Dans mes projets Blazor, la logique métier est testée avec xUnit depuis longtemps, mais les composants eux-mêmes ne l’étaient pas. Si un @if affichait le mauvais bouton, je le voyais seulement en ouvrant la page. Dans cet article, on ajoute un projet de tests bUnit à une application Blazor et on couvre les cas que je rencontre le plus souvent.
Créer un serveur MCP en C# et le brancher dans Claude Code
Partie 3 de la série “Agent Skills” : Partie 1 – C’est quoi une skill | Partie 2 – Créer sa propre skill | English
Dans le premier article et le deuxième de cette série, on a vu ce qu’est une skill et comment en créer une. Une skill donne des instructions à l’agent, mais elle ne lui donne pas accès à de nouvelles données ou de nouveaux systèmes. Pour ça, il faut des outils, et c’est le rôle de MCP.
[Lire]Des sorties structurées avec Ollama et .NET
Partie 6 de la série “Développement IA avec Ollama et .NET” : Partie 1 – Ollama et .NET | Partie 2 – RAG local | Partie 3 – Agents IA | Partie 3.5 – Serveur MCP | Partie 4 – Microsoft Agent Framework | Partie 5 – Aspire | English
Demander à un modèle local de répondre en JSON directement dans le prompt, ça fonctionne la plupart du temps. Le problème, c’est le reste du temps : le parsing explose, et rarement au bon moment. Voici un truc simple pour obtenir du JSON fiable avec Ollama et .NET.
[Lire]Orchestrer Ollama et Blazor avec .NET Aspire
Partie 5 de la série “Développement IA avec Ollama et .NET” : Partie 1 – Ollama et .NET | Partie 2 – RAG local | Partie 3 – Agents IA | Partie 3.5 – Serveur MCP | Partie 4 – Microsoft Agent Framework | English
Dans le reste de la série, Ollama tournait à la main : installé localement sur la machine, le ollama pull fait manuellement, et l’application .NET qui pointait sur l’adresse locale d’Ollama codée en dur. Ça fonctionne, mais c’est plusieurs étapes manuelles à refaire sur chaque poste. Aspire prend en charge cette configuration. J’ai voulu voir ce que ça change.
Top 10 des nouveautés de C# 13/14 et .NET 9/10
Les 10 fonctionnalités de C# 13/14 et .NET 9/10 qui valent vraiment la peine de migrer.
[Lire]
Bilan, leçons apprises et perspectives v2
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
En six articles et deux soirées de travail, on a assemblé un assistant vocal franco-québécois qui tourne entièrement en local sur deux Raspberry Pi 4.
[Lire]Function Calling : enseigner des outils à l'assistant
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
À l’article #5, on injectait la météo dans chaque conversation, même pour une question comme “quel est ton nom?”. C’est du gaspillage de tokens. Le function calling règle ça : le LLM décide lui-même quand appeler un outil, et uniquement quand c’est nécessaire.
Le code complet de cet article est disponible sur GitHub.
[Lire]Météo en temps réel et swap Claude API
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
L’assistant répond bien, mais il ne sait pas quel temps il fait dehors. On branche Open-Meteo, une API météo gratuite et sans clé. Tant qu’à y être, on swap aussi Ollama pour Claude API : une seule ligne dans appsettings.json.
Le code complet de cet article est disponible sur GitHub.
[Lire]Mémoire, détection de silence et systemd
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
L’assistant de l’article #3 fonctionne, mais chaque échange repart de zéro. On règle ça en trois temps : mémoire conversationnelle, détection automatique de silence, et démarrage au boot avec systemd.
Le code complet de cet article est disponible sur GitHub.
[Lire]Intégration Ollama et contexte maison
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
La réponse hardcodée de l’article #2 avait un seul but : confirmer que le pipeline audio fonctionne. Maintenant, on remplace cette ligne par un vrai appel HTTP à Ollama sur le pi-cerveau. On ajoute aussi un system prompt pour donner une identité à l’assistant.
Le code complet de cet article est disponible sur GitHub.
[Lire]