Assistant scolaire intelligent

Le but de projet est de donner accès à un LLM une basse de conaissance et outils afin de gérer et répondre au mieux les besoins des nouveaux arrivants (élèves, parents)

Pour cela on va utiliser MCP server. clique-ici pour en savoir plus sur le concept de MCP server

Implémentation

1. Une API REST qui expose des endpoints pour gérer les classes et leurs emplois du temps (identifiées par un numéro de classe).
2. Un serveur MCP (Model Context Protocol) qui fournit des outils (tools) utilisables par un LLM. Le LLM interagit avec le serveur MCP, qui appelle ensuite notre API REST pour effectuer les actions demandées.

FastAPI peut gèrer à la fois API REST et MCP server. le service api contient l'api rest et mcp server.

Architecture

Vue d'ensemble

Le flux principal est :

• Le LLM (via MCP) interroge le serveur MCP en lui demandant d'exécuter un outil (ex : list_classes, get_schedule, add_entry).
• Le serveur MCP transforme l'appel en requêtes HTTP vers l'API FastAPI.
• L'API FastAPI utilise SQLAlchemy pour accéder à la base SQLite (school.db).

LLM  →  MCP Server (tools: list_classes, get_class, add_class, get_schedule, add_entry, ...)
           ↓ HTTP
        FastAPI (REST)
           ↓ SQLAlchemy
         SQLite (school.db)

Composants clés

• MCP Server : expose des outils (tools) que le LLM peut appeler. C'est le point d'entrée pour toute interaction LLM → application.
• FastAPI (REST) : API métier pour gérer les classes, emplois du temps et les données associées.
• SQLAlchemy : couche ORM pour accéder et manipuler les données dans SQLite.

Outils MCP exposés

Quelques outils disponibles :

• list_classes : liste toutes les classes.
• get_class : détail d'une classe.
• add_class : créer une nouvelle classe.
• get_schedule : récupérer l'emploi du temps.
• add_entry : ajouter un créneau/événement dans l'emploi du temps.

Pour plus de détails sur le protocole MCP et comment il fonctionne, voir docs/mcp_server.md.

Commandes importantes

• Lancer les conteneurs docker

docker-compose up -d

• Consulter les logs api

docker-compose logs api -f

Améliorations

• Inclure ce MCP server dans un LLM
• Améliorer la gestion d'erreur et réponse d'erreur
• Déploiement d'api sur le cloud
• Ajouter une sécurité JWT / API Key
• Ajouter pipelines CI/CD GitHub Actions
• Ajouter un reverse proxy NGINX
• Ajouter un logger
• Ajouter un swagger/open api pour notre api rest
• Ajouter un système de migration avec Alembic
• Création de front React/Vite pour visualiser les emplois du temps