Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

precis-finance-mcp

Servidor MCP de solo lectura para FP&A y reporting financiero. Utiliza ClickHouse y PostgreSQL con una capa semántica SQL versionada en Git. Proporciona métricas gobernadas y reportes financieros accesibles por cualquier cliente MCP compatible.

Ficha actualizada 24 sept 2026, 18:42 · upstream 24 sept 2026, 18:36 · release v0.2.6

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es precis-finance-mcp

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Précis Finance MCP es un servidor MCP de solo lectura diseñado para FP&A y reporting de gestión. Permite a los clientes LLM o MCP consultar métricas gobernadas, estados financieros y realizar drill-down a nivel de fila sobre una capa semántica SQL definida en Git. La arquitectura se basa en ClickHouse para el almacenamiento analítico y PostgreSQL para el estado de la plataforma (usuarios, sesiones). El despliegue es auto-alojado mediante Docker Compose v2, sin necesidad de provisionar un almacén externo si no se desea.

Incluye soporte para autenticación OIDC 2.1 + PKCE (con Keycloak o proveedores externos) y una capa de seguridad read-only by construction, donde el servidor nunca escribe ni inventa cifras. Ofrece también un add-in opcional para Excel con funciones de lectura en vivo. Es la base del núcleo abierto de la plataforma Précis, bajo licencia Elastic License 2.0.

El despliegue es modular: se puede usar la instancia bundled o apuntar a un ClickHouse existente. Incluye perfiles para backups (Postgres dump + ClickHouse backup) y gestión de identidad federada. No incluye el agente conversacional ni la UI del workspace, que pertenecen a la versión comercial de Précis.

CASOS DE USO
  • Consultas financieras con LLMs (Claude/ChatGPT) sobre datos propios
  • Definición única y gobernada de métricas como margen bruto
  • Reportes P&L con comparativas y drill-down por centro de coste
  • Despliegue auto-alojado sin contratos de nube adicionales
  • Integración read-only con Excel mediante add-in incluido
  • Auditoría trazable desde respuesta hasta vista SQL semántica
PUNTOS DESTACADOS
  • Arquitectura read-only by construction (sin generación de cifras)
  • Capa semántica SQL versionada en Git para transparencia
  • Soporte nativo para ClickHouse y PostgreSQL en contenedores
  • Autenticación OIDC 2.1 + PKCE con Keycloak o IdP externo
  • Licencia Elastic License 2.0 (source-available)
  • Despliegue modular vía Docker Compose v2 sin dependencias externas
PRECAUCIONES
  • Solo lectura: no permite write-back ni planificación de escenarios en el servidor
  • Requiere infraestructura propia o uso de la instancia bundled para ClickHouse
  • No incluye agente conversacional, UI de workspace ni soporte comercial
  • La demo usa datos sintéticos; producción requiere carga de datos propia
  • Dependencia de Docker Engine y Compose v2 para ejecución
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

Claude, connected to Précis over MCP, rendering a governed P&L with comparatives and then drilling Revenue down to cost-centre level — sample data
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA4 GBRAM estimada
DISCO40 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker detectado

Despliegue con docker compose -f deploy/docker-compose.yml up. Puerto 8768. Autenticación vía Bearer (dev) o OIDC/Keycloak. Backup incluido en perfil backup. Verificar docs/deployment/clickhouse-data-modes.md para usar ClickHouse externo.

✓Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.jsFastAPIPython
SERVICIOS
PostgreSQLRedisS3/MinIOClickHouse
BASES DE DATOS
PostgreSQLRedisClickHouse
PUERTOS
8768
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.