Utilisation d'outils LLM dans des serveurs MCP

Vous avez créé un serveur MCP qui contient un outil de conversion de devises utilisant des taux de change à jour. L'intégrer à un LLM lui donnera la capacité de répondre avec précision aux questions sur les devises et les taux de change — ce qu'il ne peut pas faire par défaut.

L'essentiel du code vous est fourni ici, car l'objectif principal est de comprendre le flux de travail plutôt que la syntaxe.

Cet exercice fait partie du cours

<cours>Introduction au Model Context Protocol (MCP)</cours>

Voir le cours

Instructions de l’exercice

Envoyez la requête utilisateur (user_query) et la liste formatée des outils (anthropic_tools) à Claude.
Appelez l'outil MCP choisi par le LLM, en utilisant le nom et les arguments extraits du bloc d'utilisation d'outil.
Renvoyez le résultat (result) à Claude pour obtenir la réponse finale.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def call_anthropic_llm(user_query: str):
    """Call Claude with MCP tools."""
    
    print(f"\nUser: {user_query}\n")

    mcp_tools = await get_tools_from_mcp()
    
    anthropic_tools = []
    for tool in mcp_tools:
        anthropic_tool = {
            "name": tool.name,
            "description": tool.description or "",
            "input_schema": tool.inputSchema,
        }
        anthropic_tools.append(anthropic_tool)
    
    # Send the user query and formatted tools to the LLM
    client = AsyncAnthropic(api_key="")

    response = await client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=1024,
        messages=____,
        tools=____,
    )

    if response.stop_reason == "tool_use":
        tool_use = next(block for block in response.content if block.type == "tool_use")
        name = tool_use.name
        args = tool_use.input

        print(f"Model decided to call: {name}")
        print(f"Arguments: {args}\n")

        # Call the MCP tool
        result = await call_mcp_tool(____, ____)

        # Send the result back to Claude for the final response
        followup = await client.messages.create(
            model="claude-sonnet-4-6",
            max_tokens=1024,
            messages=[
                {"role": "user", "content": user_query},
                {"role": "assistant", "content": response.content},
                {
                    "role": "user",
                    "content": [
                        {
                            "type": "tool_result",
                            "tool_use_id": tool_use.id,
                            "content": ____,
                        }
                    ],
                },
            ],
            tools=anthropic_tools,
        )

        final_text = next((block.text for block in followup.content if block.type == "text"), None)
        if final_text:
            print(f"\nAssistant: {final_text}")
            return str(final_text)
        else:
            print("No follow-up message from model.")

    else:
        text = next((block.text for block in response.content if block.type == "text"), "")
        print(f"\nAssistant: {text}")
        return str(text)


if __name__ == "__main__":
    asyncio.run(call_anthropic_llm("How much is 250 US dollars in euros?"))

Modifier et exécuter le code