MCP Trackhs Connector

TrackHS MCP Server

Servidor MCP (Model Context Protocol) para integración con la API de TrackHS, refactorizado siguiendo las mejores prácticas de FastMCP.

🏗️ Estructura del Proyecto

src/
├── server.py                 # Servidor principal
├── server_logic.py          # Lógica del servidor
├── config.py                # Configuración
├── schemas/                 # Schemas Pydantic
│   ├── base.py
│   ├── reservation.py
│   ├── unit.py
│   ├── amenity.py
│   ├── work_order.py
│   └── folio.py
├── utils/                   # Utilidades
│   ├── logger.py
│   ├── api_client.py
│   ├── exceptions.py
│   └── validators.py
└── tools/                   # Herramientas MCP
    ├── base.py
    ├── search_reservations.py
    ├── get_reservation.py
    ├── search_units.py
    ├── search_amenities.py
    ├── get_folio.py
    ├── create_maintenance_work_order.py
    └── create_housekeeping_work_order.py

tests/
└── unit/                    # Tests unitarios
    ├── test_server_refactored.py
    └── test_simple_refactored.py

🚀 Instalación

1. Clonar el repositorio:

git clone 
cd MCPtrackhsConnector

1. Crear entorno virtual:

python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# o
.venv\Scripts\activate     # Windows

1. Instalar dependencias:

pip install -r requirements.txt

1. Configurar variables de entorno:

# Crear archivo .env
TRACKHS_USERNAME=tu_usuario
TRACKHS_PASSWORD=tu_password
TRACKHS_API_URL=https://ihmvacations.trackhs.com

🎯 Uso

Ejecutar el servidor localmente:

python src/server.py

Ejecutar con configuración declarativa:

# Usar fastmcp.json (recomendado)
fastmcp run

# O especificar archivo de configuración
fastmcp run fastmcp.json

Ejecutar tests:

python tests/unit/test_simple_refactored.py

🔧 Herramientas Disponibles

• search_reservations - Buscar reservas con filtros avanzados
• get_reservation - Obtener detalles de una reserva específica
• search_units - Buscar unidades de alojamiento
• search_amenities - Buscar amenidades/servicios
• get_folio - Obtener folio financiero de una reserva
• create_maintenance_work_order - Crear orden de mantenimiento
• create_housekeeping_work_order - Crear orden de limpieza

📋 Características

• ✅ Arquitectura escalable con separación de responsabilidades
• ✅ Schemas Pydantic para validación robusta
• ✅ Logging estructurado para debugging y monitoreo
• ✅ Timing Middleware para monitoreo de rendimiento automático
• ✅ Configuración declarativa con fastmcp.json
• ✅ Tests unitarios para verificación de funcionalidad
• ✅ Manejo de errores robusto con excepciones específicas
• ✅ Documentación completa con type hints

📊 Monitoreo y Rendimiento

Timing Middleware

El servidor incluye Timing Middleware que registra automáticamente el tiempo de ejecución de cada herramienta:

# Los logs mostrarán información de rendimiento como:
[INFO] search_reservations completed in 2.341s
[INFO] get_reservation completed in 0.823s
[WARN] create_maintenance_work_order completed in 8.912s

Configuración Declarativa

El archivo fastmcp.json define toda la configuración del servidor:

{
  "source": {
    "path": "src/__main__.py"
  },
  "environment": {
    "type": "uv",
    "python": ">=3.11",
    "dependencies": [
      "fastmcp>=2.13.0",
      "httpx>=0.27.0",
      "pydantic>=2.12.3"
    ]
  },
  "secrets": {
    "required": [
      "TRACKHS_API_URL",
      "TRACKHS_USERNAME",
      "TRACKHS_PASSWORD"
    ]
  }
}

Beneficios:

• ✅ Deployment reproducible sin warnings de seguridad
• ✅ Configuración versionada y portable
• ✅ Detección automática de dependencias
• ✅ Integración perfecta con FastMCP Cloud

🧪 Testing

# Ejecutar tests unitarios
python tests/unit/test_simple_refactored.py

# Ejecutar tests específicos
python tests/unit/test_server_refactored.py

# Testing de características de debugging
python scripts/test_debugging.py

🔧 Debugging

El sistema incluye herramientas avanzadas de debugging para diagnosticar problemas con la API de TrackHS:

Herramientas Disponibles

• diagnose_api: Diagnóstico automático de conectividad, autenticación y estructura de datos
• Logging detallado: Análisis paso a paso de búsquedas y respuestas de API
• Métricas de debugging: Contadores y análisis de rendimiento

Comandos Rápidos

# Configurar entorno de debugging
python scripts/setup_debugging.py

# Ejecutar diagnóstico completo
python scripts/test_debugging.py

# Iniciar servidor con logging detallado
LOG_LEVEL=DEBUG python src/server.py

Documentación de Debugging

• docs/DEBUGGING.md - Guía completa de debugging
• scripts/ - Scripts de testing y configuración

📚 Documentación

• CHANGELOG.md - Historial de cambios
• REFACTORING_FINAL_SUMMARY.md - Resumen de refactorización
• docs/DEBUGGING.md - Guía de debugging

🤝 Contribución

1. Fork el proyecto
2. Crear una rama para tu feature (git checkout -b feature/AmazingFeature)
3. Commit tus cambios (git commit -m 'Add some AmazingFeature')
4. Push a la rama (git push origin feature/AmazingFeature)
5. Abrir un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT - ver el archivo LICENSE para detalles.