Guide de configuration MCP — intégration Claude Desktop

Vue d'ensemble

example/mcp.py expose tous les UseCases Note, Tag et Comment (15 outils) comme des outils MCP. Une fois configuré, Claude Desktop et le CLI claude peuvent effectuer des opérations CRUD directement.

Prérequis

• uv sync complété
• Environnement Python 3.12+

Configuration de Claude Desktop

claude_desktop_config.json se trouve à :

OS	Chemin
macOS	~/Library/Application Support/Claude/claude_desktop_config.json
Windows	%APPDATA%\Claude\claude_desktop_config.json

macOS / Linux (natif)

{
  "mcpServers": {
    "nene2-example": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/nene2-python",
        "run",
        "python",
        "-m",
        "example.mcp"
      ],
      "env": {
        "DB_ADAPTER": "sqlite",
        "DB_NAME": "/path/to/nene2-python/data/nene2.db"
      }
    }
  }
}

Remplacez /path/to/nene2-python par le chemin absolu vers ce dépôt.

Windows + WSL2

Claude Desktop fonctionne sur Windows mais le projet vit dans WSL2. Utilisez wsl comme commande pour faire le pont :

{
  "mcpServers": {
    "nene2-example": {
      "command": "wsl",
      "args": [
        "-e", "bash", "-c",
        "cd /home/<user>/nene2-python && PYTHONPATH=src uv run python -m example.mcp"
      ],
      "env": {
        "DB_ADAPTER": "sqlite",
        "DB_NAME": "/home/<user>/nene2-python/data/nene2.db"
      }
    }
  }
}

Tous les chemins doivent être des chemins Linux WSL (p. ex. /home/user/...), pas des chemins Windows. Le DB_NAME doit aussi être un chemin Linux pour que SQLite crée le fichier dans WSL.

Pour un projet installé via uv add git+... (pas le dépôt nene2-python lui-même) :

{
  "mcpServers": {
    "myapp": {
      "command": "wsl",
      "args": [
        "-e", "bash", "-c",
        "cd /home/<user>/my-project && PYTHONPATH=src uv run python -m mcp_server"
      ]
    }
  }
}

Outils disponibles

Outil	Description
list_notes	Lister les notes avec pagination
get_note	Obtenir une note par ID
create_note	Créer une nouvelle note
update_note	Modifier une note
delete_note	Supprimer une note
list_tags	Lister les tags
get_tag	Obtenir un tag par ID
create_tag	Créer un nouveau tag
update_tag	Modifier un tag
delete_tag	Supprimer un tag
list_comments	Lister les commentaires d'une note
get_comment	Obtenir un commentaire par ID
create_comment	Créer un commentaire sur une note
update_comment	Modifier un commentaire
delete_comment	Supprimer un commentaire

Démarrer via CLI

uv run python -m example.mcp

Le serveur écoute sur stdin/stdout (transport stdio) — standard pour MCP.

Transport personnalisé

from example.mcp import create_mcp_server

server = create_mcp_server()
server.run(transport="sse")          # Server-Sent Events
server.run(transport="streamable-http")  # HTTP streaming

---

Partager l'état entre le serveur MCP et l'API HTTP

Le serveur MCP s'exécute comme un processus séparé de l'API HTTP. InMemoryXxxRepository crée son propre store isolé par processus — les données écrites via MCP ne sont pas visibles pour l'API HTTP, et vice versa.

Pour partager l'état, pointez les deux processus sur la même base de données persistante :

Fichier .env de l'API HTTP :

DB_ADAPTER=sqlite
DB_NAME=/absolute/path/to/shared.db

claude_desktop_config.json de Claude Desktop :

"env": {
  "DB_ADAPTER": "sqlite",
  "DB_NAME": "/absolute/path/to/shared.db"
}

Les deux processus ouvrent le même fichier SQLite via SQLAlchemy. Le mode WAL de SQLite gère les lectures concurrentes de façon sûre pour les charges légères.

Pour une utilisation en production à forte concurrence, préférez MySQL ou PostgreSQL.