demo-app-mcp-prestamo

demo-app-mcp-prestamo

MCP server demo by Banco D that shows a loan application interactive widget across six steps, demonstrating three levels of agent visibility (full, result-only, and hidden) per MCP Apps (SEP-1865). It enables users to simulate a loan request with plan selection, PIN authorization, and disbursement while controlling what the agent sees.

Category
访问服务器

README

Banco D: demo de MCP App

Servidor MCP que muestra un widget interactivo dentro de un cliente MCP (por ejemplo, Claude Desktop) para un flujo de solicitud de préstamo online. La app pertenece a Banco D, un banco ficticio.

Es una demo educativa del estándar MCP Apps (SEP-1865). Lo interesante no es la solicitud de préstamo en sí, sino que en un mismo flujo se muestran tres niveles distintos de qué ve el agente en cada paso.

Autor: Diego Ponce de León. Los datos, la marca y los cálculos son ficticios.

Índice

Los tres niveles de visibilidad al agente

Cada respuesta de una tool en MCP Apps tiene dos canales:

  • content: texto que el agente lee.
  • structuredContent: JSON que va al widget (el agente no lo ve).

Con esos dos canales y el flag _meta.ui.visibility, el desarrollador decide, en cada paso, qué llega al agente. Esta demo usa los tres niveles posibles.

Nivel 1: el agente lo ve todo

En esta demo ocurre al iniciar la solicitud (iniciar_solicitud_prestamo). Si el usuario mencionó un monto en el chat, el agente lo pasa como monto_sugerido y el widget arranca con ese monto pre-llenado.

Nivel 2: el agente ve solo el resultado

El widget captura los datos y el content de la tool devuelve solo el resultado agregado. Los detalles del formulario no llegan al agente.

En esta demo ocurre en la selección de plan. Cuando el usuario elige un plan en el widget, el agente recibe un texto como "Plan elegido: 12 cuotas de S/ 320,88 (pago total S/ 3 850,56, intereses S/ 350,56)". Nada más.

Nivel 3: el agente no ve nada

La tool tiene _meta.ui.visibility=["app"], así que el cliente MCP la oculta del listado del agente. El agente ni siquiera sabe que la tool existe. Solo el widget la puede llamar, vía postMessage.

En esta demo ocurre con autorizar_con_clave (el PIN nunca aparece en el contexto del modelo, ni siquiera un intento fallido) y con capturar_cuenta_destino (el número de cuenta destino se queda dentro del widget). Cuando el flujo termina, el widget emite un ui/message explícito para avisar al agente del resultado final.

Cómo funciona la demo, paso a paso

  1. Paso 1: monto y día de pago (nivel 1). El agente detecta que el usuario quiere un préstamo y llama iniciar_solicitud_prestamo. Si el usuario mencionó un monto en el chat, el agente lo pasa como monto_sugerido y el widget arranca con ese valor pre-llenado; si no, el widget arranca vacío. El usuario ajusta el día de pago y hace clic en "Ver mis opciones".

  2. Paso 2: elegir plan (nivel 2). El widget calcula 3 planes (12, 24 y 36 cuotas) con cuota mensual, total, intereses y TCEA. El usuario elige uno. El agente recibe solo el plan elegido y los tres valores comerciales del plan.

  3. Paso 3: evaluación y términos (nivel 2). El widget muestra un spinner por 2,5 segundos y transiciona a "aprobado". El usuario acepta los términos.

  4. Paso 4: autorización con PIN (nivel 3). El widget muestra un keypad numérico con countdown de 2:00. El PIN de prueba es 1234. El agente no ve la tool autorizar_con_clave en su lista y no puede llamarla. Si el usuario ingresa mal el PIN, el widget lo indica; el agente no se entera.

  5. Paso 5: cuenta destino (nivel 3). El usuario elige a qué cuenta se acredita el préstamo y la forma de pago. Las cuentas están escritas directamente en el widget (en producción vendrían del perfil autenticado del cliente). La tool que registra la selección también es solo-widget, así que el número de cuenta no pasa por el canal del agente.

