Configuration du projet MCP

La théorie MCP est posée ; place au code. Pour apprendre concrètement comment les clients et serveurs MCP fonctionnent ensemble, nous allons construire un chatbot en ligne de commande (CLI) — un projet pratique qui vous donnera une expérience concrète des deux côtés de l’architecture MCP, et qui servira de fil rouge à toutes les leçons du module.

Ce que nous construisons

Notre chatbot permettra aux utilisateurs d’interagir avec une collection de documents via une interface en ligne de commande — poser des questions sur un rapport, le corriger, le reformater, en langage naturel. Le système comprend deux composants principaux :

• Un client MCP qui gère les interactions utilisateur
• Un serveur MCP personnalisé qui gère les opérations sur les documents

Le serveur fournira deux outils essentiels : un pour lire le contenu des documents, un autre pour les modifier. Ce duo lecture/écriture suffit à couvrir l’essentiel des interactions documentaires — et il servira de modèle : tout outil supplémentaire suivrait le même chemin de fabrication. Tous les documents seront stockés en mémoire pour simplifier — pas de base de données nécessaire ; et ce choix est sans conséquence sur ce que vous apprendrez : remplacer le dictionnaire en mémoire par un vrai stockage ne changerait rien au protocole.

Note d’architecture importante

Un point à clarifier d’emblée, car il détermine ce que vous réutiliserez : dans les projets réels, vous implémenterez soit un client MCP, soit un serveur MCP — pas les deux. On pourrait créer :

• Un serveur MCP pour exposer votre service à d’autres développeurs
• Un client MCP pour se connecter à des serveurs MCP existants

Si votre équipe a des données ou des API à offrir aux applications IA — la vôtre ou Claude Code —, vous écrirez un serveur, et les clients existants s’y connecteront. Si vous développez votre propre application de chat, vous écrirez un client, branché sur les serveurs de l’écosystème. Nous construisons les deux dans ce projet uniquement à des fins pédagogiques : voir les deux extrémités du câble est le moyen le plus rapide de comprendre ce qui y circule.

Structure du projet

cli_project/
├── .env              # Votre clé API Anthropic
├── main.py           # Point d'entrée de l'application CLI
├── mcp_client.py     # Implémentation du client MCP
├── mcp_server.py     # Implémentation du serveur MCP
└── README.md         # Instructions de configuration

La séparation des fichiers annonce le plan du module : mcp_server.py d’abord (outils, ressources, prompts), mcp_client.py ensuite, et main.py — qui contient déjà la boucle de chat avec Claude, celle que vous savez écrire depuis le début du cours — assemblera le tout.

Lancer l’application

# Avec UV (recommandé)
uv run main.py

# Avec Python standard
python main.py

Quand l’application démarre avec succès, vous verrez une invite de commande. Testez en posant une question simple comme « combien fait 1+1 ? » — vous devriez recevoir une réponse rapide de Claude. Ce petit test valide toute la base : la clé API est lue, la boucle de conversation tourne — il ne reste plus qu’à y greffer les capacités MCP, leçon après leçon.

Conseil : UV est un gestionnaire de paquets Python moderne, plus rapide que pip. Si vous ne l’avez pas, pip fonctionne tout aussi bien pour ce projet.

Points clés à retenir

• Projet fil rouge du module : un chatbot CLI qui lit et modifie des documents via MCP
• Deux composants : client (interactions) et serveur (outils documentaires), stockage en mémoire
• En production, on écrit un client OU un serveur — les deux ici, pour voir les deux faces du protocole
• Le chat de base est fourni dans main.py : les leçons n’ajoutent que la couche MCP
• Validez le démarrage avec une question simple avant d’aller plus loin