Squelette FastAPI : Le Server en 200 Lignes

Prérequis : ce dont vous avez besoin

Avant d'écrire une seule ligne, assurons-nous que l'environnement est prêt. On reste volontairement minimaliste : Python, quelques packages, et un éditeur.

# Installation en une commande
python -m venv .venv
source .venv/bin/activate
pip install fastapi uvicorn mcp httpx pydantic

Structure du projet

Un serveur MCP finance bien organisé suit une structure en modules. On commence avec le strict minimum, et chaque partie de la série ajoutera des couches.

mcp-finance-server/
├── server.py           # Point d'entrée : FastAPI app + MCP setup
├── tools/              # Chaque outil = un module
│   ├── __init__.py
│   ├── query_data.py   # QueryData — prix, technicals, fondamentaux
│   ├── screener.py     # RunScreener — scanning par filtres
│   └── market.py       # GetMarketOverview — indices, VIX, sectors
├── providers/          # Sources de données (Yahoo, SEC, FRED...)
│   ├── __init__.py
│   ├── yahoo.py
│   └── sec.py
├── cache.py            # Cache intelligent (TTL par type de donnée)
├── config.py           # Configuration (API keys, TTLs, limits)
├── requirements.txt
└── Dockerfile

Pour cette partie, on travaille uniquement avec server.py et un outil basique. Les modules tools/, providers/ et cache.py viendront dans les parties 3 et 4.

Le SDK Python MCP

Le package mcp (Python SDK officiel) fournit les briques de base pour construire un serveur. Il gère le protocole JSON-RPC, la sérialisation, la découverte des outils, et les transports (stdio, SSE).

Les 4 composants clés

# Import minimal pour un serveur MCP
from mcp.server import Server
from mcp.server.sse import SseServerTransport
from mcp.types import (
    Tool,
    TextContent,
    CallToolResult,
    ListToolsResult,
)

# Créer le serveur
server = Server("finance-mcp")

# Le serveur expose 2 handlers obligatoires :
# 1. list_tools → retourne la liste des outils disponibles
# 2. call_tool  → exécute un outil et retourne le résultat

Le cycle de vie d'un appel

Le serveur complet : server.py

Voici le squelette complet d'un serveur MCP finance. Chaque section est expliquée après le code :

#!/usr/bin/env python3
"""MCP Finance Server — Squelette minimal."""

import json
import logging
from contextlib import asynccontextmanager

from fastapi import FastAPI, Request
from fastapi.responses import StreamingResponse
import uvicorn

from mcp.server import Server
from mcp.server.sse import SseServerTransport
from mcp.types import (
    Tool, TextContent, CallToolResult, ListToolsResult
)

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger("mcp-finance")

# ──────────────────────────────────────────────
# 1. Créer le serveur MCP
# ──────────────────────────────────────────────
mcp_server = Server("finance-mcp")

# ──────────────────────────────────────────────
# 2. Définir les outils disponibles
# ──────────────────────────────────────────────
TOOLS = [
    Tool(
        name="GetQuote",
        description="""Get current price data for a stock ticker.
Returns: last price, change (%), volume, market cap, 52-week range.
Use this when the user asks about current stock prices.""",
        inputSchema={
            "type": "object",
            "properties": {
                "ticker": {
                    "type": "string",
                    "description": "Stock ticker (e.g. AAPL, MSFT, TSLA)"
                }
            },
            "required": ["ticker"]
        }
    ),
]

@mcp_server.list_tools()
async def list_tools() -> list[Tool]:
    return TOOLS

# ──────────────────────────────────────────────
# 3. Implémenter le dispatch
# ──────────────────────────────────────────────
@mcp_server.call_tool()
async def call_tool(name: str, arguments: dict) -> CallToolResult:
    if name == "GetQuote":
        result = await get_quote(arguments["ticker"])
        return CallToolResult(
            content=[TextContent(
                type="text",
                text=json.dumps(result, indent=2)
            )]
        )

    raise ValueError(f"Unknown tool: {name}")

# ──────────────────────────────────────────────
# 4. Logique métier de l'outil
# ──────────────────────────────────────────────
async def get_quote(ticker: str) -> dict:
    # Pour l'instant, données simulées
    # Partie 3 → Yahoo Finance API réelle
    return {
        "ticker": ticker.upper(),
        "price": 189.84,
        "change_pct": 1.23,
        "volume": 54_230_100,
        "market_cap": "2.95T",
        "week_52_range": "164.08 - 199.62",
        "source": "simulated"
    }

# ──────────────────────────────────────────────
# 5. Transport SSE + FastAPI
# ──────────────────────────────────────────────
sse_transport = SseServerTransport("/mcp")

app = FastAPI(title="MCP Finance Server")

@app.get("/sse")
async def sse_endpoint(request: Request):
    async with sse_transport.connect_sse(
        request.scope, request.receive, request._send
    ) as streams:
        await mcp_server.run(
            streams[0], streams[1],
            mcp_server.create_initialization_options()
        )

@app.post("/mcp")
async def mcp_endpoint(request: Request):
    await sse_transport.handle_post_message(
        request.scope, request.receive, request._send
    )

# Health check
@app.get("/health")
async def health():
    return {"status": "ok", "tools": len(TOOLS)}

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8080)

