MCP Project Assistant Framework

Principe central : aucune règle métier n'est codée en dur dans le framework — tout vit dans les fichiers .md de generated_projects/{projet}/resources/. Changer de projet = changer ces fichiers, jamais le code du framework.

Preuve du Dependency Inversion Principle : le framework supporte déjà 2 LLM interchangeables (Qwen local via Ollama, Gemini via API) — basculer de l'un à l'autre ne demande de changer qu'une variable d'environnement (ACTIVE_LLM_PROVIDER), aucune modification de core/, services/, ni agents/.

État d'avancement (mise à jour au 18/07/2026)

• ✅ Core (entities, value objects, ports) — testé

• ✅ Lecture réelle de Resources .md — testée

• ✅ Chaîne Prompt → LLM → Résultat — testée

• ✅ Serveur MCP avec 4 tools fonctionnels — testé via inspecteur MCP officiel

• ✅ Deux LLM interchangeables : Qwen local (Ollama) et Gemini (API cloud)

• ✅ Écriture réelle de fichiers sur disque (create_file)

• ✅ 3 Prompts opérationnels : generate_login, generate_dashboard, generate_navbar

• ✅ 3 Resources pour AegisAI : business_rules.md, project_context.md, coding_guidelines.md

• ✅ Consigne de rendu HTML autonome, stricte (interdiction d'imports externes)

• ✅ 24 tests automatisés (pytest), tous passants

• ⏳ Prompts supplémentaires (backend, tests, documentation)

• ⏳ Interface visuelle (React) — prévue une fois le cœur du framework stabilisé

Related MCP server: Website Generator MCP Server

Installation

python -m venv .venv
.venv\Scripts\Activate.ps1        # Windows
pip install mcp requests pytest google-genai

Option A — LLM local (Qwen via Ollama)

ollama pull qwen2.5-coder:1.5b

Option B — LLM cloud (Gemini, gratuit)

Récupérer une clé sur aistudio.google.com/apikey.

Lancer les tests

python -m pytest tests/ -v

→ 24 tests, exécutés en moins d'une seconde.

Lancer le serveur MCP

Avec Qwen local :

$env:ACTIVE_LLM_PROVIDER = "ollama_qwen"
$env:OLLAMA_MODEL = "qwen2.5-coder:1.5b"
python server.py

Avec Gemini :

$env:ACTIVE_LLM_PROVIDER = "gemini"
$env:GEMINI_API_KEY = "ta-clé"
python server.py

Pour tester avec l'inspecteur officiel :

$env:DANGEROUSLY_OMIT_AUTH = "true"
npx @modelcontextprotocol/inspector python server.py

Tools disponibles

• read_project_resource(project_name, resource_name) — lit une Resource

• list_project_resources(project_name) — liste les Resources d'un projet

• list_available_prompts() — liste les Prompts disponibles

• generate_feature(project_name, prompt_name, page_name, output_path) — génère du code et l'écrit sur disque

Lancer la démo "vibe coding" (avec affichage live)

python demo_vibe_coding.py aegisai generate_login "Login"
python demo_vibe_coding.py aegisai generate_dashboard "Dashboard"
python demo_vibe_coding.py aegisai generate_navbar "Navbar"

Le fichier généré apparaît automatiquement dans generated_projects/aegisai/src/... — visible en direct dans l'explorateur de fichiers VS Code pendant l'exécution.

Structure du projet démonstrateur (AegisAI)

• ✅ Prompt generate_backend — génère une vraie API FastAPI avec logique métier exécutable

• ✅ Backend testé en direct via Swagger (/docs) : 3 scénarios de budget validés (OK, alerte 80%, blocage 100%)

Lancer le backend généré

pip install fastapi uvicorn
uvicorn generated_projects.aegisai.src.backend.budgetcheck:app --reload

Ouvre http://localhost:8000/docs pour tester l'API en direct (Swagger). Le backend applique réellement les règles de business_rules.md (alerte à 80%, blocage à 100%), avec les bons codes HTTP (200, 403, 404). generated_projects/aegisai/ ├── resources/ │ ├── business_rules.md │ ├── project_context.md │ └── coding_guidelines.md └── src/ ├── pages/ │ ├── login.html │ ├── dashboard.html │ └── navbar.html └── backend/ └── budgetcheck.py