MCP de Leaseir

Servidor MCP que da acceso, en lenguaje natural desde Claude / ChatGPT / Gemini, a los datos operativos de Leaseir:

• Airtable (base Leaseir): pedidos, y los equipos de cada cliente derivados de sus pedidos.
• Jira: incidencias de servicio técnico (SAT).
• MongoDB: telemetría / estado en tiempo real de los equipos.

Es la v1 interna: pensada para ti y tu equipo, protegida con un token. El paso a multi-cliente (que cada cliente vea solo lo suyo, con OAuth) es la siguiente fase y se construye sobre esta misma base.

Nota de diseño importante: no existe una tabla global con todos los equipos fabricados y su dueño. Los equipos de un cliente se obtienen de sus pedidos (seriales en ID_Console / ID_Handpiece), o de un listado de seriales que aportes. El estado real de cada equipo se consulta por serial contra la telemetría de Mongo.

---

Herramientas que expone

Herramienta	Qué hace	Fuente
equipos_de_cliente	Equipos de un cliente derivados de sus pedidos (parcial, 2026)	Airtable
equipos_de_cliente_parque	Consolas de un cliente según el parque real (ownerMap)	ownerMap
buscar_pedidos	Busca pedidos por cliente / estado / país	Airtable
crear_pedido_borrador	(escritura) Crea un pedido en borrador (equipo/spray/extras)	Airtable
buscar_incidencias_sat	Busca incidencias SAT por cliente / estado / JQL	Jira
detalle_incidencia_sat	Detalle completo de una incidencia (p.ej. SAT-123)	Jira
crear_incidencia_sat	(escritura) Crea una incidencia de SAT	Jira
uso_equipo	Uso de una consola en un rango (mismos números que Cloudmed)	Mongo cloudmed
uso_manipulo	Uso de un manípulo (cruza consolas) en un rango	Mongo cloudmed
actividad_dia	Actividad por hora de un equipo/manípulo en un día (p.ej. H03346 ayer)	Mongo cloudmed
estado_equipo	Disparos de hoy y última actividad de una consola	Mongo cloudmed
estado_online	Estado de conexión: disparando / en línea / offline (corto/largo)	Mongo cloudmed
mantenimiento_equipo	Térmico + condensador + salud de diodos de una consola	Mongo cloudmed
serie_termica	Serie diaria de temperaturas y voltaje de condensador	Mongo cloudmed
salud_diodo	Predicción de rotura de un diodo (calibraciones COMP)	Mongo cloudmed

---

1. Configuración

cp .env.example .env

Rellena .env. Lo mínimo para empezar es Airtable; Jira y Mongo puedes dejarlos para después (las herramientas de esas fuentes solo fallarán si las usas sin configurar, el resto funciona).

Datos que necesitas conseguir:

• MCP_AUTH_TOKEN: invéntate uno largo → python -c "import secrets; print(secrets.token_urlsafe(32))"
• AIRTABLE_API_KEY: crea un token en https://airtable.com/create/tokens con scopes data.records:read y data.records:write sobre la base Leaseir.
• Jira — necesito que confirmes: JIRA_BASE_URL (p.ej. https://leaseir.atlassian.net), tu JIRA_EMAIL, un JIRA_API_TOKEN (https://id.atlassian.com/manage-profile/security/api-tokens) y sobre todo la clave del proyecto de SAT (JIRA_PROJECT_KEY: mírala en la URL de cualquier ticket, p.ej. SAT-123 → SAT).
• Mongo Cloudmed — pon la misma CLOUDMED_MONGO_URI (read-only) que usa el portal Cloudmed en Vercel. La base (cloudmed), la colección de tramos (pulses_handpiece_2026) y la de mensajes (messages) ya vienen por defecto. La telemetría replica la agregación del portal (high-water por manípulo, anti-salto de contador, disparos estimados, reglas SP/Quad), leyendo el histórico de pulses_handpiece_2026 y reconstruyendo el día en curso en vivo desde messages. El mapa serial→cliente del parque va embebido (sources/ownerMap.json); actualízalo cuando cambie el parque. El mantenimiento usa además la colección messages (temperaturas HPTS/I2C2 y condensador STAT) y calibrations (eventos COMP para la salud de diodos).

---

2. Ejecutar en local

pip install -r requirements.txt
python server.py

Levanta en http://localhost:8000. Comprueba:

curl http://localhost:8000/health      # -> {"status":"ok",...}

El endpoint MCP es http://localhost:8000/mcp.

---

3. Desplegar en Render (para usarlo desde el móvil / ChatGPT / Gemini)

Para que Claude en el móvil, ChatGPT o Gemini (que corren en la nube) lleguen al servidor, tiene que estar en una URL pública. La forma más simple:

1. Sube esta carpeta a un repo de GitHub (privado).
2. En https://render.com → New + → Blueprint, apunta al repo (ya trae render.yaml).
3. Render detecta el servicio. En el panel, rellena las variables marcadas como sync:false (tokens y credenciales). Pon siempre MCP_AUTH_TOKEN.
4. Deploy. Te dará una URL tipo https://leaseir-mcp.onrender.com.
5. Tu endpoint MCP será https://leaseir-mcp.onrender.com/mcp.

---

4. Conectarlo a cada plataforma

En los tres casos el "secreto" va en la cabecera de autorización: Authorization: Bearer <MCP_AUTH_TOKEN>.

Claude (web o escritorio)

Settings → Connectors → Add custom connector → pega la URL https://.../mcp y, en la cabecera, Authorization: Bearer <tu token>. Una vez añadido desde el ordenador, queda disponible también en Claude para iOS/Android en tu cuenta.

ChatGPT

Requiere plan de pago y activar Developer Mode (Settings → Connectors → Advanced). Luego Add custom connector / MCP server → misma URL y cabecera.

Gemini

Vía Gemini CLI (fichero de configuración de MCP servers) o la Gemini API, apuntando a la misma URL con la misma cabecera.

---

5. Seguridad y siguiente paso

• La v1 usa un token compartido: quien lo tenga, accede a todo. Vale para uso interno. No repartas este token a clientes.
• Para abrirlo a clientes hace falta la fase 2: OAuth + aislamiento por cliente (cada cliente autenticado ve solo sus pedidos/equipos/incidencias). Es más trabajo y se monta sobre este mismo servidor.
• No subas nunca el .env a git (ya está pensado para ir por variables de entorno en Render).