serveur_mcp.py

import pandas as pd
from datasets import load_dataset
from transformers import pipeline
from mcp.server.fastmcp import FastMCPServer

# Charger dataset Hugging Face privé
dataset = load_dataset("HackathonCRA/2024", split="train")
df = dataset.to_pandas()

# Charger Mistral
mistral = pipeline("text-generation", model="mistralai/Mistral-7B-Instruct-v0.2", device_map="auto")

# Créer serveur MCP
server = FastMCPServer("csv_analyzer")

@server.tool()
def list_columns() -> list[str]:
    """Retourne la liste des colonnes disponibles dans le CSV."""
    return df.columns.tolist()

@server.tool()
def filter_rows(column: str, value: str, limit: int = 5) -> list[dict]:
    """Retourne des lignes où column == value."""
    if column not in df.columns:
        return [{"error": f"Colonne {column} inexistante"}]
    subset = df[df[column] == value].head(limit)
    return subset.to_dict(orient="records")

@server.tool()
def analyze_data(question: str) -> str:
    """Interprète les données CSV avec Mistral."""
    # On résume rapidement le dataframe
    sample = df.head(20).to_string()
    prompt = f"""
    Voici un extrait de données tabulaires :
    {sample}

    Question: {question}
    Réponds de manière concise et claire.
    """
    output = mistral(prompt, max_new_tokens=256)[0]["generated_text"]
    return output

if __name__ == "__main__":
    server.run()