Protocolo de contexto de modelo (MCP) y, como tal, puede transmitir partes de su libro contable de Beancount (incluida información financiera potencialmente confidencial o privada) a servicios de terceros.

Utilice esta herramienta con precaución, especialmente cuando:

• Su libro mayor contiene datos confidenciales (por ejemplo, nombres de clientes, detalles de salarios, gastos relacionados con la salud).

• Estás utilizando un backend LLM alojado en la nube o no alojado automáticamente.

Recomendaciones:

• Enmascarar o redactar datos confidenciales en los libros de prueba.

• Utilice LLM autoalojados cuando sea posible.

• Revise los datos que se envían a través de MCP para garantizar el cumplimiento de sus requisitos de privacidad y seguridad.

[!PRECAUCIÓN] Usted es responsable de la protección de sus datos financieros. No comparta libros contables que no le gustaría exponer.

Configuración

Prerrequisitos

• Python 3.10 o posterior

• uv para gestionar proyectos de Python (recomendado)

Uso

Ejecución del servidor

1. Modo de desarrollo : utilice el Inspector MCP para probar y depurar su servidor:

   mcp dev server.py

2. Integración de Claude Desktop : instale el servidor en Claude Desktop:

   mcp install server.py

   • Inicio rápido :

     uv run mcp install server.py -v BEANCOUNT_LEDGER=$(pwd)/sample.bean --with beancount --with beanquery

   • Nombre personalizado :

     uv run mcp install server.py --name "Beanquery MCP Server" --with beancount --with beanquery

   • Variables de entorno :

     uv run mcp install server.py -v BEANCOUNT_LEDGER=/path/to/your/ledger.bean --with beancount --with beanquery
     uv run mcp install server.py -f .env --with beancount --with beanquery

Pruebas

Ejecute el conjunto de pruebas usando pytest :

pytest server_test.py

Contribuyendo

1. Bifurcar el repositorio.

2. Crear una rama de características:

   git checkout -b feature-name

3. Confirme sus cambios:

   git commit -m "Add feature description"

4. Empujar a tu sucursal:

   git push origin feature-name

5. Abrir una solicitud de extracción.

Licencia

Este proyecto está licenciado bajo la Licencia MIT. Consulte el archivo LICENSE para más detalles.