Financial Analyzer MCP Server

Un serveur Python pour le composant "financial-analyzer-mcp-server" (paquet distributable). Ce README décrit l'installation, la construction et la publication du paquet.

Prérequis

• Python 3.8+ (ajuster selon vos besoins)
• virtualenv ou venv
• pip
• Outils de packaging : build, twine (installables via pip)

Installer les outils nécessaires :

python -m pip install --upgrade pip build twine

Préparer l'environnement de développement

1. Créer et activer un environnement virtuel :

python -m venv .venv
source .venv/bin/activate   # macOS / Linux
.venv\Scripts\activate     # Windows (PowerShell/CMD)

2. (Optionnel) Installer les dépendances de développement si présentes :

pip install -r requirements-dev.txt

Commandes utiles

• Nettoyer les artefacts de build :

rm -rf dist/ build/ *.egg-info

• Construire le paquet :

python -m build

• Publier sur PyPI :

twine upload dist/*

• Publier sur Test PyPI (pour tests) :

twine upload --repository testpypi dist/*

Exemples d'utilisation

Remplacez votre_cle_api_mcpo par votre clé API réelle.

• Lancer le service (mode production) :

uvx mcpo \
    --port 8000 \
    --api-key "votre_cle_api_mcpo" \
    -- \
    uvx \
    financial-analyzer-mcp-server

• Lancer le service en test (utilise Test PyPI pour le paquet) :

uvx mcpo \
    --port 8000 \
    --api-key "votre_cle_api_mcpo" \
    -- \
    uvx \
    --index-url https://test.pypi.org/simple/ \
    --extra-index-url https://pypi.org/simple/ \
    --index-strategy unsafe-best-match \
    financial-analyzer-mcp-server@0.2.1

Bonnes pratiques

• Versionnez le paquet avant publication (mettre à jour la version dans setup.py / pyproject.toml).
• Testez la construction localement (python -m build) et vérifiez le contenu de dist/.
• Utilisez Test PyPI pour valider la publication avant d'envoyer sur le dépôt officiel.

Dépannage rapide

• Erreur d'authentification twine : configurez vos identifiants dans ~/.pypirc ou fournissez --username/--password à twine.
• Version déjà publiée : incrémentez la version du paquet.
• Problèmes avec les dépendances : vérifiez pyproject.toml / setup.cfg et les index utilisés (extra-index-url).

Deploying in Production (Example)

Deploying your MCP-to-OpenAPI proxy (powered by mcpo) is straightforward. Here's how to easily Dockerize and deploy it to cloud or VPS solutions:

🐳 Dockerize your Proxy Server using mcpo Dockerfile Example Create the following Dockerfile inside your deployment directory:

FROM python:3.11-slim
WORKDIR /app
RUN pip install mcpo uv
# Replace with your MCP server command; example: uvx mcp-server-time
CMD ["uvx", "mcpo", "--host", "0.0.0.0", "--port", "8000", "--", "uvx", "financial-analyzer-mcp-server"]

Build & Run the Container Locally

docker build -t mcp-proxy-server .
docker run -d -p 8000:8000 mcp-proxy-server

Deploying Your Container Push to DockerHub or another registry:

docker tag mcp-proxy-server yourdockerusername/mcp-proxy-server:latest
docker push yourdockerusername/mcp-proxy-server:latest

All in one command

docker run -d -p 8000:8000 gara420/financial_analyzer_server:latest

Deploy using Docker Compose, Kubernetes YAML manifests, or your favorite cloud container services (AWS ECS, Azure Container Instances, Render.com, or Heroku).

✔️ Your production MCP servers are now effortlessly available via REST APIs!