MCP 服务器

Energy Prediction MCP Server

Enables AI-powered analysis and prediction of household energy consumption through machine learning models, providing historical consumption breakdowns, price queries from Spanish electricity markets, and personalized energy optimization recommendations.

README

⚡ Sistema de Predicción Energética con IA

TFM sobre la creación de un sistema de predicción energética con un servidor MCP para su acceso basado en IA

DAVID GONZÁLEZ LABRADA

</div>

🎯 Descripción

Este proyecto implementa un sistema completo de análisis y predicción del consumo energético doméstico utilizando técnicas de machine learning y explicabilidad de modelos (SHAP). El sistema permite realizar predicciones precisas, analizar patrones históricos y generar recomendaciones personalizadas de optimización energética a través de una interfaz conversacional con IA.

✨ Características Principales

🔮 Predicción energética utilizando modelos ensemble optimizados
📊 Análisis histórico con breakdown por electrodomésticos
🧠 Explicabilidad de modelos mediante valores SHAP
💰 Integración con APIs de precios eléctricos (ESIOS)
🤖 Servidor MCP para acceso conversacional via Claude AI
📈 Visualizaciones interactivas de consumo y predicciones
💡 Recomendaciones personalizadas de optimización energética

🔧 Archivos Principales

modelos_v3.py - Clase principal con todas las funciones para creación, entrenamiento y evaluación de modelos
server.py - Servidor MCP que expone las funcionalidades del sistema para integración con Claude AI

🛠️ Tecnologías Utilizadas

Categoría	Tecnologías
🤖 Machine Learning	Scikit-learn, XGBoost, LightGBM
🧠 Explicabilidad	SHAP (SHapley Additive exPlanations)
🌐 Backend	FastAPI, Python 3.8+
📊 Datos	Pandas, NumPy, APIs ESIOS
📈 Visualización	Matplotlib
🔗 Integración	MCP (Model Context Protocol)

</div>

🚀 Instalación y Configuración

📋 Requisitos Previos

Python 3.8 o superior
Cuenta en ESIOS (Red Eléctrica de España)
Acceso a Claude AI con soporte MCP

🚀 Iniciar Servidor MCP

Para usar el servidor MCP con Claude AI, configura el archivo de configuración MCP:

{
  "mcpServers": {
    "mcp-david-TFM": {
      "command": "uv",
      "args": [
        "--directory",
        "RUTA_DEL_PROYECTO",
        "run",
        "-m",
        "davidElectric"
      ],
      "env": {
        "ESIOS_API_TOKEN": "XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"
      }
    }
  }
}

🤖 Funciones Disponibles via MCP

Función	Descripción	Parámetros
`predict_consumption()`	Predicciones de consumo futuro	`init_date`, `end_date`
`get_consumption_analysis()`	Análisis histórico detallado	`init_date`, `end_date`
`explain_predictions()`	Explicabilidad con SHAP	`appliance`, `horizon`
`get_precio()`	Consulta precios eléctricos	`init_date`, `end_date`, `price_type`
`get_precio_inteligente()`	Precio con fallback automático	`target_date`