Anatomie des 5 blocs

Écrire un bon outil MCP

L'outil GetQuote ci-dessus fonctionne, mais il est simpliste. Voici les principes pour écrire un outil qui sera bien utilisé par le LLM :

1. La description est CRITIQUE

C'est la description que le LLM lit pour décider d'appeler votre outil. Elle doit être :

• Spécifique — « Get current price data for a stock ticker » pas « Get data »
• Descriptive sur le output — « Returns: last price, change (%), volume, market cap » pour que le LLM sache ce qu'il va obtenir
• Contextuelle — « Use this when the user asks about current stock prices » guide la décision
• Non-ambiguë — si 2 outils pourraient être appelés, la description doit lever l'ambiguïté

2. Le schéma guide la validation

Le inputSchema est un JSON Schema standard. Le LLM le lit pour savoir quels paramètres passer. Soyez précis :

# ❌ Mauvais schéma — trop vague
{
    "type": "object",
    "properties": {
        "query": {"type": "string"}
    }
}

# ✅ Bon schéma — précis et documenté
{
    "type": "object",
    "properties": {
        "ticker": {
            "type": "string",
            "description": "Stock ticker symbol (e.g. AAPL, MSFT)",
            "pattern": "^[A-Z]{1,5}$"
        },
        "types": {
            "type": "array",
            "items": {
                "type": "string",
                "enum": ["quote", "technicals", "fundamentals"]
            },
            "description": "Data types to retrieve"
        }
    },
    "required": ["ticker", "types"]
}

3. Le résultat doit être parsable

Retournez du JSON structuré avec des clés claires. Le LLM parse le résultat pour construire sa réponse :

# ❌ Mauvais résultat — texte libre
"AAPL is at $189.84, up 1.23%"

# ✅ Bon résultat — JSON structuré
{
    "ticker": "AAPL",
    "price": 189.84,
    "change_pct": 1.23,
    "volume": 54230100,
    "market_cap_b": 2950,
    "as_of": "2026-06-20T16:00:00Z",
    "source": "yahoo_finance"
}

Transport SSE en détail

Le transport SSE (Server-Sent Events) est le mode recommandé pour un serveur MCP distant. Il utilise deux endpoints HTTP :

Le flux est asymétrique : le client POST les requêtes, et le serveur répond via SSE. C'est différent d'un WebSocket où les deux côtés envoient sur le même canal.

# Séquence HTTP réelle :

# 1. Client ouvre une connexion SSE
GET /sse HTTP/1.1
Accept: text/event-stream

# 2. Serveur répond avec un stream SSE + un endpoint POST
HTTP/1.1 200 OK
Content-Type: text/event-stream
event: endpoint
data: /mcp?session_id=abc123

# 3. Client envoie les requêtes MCP via POST
POST /mcp?session_id=abc123 HTTP/1.1
Content-Type: application/json
{"jsonrpc":"2.0","method":"tools/list","id":1}

# 4. Serveur pousse la réponse via SSE
event: message
data: {"jsonrpc":"2.0","result":{"tools":[...]},"id":1}

SSE vs Streamable HTTP

MCP introduit progressivement le transport « Streamable HTTP » qui simplifie le modèle : un seul endpoint POST qui peut optionnellement upgrader vers SSE. Pour cette série, on reste sur SSE car :

• Support universel — tous les clients MCP actuels supportent SSE
• Plus simple à debugger — on voit les événements SSE dans les DevTools
• Production-tested — c'est ce que DailyTickers utilise en production

Tester avec Claude Code

Le test le plus rapide : connecter votre serveur à Claude Code en 2 commandes.

Étape 1 : Lancer le serveur

# Terminal 1 : lancer le serveur
cd mcp-finance-server
source .venv/bin/activate
python server.py

# → INFO:     Started server process
# → INFO:     Uvicorn running on http://0.0.0.0:8080

Étape 2 : Connecter à Claude Code

# Terminal 2 : ajouter le serveur MCP à Claude Code
claude mcp add finance-local --transport sse --url http://localhost:8080/sse

# Vérifier la connexion
claude mcp list
# → finance-local  sse  http://localhost:8080/sse  connected

Étape 3 : Tester en conversation

# Dans Claude Code, posez la question :
> Quel est le cours d'Apple ?

# Claude va automatiquement :
# 1. Voir que l'outil GetQuote est disponible
# 2. Appeler GetQuote(ticker="AAPL")
# 3. Recevoir le JSON et formuler une réponse

# Réponse attendue :
# "Le cours d'Apple (AAPL) est actuellement à $189.84,
#  en hausse de +1.23%. Le volume est de 54.2M actions.
#  Note : ces données sont simulées (source: simulated)."

Debugging avec curl

Pour tester sans Claude Code, utilisez curl :

# Test du health check
curl http://localhost:8080/health
# → {"status":"ok","tools":1}

# Test SSE (Ctrl+C pour arrêter)
curl -N http://localhost:8080/sse
# → event: endpoint
# → data: /mcp?session_id=...

# Test d'appel direct (avec le session_id du SSE)
curl -X POST http://localhost:8080/mcp?session_id=XXX \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "GetQuote",
      "arguments": {"ticker": "AAPL"}
    },
    "id": 1
  }'