  6. Paso 6: desembolsado (nivel 1, cierre). El widget confirma el desembolso y emite un ui/message con el resumen: "Préstamo desembolsado: S/ 3 500,00 en 12 cuotas de S/ 320,88 (TCEA 19,56%). Nº operación BD-XXXXXXXX. Débito automático el día 15 de cada mes.". Con eso el agente puede continuar la conversación con contexto del cierre.


Instalación

Requisitos:

  • Python 3.11+
  • uv instalado
  • Claude Desktop (macOS o Windows), o cualquier cliente compatible con MCP Apps

Clonar e instalar:

git clone https://github.com/dponcedeleonf/demo-app-mcp-prestamo.git
cd demo-app-mcp-prestamo
uv sync

Verificar el servidor sin conectarlo al cliente:

uv run python -m banco_d --introspect

Debería imprimir el UI resource, las 9 tools con su _meta y visibility, y validar que el HTML sea correcto.

Conectar a Claude Desktop

Edita ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) o %APPDATA%\Claude\claude_desktop_config.json (Windows) y agrega la entrada:

{
  "mcpServers": {
    "banco-d": {
      "command": "uv",
      "args": [
        "--directory",
        "/ruta/absoluta/a/demo-app-mcp-prestamo",
        "run",
        "python",
        "-m",
        "banco_d"
      ]
    }
  }
}

Reemplaza /ruta/absoluta/... con la ruta real. Cierra Claude Desktop con Cmd+Q y ábrelo de nuevo. Empieza una conversación nueva y pídele un préstamo al agente. PIN de prueba: 1234.

Esta demo no es un patrón de despliegue a producción

Esta demo corre en stdio con edición manual del config del cliente. Esa no es la forma en la que un producto real se conecta a Claude Desktop u otro cliente MCP. Ninguna empresa (banco, retail, salud) le pediría a un cliente instalar Python, copiar archivos y editar claude_desktop_config.json.

En producción, un servidor MCP orientado a clientes se despliega sobre HTTPS con OAuth 2.1 y se instala vía Settings → Connectors en Claude Desktop, claude.ai u otro cliente compatible. Ese modelo permite autenticación por usuario, multi-tenencia, auditoría, control de tráfico y actualización centralizada.


Estructura del código

demo-app-mcp-prestamo/
├── pyproject.toml
├── README.md
├── uv.lock
└── src/banco_d/
    ├── __init__.py
    ├── __main__.py                  # punto de entrada: python -m banco_d
    ├── server.py                    # servidor MCP: registro de tools y resources
    ├── sessions.py                  # estado en memoria por session_id
    ├── prestamo/
    │   ├── __init__.py
    │   ├── state.py                 # PrestamoState + cálculo cuota francesa (TNA 18%)
    │   └── tools.py                 # 9 tools del flujo, con visibility declarada
    └── views/
        └── prestamo_view.html       # widget de 6 pantallas + keypad + countdown

Referencias útiles para leer el código:

  • prestamo/tools.py: el docstring del módulo separa las tools visibles al agente de las que son solo del widget. Cada entrada de la lista TOOLS lleva un tag [AGENTE] o [SOLO WIDGET].
  • server.py, función _tool_meta: genera el _meta.ui.visibility que el cliente MCP respeta para ocultar tools del listado del agente.
  • prestamo_view.html, sección PANTALLA 4: el keypad, el countdown OTP, el enlace "Solicitar nueva clave" y el emisor de ui/message post-autorización.
  • prestamo_view.html, sección MCP APPS: descripción de cada método JSON-RPC del protocolo y quién lo manda.
  • prestamo_view.html, maybeEmitUiMessage: cómo el widget envía texto al contexto del agente cuando decide hacerlo.

Licencia

MIT.

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选