Configuration du projet

Nous allons construire un chatbot basé sur une interface en ligne de commande (CLI) pour mieux comprendre comment les clients et serveurs MCP fonctionnent ensemble. Ce projet pratique vous donnera une expérience concrète des deux côtés de l'architecture MCP.

Une fois la configuration terminée, vous devriez être capable de faire deux choses : expliquer ce que fait le client et ce que fait le serveur, et déterminer si une réponse provient d'un outil ou directement du modèle.

Ce que nous construisons

Notre chatbot permettra aux utilisateurs d'interagir avec une collection de documents via une interface en ligne de commande. Le système se compose de deux éléments 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 : l'un pour lire le contenu des documents et l'autre pour les mettre à jour. Tous les documents seront stockés en mémoire par souci de simplicité - aucune base de données n'est nécessaire.

Remarque importante sur l'architecture

Dans des projets réels, vous implémentez généralement soit un client MCP, soit un serveur MCP, mais pas les deux. Vous pourriez créer :

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



Nous construisons les deux composants dans ce projet uniquement à des fins pédagogiques - afin de comprendre comment ils communiquent et fonctionnent ensemble.

Configuration du projet

Téléchargez cli_project.zip depuis la section Téléchargements à la fin de cette leçon et extrayez-le dans le répertoire de développement de votre choix. Ouvrez votre éditeur de code dans le dossier du projet.

Le projet inclut un fichier README complet avec les instructions de configuration. Suivez ces étapes :

1. Ajoutez votre clé API Anthropic au fichier .env
2. Installez les dépendances en utilisant soit UV (recommandé), soit pip
3. Exécutez l'application de démarrage pour vérifier que tout fonctionne

Exécution de l'application

Accédez à votre répertoire de projet dans le terminal. Vous verrez les principaux fichiers du projet, notamment main.py, mcp_client.py et mcp_server.py.

Pour démarrer l'application, utilisez l'une de ces commandes :

# Si vous utilisez UV (recommandé)
uv run main.py

# Si vous utilisez Python standard
python main.py

Lorsque l'application démarre avec succès, vous verrez apparaître une invite de chat.

Vérifiez vous-même la référence de base. Posez une question dont vous pouvez vérifier la réponse à vue, comme « combien font 1+1 ? ». Ne vous contentez pas de voir une réponse apparaître : confirmez que la réponse est bien 2. Une réponse correcte prouve que votre clé API, vos dépendances et votre boucle de chat fonctionnent tous correctement.

Posez ensuite une deuxième question, quelque chose comme « que disent les documents ? ». Quelle que soit la réponse obtenue, elle ne peut pas provenir des outils de gestion de documents, car vous ne les avez pas encore construits. La réponse provient du modèle répondant seul. Remarquez quel composant prendra en charge ce travail une fois qu'il existera : le serveur gère les opérations sur les documents, et le client gère votre côté de la conversation.

L'habitude à retenir derrière cette vérification : adaptez le soin de votre vérification au coût d'une erreur. Une configuration défectueuse ici vous coûte chaque leçon ultérieure construite dessus ; la vérification ne coûte que deux questions.

Une vérification à conserver

Le comportement à retenir au-delà de ce projet : chaque fois que vous ajoutez une nouvelle couche à un projet d'API, qu'il s'agisse d'un outil, d'une source de données ou d'un serveur MCP, posez au système en cours d'exécution une question dont vous connaissez déjà la réponse avant de construire la couche suivante. Une référence de base que vous avez vérifiée est la seule référence de base sur laquelle vous pouvez déboguer.

Maintenant que la configuration de base est terminée, nous sommes prêts à commencer à implémenter les fonctionnalités MCP et à explorer comment les clients et les serveurs communiquent via le Model Context Protocol.