Datadis Server
FreeNot checkedEnables AI agents to access and analyze Spanish electricity consumption data via the Datadis API, providing tools for supply management, consumption analysis, a
About
Enables AI agents to access and analyze Spanish electricity consumption data via the Datadis API, providing tools for supply management, consumption analysis, anomaly detection, and executive reporting.
README
Servidor MCP de producción que integra la API de Datadis con agentes IA (Claude, Copilot, Cursor, Open WebUI, etc.) mediante el Model Context Protocol.
Arquitectura
Agente IA (Claude / Copilot / Cursor)
│
│ MCP (stdio o SSE)
▼
Datadis MCP Server (FastMCP 3.x)
├── Auth Layer — ciclo de vida del token, nunca persiste en disco
├── Datadis Client — httpx async, retry exponencial, excepciones tipadas
├── EnergyService — cache-aside por namespace (supplies 24h, consumo 1h…)
├── AnalysisService — análisis semántico, detención de anomalías, informes
├── MCP Tools (13) — wrappers delgados sin lógica de negocio
├── MCP Resources (3) — datos de catálogo en tiempo real
└── MCP Prompts (3) — plantillas de prompts para análisis energético
│
│ HTTPS
▼
Datadis API V2
Estructura del proyecto
datadis-mcp/
├── server.py ← punto de entrada FastMCP
├── config.py ← Pydantic Settings (variables de entorno)
├── auth.py ← gestor del ciclo de vida del token
├── datadis_client.py ← cliente HTTP async para todos los endpoints V2
├── exceptions.py ← jerarquía de excepciones tipadas
├── models/ ← modelos de dominio Pydantic v2
├── cache/ ← abstracción de cache TTL por namespace
├── utils/ ← utilidades transversales (seguridad, logging)
├── services/
│ ├── energy_service.py ← wrapper con cache sobre DatadisClient
│ └── analysis_service.py ← análisis semántico de alto nivel
├── tools/ ← 13 tools MCP (sin lógica de negocio)
├── resources/ ← 3 resources MCP (status, distributors, groups)
├── prompts/ ← 3 prompts MCP (analyse_supply, executive_report, compare_years)
├── tests/ ← 150 tests pytest (83.61% cobertura)
├── pyproject.toml
├── requirements.txt
├── Dockerfile
└── .env.example
Quick Start
Requisitos
- Python 3.12+
- Cuenta en Datadis con credenciales válidas
Instalación local
cd datadis-mcp
# Instalar dependencias
pip install -r requirements-dev.txt
# Configurar credenciales
copy .env.example .env # Windows
# cp .env.example .env # Linux/macOS
# Editar .env: rellenar DATADIS_USERNAME y DATADIS_PASSWORD
# Iniciar el servidor (transporte stdio — para Claude Desktop / Cursor)
python server.py
# O con transporte SSE (HTTP — para clientes web)
$env:MCP_TRANSPORT="sse"; python server.py # Windows
MCP_TRANSPORT=sse python server.py # Linux/macOS
Redes corporativas con proxy SSL
Si aparece CERTIFICATE_VERIFY_FAILED, añade esto a tu .env:
HTTP_SSL_VERIFY=false
Conectar un agente IA
VS Code (GitHub Copilot Agent)
El fichero .vscode/mcp.json ya está incluido en el repositorio. VS Code lo detecta automáticamente — abre el proyecto y el servidor aparecerá en Copilot Chat → Agent mode → herramientas disponibles.
Las credenciales se leen del fichero .env del proyecto.
Claude Desktop
Edita %APPDATA%\Claude\claude_desktop_config.json (créalo si no existe):
{
"mcpServers": {
"datadis": {
"command": "python",
"args": ["C:\\ruta\\completa\\a\\datadis-mcp\\server.py"],
"env": {
"DATADIS_USERNAME": "TU_NIF",
"DATADIS_PASSWORD": "TU_PASSWORD",
"HTTP_SSL_VERIFY": "false"
}
}
}
}
Reinicia Claude Desktop. Verás el ícono del servidor en la barra de herramientas.
Cursor
Edita %USERPROFILE%\.cursor\mcp.json (créalo si no existe):
{
"mcpServers": {
"datadis": {
"command": "python",
"args": ["C:\\ruta\\completa\\a\\datadis-mcp\\server.py"],
"env": {
"DATADIS_USERNAME": "TU_NIF",
"DATADIS_PASSWORD": "TU_PASSWORD",
"HTTP_SSL_VERIFY": "false"
}
}
}
}
Ve a Cursor Settings → MCP para verificar que el servidor aparece activo.
Docker
# 1. Build
docker build -t datadis-mcp .
