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.
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
- Cómo funciona la demo, paso a paso
- Instalación
- Conectar a Claude Desktop
- Esta demo no es un patrón de despliegue a producción
- Estructura del código
- Licencia
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
-
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 comomonto_sugeridoy 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". -
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.
-
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.
-
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 toolautorizar_con_claveen su lista y no puede llamarla. Si el usuario ingresa mal el PIN, el widget lo indica; el agente no se entera. -
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.
-
Paso 6: desembolsado (nivel 1, cierre). El widget confirma el desembolso y emite un
ui/messagecon 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+
uvinstalado- 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 listaTOOLSlleva un tag[AGENTE]o[SOLO WIDGET].server.py, función_tool_meta: genera el_meta.ui.visibilityque 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 deui/messagepost-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.
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
Neon Database
MCP server for interacting with Neon Management API and databases
E2B
Using MCP to run code via e2b.
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.