MCP Financial Controller

Servidores MCP (Model Context Protocol) que conectan Claude a Power BI Desktop y a Excel en local: pueden leer, analizar y escribir de verdad sobre un modelo semántico de Power BI (medidas DAX incluidas) y sobre libros de Excel, sin exportar nada a la nube.

Lo construí para dejar de repetir a mano, cada mes, el mismo ciclo de trabajo de un controller financiero: explorar un modelo de Power BI, escribir DAX, comparar periodos, cuadrar un Excel. La idea era que ese ciclo lo pudiera ejecutar Claude directamente sobre los datos reales, entendiendo el contexto financiero (centros de coste, KPIs, PyG, variaciones interanuales) sin que yo se lo tuviera que traducir cada vez.

Cómo se conecta al modelo

powerbi_server.py no lee el archivo .pbix desde disco: se conecta al motor de Analysis Services (msmdsrv.exe) que Power BI Desktop levanta en memoria mientras el archivo está abierto.

El problema es que ese motor abre un puerto local distinto cada vez que arrancas Power BI Desktop — no es fijo. La mayoría de integraciones con Power BI local resuelven esto pidiéndote que copies el puerto a mano desde el DAX Studio o el Task Manager y lo hardcodees en la configuración.

Aquí el puerto se detecta solo: el servidor busca el proceso msmdsrv.exe, localiza su puerto en escucha vía netstat/tasklist, lo cachea, y si una consulta falla lo vuelve a detectar automáticamente antes de reintentar. Cierras y abres el .pbix las veces que quieras — no hay que tocar nada.

Power BI Desktop (abierto, con el modelo cargado)
        ↓
msmdsrv.exe  (Analysis Services local)
        ↓
puerto dinámico en 127.0.0.1  ← detección automática, con reintento si cambia
        ↓
powerbi_server.py  (ADOMD para leer / TOM para escribir)

Para escribir en el modelo (crear, actualizar o eliminar medidas) usa además el Tabular Object Model (TOM), vía pythonnet. Si las DLLs de TOM no están instaladas, el servidor lo detecta y sigue funcionando en modo solo lectura — no falla ni se cae, solo avisa si intentas escribir.

Una capa semántica, no solo un conjunto de funciones DAX

La mitad de las herramientas no se limitan a ejecutar una consulta y devolver el resultado en crudo — interpretan el modelo antes de responder:

• clasificar_modelo y analizar_tabla clasifican tablas y columnas (hechos/dimensión, numérica/fecha/categórica) por heurística de nombre, sin que se le diga qué es cada cosa.
• analizar_modelo_financiero y detectar_kpis escanean el modelo buscando patrones de vocabulario financiero (importe, margen, ebitda...) para saber con qué materiales cuenta antes de proponer nada.
• proponer_dashboard_desde_modelo cruza un objetivo descrito en lenguaje natural ("coste por centro y empleado") contra las columnas reales del modelo, y devuelve solo las que encajan — no una plantilla de dashboard genérica, sino una lectura del modelo concreto que tienes abierto.

Esto es lo que hace que, al pedir un dashboard, Claude no proponga KPIs de manual: los ancla a lo que existe de verdad en tus datos.

Qué incluye

Servidor	Conexión	Herramientas
src/powerbi_server.py	ADOMD (lectura) + TOM (escritura) sobre Analysis Services local	29
src/excel_server.py	pandas / openpyxl sobre archivos .xlsx	19

Catálogo completo, con la docstring real de cada herramienta, en docs/TOOLS_REFERENCE.md.

Ejemplo real de uso

examples/EXAMPLES.md documenta, con datos anonimizados, un flujo completo: explorar el modelo → proponer dashboard → comprobar permisos de escritura → crear las medidas DAX → compararlas entre periodos, encadenado en una sola conversación.

Estructura del repositorio

mcp-powerbi-controller/
├── README.md                          ← estás aquí
├── INSTALL.md                         ← manual de instalación paso a paso
├── CONFIGURATION.md                   ← configuración de claude_desktop_config.json
├── LICENSE
├── requirements.txt
├── .gitignore
├── config/
│   └── claude_desktop_config.example.json
├── docs/
│   ├── TOOLS_REFERENCE.md             ← catálogo de las 48 herramientas (docstring real)
│   └── TROUBLESHOOTING.md             ← errores típicos y cómo resolverlos
├── examples/
│   └── EXAMPLES.md                    ← flujo de uso real, con datos anonimizados
└── src/
    ├── excel_server.py                ← servidor MCP de Excel (código real)
    ├── powerbi_server.py              ← servidor MCP de Power BI (código real)
    └── GUIA_MCP_POWERBI.txt           ← manual en lenguaje llano de cada herramienta

Quick start

1. Sigue INSTALL.md: Python, dependencias, y (si quieres escritura) las DLLs de Analysis Services.
2. Copia config/claude_desktop_config.example.json a %APPDATA%\Claude\claude_desktop_config.json y ajusta las rutas — ver CONFIGURATION.md.
3. Abre tu modelo en Power BI Desktop (el servidor se conecta a la instancia local en memoria — tiene que estar abierto).
4. Reinicia Claude Desktop.
5. Prueba con algo simple: "lista las tablas de mi modelo de Power BI".

Stack técnico

Python · MCP / FastMCP · pyadomd (ADOMD.NET) · pythonnet (CLR / Tabular Object Model) · DAX · pandas · openpyxl · Power BI / Analysis Services Tabular

Seguridad y buenas prácticas

• Todo corre en local: no se sube ningún dato a servidores externos salvo lo que el propio Claude procese en la conversación.
• El servidor de Power BI puede modificar el modelo real (crear/actualizar/eliminar medidas) y lo hace con SaveChanges() — no pasa por el Ctrl+Z de Power BI Desktop. eliminar_medida exige un flag explícito confirmar=True para evitar borrados accidentales.
• claude_desktop_config.json no se sube a git — se usa .example.json como plantilla (excluido en .gitignore).
• Los datos de ejemplo de este repositorio son ficticios; el código no contiene nombres de clientes, empresas ni datos reales.

Roadmap

• [ ] Servidor MCP de SQL Server
• [ ] Servidor MCP de SharePoint / Outlook
• [ ] Tests automáticos de conexión ADOMD/TOM
• [ ] Capturas del dashboard generado a partir de proponer_dashboard_desde_modelo

---

Alex Hernández — LinkedIn