# 2. Verificar que la imagen se construyó correctamente
docker images datadis-mcp
docker inspect datadis-mcp --format "Usuario: {{.Config.User}} | Puerto: {{.Config.ExposedPorts}}"
# 3. Arrancar en modo SSE (HTTP, puerto 8000)
docker run -d \
--name datadis \
-p 8000:8000 \
-e DATADIS_USERNAME=TU_NIF \
-e DATADIS_PASSWORD=TU_PASSWORD \
-e HTTP_SSL_VERIFY=false \
-e MCP_TRANSPORT=sse \
datadis-mcp
# 4. Ver logs de arranque
docker logs datadis
# 5. Smoke test — el endpoint SSE debe responder
curl http://localhost:8000/sse # Linux/macOS
Invoke-RestMethod http://localhost:8000/sse # PowerShell
# 6. Verificar healthcheck
docker inspect datadis --format "Health: {{.State.Health.Status}}"
# 7. Parar y eliminar el contenedor
docker stop datadis && docker rm datadis
Variables de entorno disponibles:
| Variable | Descripción | Requerida |
|---|---|---|
DATADIS_USERNAME |
NIF de la cuenta Datadis | Sí |
DATADIS_PASSWORD |
Contraseña de Datadis | Sí |
HTTP_SSL_VERIFY |
false en redes con proxy SSL |
No |
MCP_TRANSPORT |
sse (Docker) o stdio (local) |
No |
MCP_HOST |
Host de escucha (defecto 0.0.0.0) |
No |
MCP_PORT |
Puerto de escucha (defecto 8000) |
No |
LOG_LEVEL |
DEBUG|INFO|WARNING (defecto INFO) |
No |
Desarrollo
# Tests con cobertura
pytest
# Linter
ruff check .
# Tipos
mypy .
# Formateo
ruff format .
Tools MCP disponibles
Técnicas (acceso directo a la API)
| Tool | Descripción |
|---|---|
get_supplies |
Listado de puntos de suministro (CUPS) |
get_contract |
Detalle del contrato de un CUPS |
get_consumption |
Curva de carga horaria/cuarto-horaria |
get_max_power |
Potencia máxima registrada por periodo |
get_reactive_energy |
Energía reactiva por periodo (P1–P6) |
get_distributors |
Códigos de distribuidora vinculados a la cuenta |
get_groups |
Grupos de suministros definidos |
Semánticas (análisis de alto nivel)
| Tool | Descripción |
|---|---|
get_supply_overview |
Resumen consolidado: suministro + contrato (auto-descubre distribuidor) |
get_energy_profile |
Perfil estadístico: total, media, máx, mín, desv. estándar |
compare_periods |
Comparación entre dos periodos: Δ kWh + % variación + tendencia |
detect_anomalies |
Detección de picos anómalos mediante Z-score configurable |
get_self_consumption_analysis |
Ratios de autoconsumo/excedentes para instalaciones CAU |
executive_energy_report |
Informe ejecutivo anual con recomendaciones autogeneradas |
Resources MCP
| URI | Contenido |
|---|---|
datadis://status |
Estado del servidor: autenticación, cache, versión |
datadis://distributors |
Catálogo de distribuidoras (cacheado 24h) |
datadis://groups |
Grupos de suministro (cacheado 24h) |
Prompts MCP
| Prompt | Descripción |
|---|---|
analyse_supply |
Guía al agente: overview → perfil → potencia máx → informe |
executive_energy_report |
Plantilla de informe ejecutivo anual estructurado |
compare_years |
Comparación interanual con interpretación de tendencia |
Seguridad
- Credenciales exclusivamente desde variables de entorno — nunca en código.
- Token bearer en memoria únicamente — nunca en disco ni en logs.
- NIF/NIE enmascarado en todos los logs (
4******0A). - TLS obligatorio para todas las comunicaciones con la API.
- Usuario non-root en Docker.
HTTP_SSL_VERIFY=falsedisponible para proxies corporativos con inspección SSL.
Licencia
MIT
Installing Datadis Server
This server has no published package — it is built from source. Open the repository and follow its README.
▸ github.com/Jaimegruiz/datadis-mcpFAQ
Is Datadis Server MCP free?
Yes, Datadis Server MCP is free — one-click install via Unyly at no cost.
Does Datadis Server need an API key?
No, Datadis Server runs without API keys or environment variables.
Is Datadis Server hosted or self-hosted?
A hosted option is available: Unyly runs the server in the cloud, no local setup required.
How do I install Datadis Server in Claude Desktop, Claude Code or Cursor?
Open Datadis Server on unyly.org, pick your client tab (Claude Desktop, Claude Code, Cursor) and press Install — the config is generated automatically, no JSON editing.
Related MCPs
Fetch
Web content fetching and conversion for efficient LLM usage.
AWS KB Retrieval
Retrieval from AWS Knowledge Base using Bedrock Agent Runtime.
by modelcontextprotocolSpring AI MCP Server
Provides auto-configuration for setting up an MCP server in Spring Boot applications.
llm-analysis-assistant
A very streamlined mcp client that supports calling and monitoring stdio/sse/streamableHttp, and can also view request responses through the /logs page. It also
by xuzexin-hzCompare Datadis Server with
Not sure what to pick?
Find your stack in 60 seconds
Author?
Embed badge for your README
Browse similar
All ai MCPs
