MCP (Model Context Protocol) : Guide Complet en Français

1. Qu'est-ce que MCP ?

Le Model Context Protocol est un protocole de communication standardisé entre les modèles d'IA (LLMs) et les sources de données ou outils externes. Avant MCP, chaque intégration nécessitait un connecteur custom — un vrai casse-tête « N×M » : N outils × M applications IA = des centaines de connecteurs différents.

MCP transforme ce problème en « N+M » : chaque outil crée un seul serveur MCP, et chaque application IA crée un seul client MCP. Les deux se parlent via le protocole standard. Résultat : vous écrivez un connecteur une fois, et il fonctionne partout — Claude, ChatGPT, Gemini, Cursor, n'importe quel LLM compatible.

2. L'analogie USB-C

L'analogie la plus utilisée (y compris par Anthropic) est celle de l'USB-C :

3. Architecture : client, serveur, host

MCP utilise une architecture client-serveur avec trois composants principaux :

Le flux est simple : vous demandez à Claude « Crée une issue GitHub pour ce bug ». Le client MCP (intégré à Claude) envoie la requête au serveur MCP GitHub, qui exécute l'action et renvoie le résultat. Tout ça via un protocole JSON-RPC standardisé.

4. Les 3 primitives : Tools, Resources, Prompts

Chaque serveur MCP expose ses capacités via trois types de primitives :

Les Tools sont de loin les plus utilisés. Quand vous connectez un serveur MCP GitHub, le LLM découvre automatiquement les outils disponibles (créer un PR, lire des fichiers, chercher des issues…) et les utilise selon le contexte de votre demande.

5. Chronologie : de l'annonce à la Linux Foundation

6. MCP vs Function Calling

Le function calling (appel de fonctions) existe depuis juin 2023 chez OpenAI. C'est l'approche « classique » pour connecter un LLM à des outils. Voici les différences clés avec MCP :

En résumé : le function calling reste pertinent pour des cas simples en mono-modèle. MCP est le choix logique dès que vous avez besoin de portabilité, de plusieurs outils, ou que vous travaillez avec plusieurs LLMs.

7. Les 10 serveurs MCP les plus populaires

8. Installer un serveur MCP

Avec Claude Desktop

Modifiez le fichier de configuration de Claude Desktop (claude_desktop_config.json) :

claude_desktop_config.json

Redémarrez Claude Desktop et les serveurs seront disponibles dans votre conversation.

Avec Claude Code (terminal)

Terminalclaude mcp add github
claude mcp add filesystem --path ~/projets
claude mcp add postgres --connection-string "postgresql://localhost/mabase"

Avec Cursor

Ajoutez la configuration dans .cursor/mcp.json à la racine de votre projet, avec le même format JSON que Claude Desktop.

9. Clients compatibles MCP

10. Sécurité et limites

MCP est puissant, mais pas sans risques. Dès avril 2025, des chercheurs en sécurité ont identifié plusieurs vulnérabilités :

Bonnes pratiques

Commencez en read-only : Connectez d'abord des serveurs en lecture seule (docs, search) avant d'autoriser des actions d'écriture.

Vérifiez la source : Privilégiez les serveurs officiels (préfixe @modelcontextprotocol/) ou ceux maintenus par les éditeurs eux-mêmes.

Principe du moindre privilège : Donnez aux serveurs uniquement les permissions nécessaires. Un token GitHub read-only suffit pour la revue de code.

Isolez les environnements : Ne connectez pas de serveurs MCP à des bases de données de production sans contrôles d'accès stricts.

11. Créer son propre serveur MCP

Vous pouvez créer un serveur MCP custom pour connecter n'importe quel outil ou API interne. Les SDK officiels sont disponibles en Python et TypeScript (les plus utilisés), ainsi qu'en C# et Java.

Exemple minimal en TypeScript

mon-serveur-mcp.tsimport  from "@modelcontextprotocol/sdk/server/mcp.js";
import  from "@modelcontextprotocol/sdk/server/stdio.js";

const server = new McpServer();

// Définir un outil
server.tool("dire_bonjour", ,
  async () => ()
);

// Lancer le serveur
const transport = new StdioServerTransport();
await server.connect(transport);

Exemple minimal en Python

mon_serveur_mcp.pyfrom mcp.server import Server
from mcp.server.stdio import stdio_server

app = Server("mon-serveur")

@app.tool()
async def dire_bonjour(nom: str) -> str:
    """Dit bonjour à quelqu'un."""
    return f"Bonjour  !"

async def main():
    async with stdio_server() as (read, write):
        await app.run(read, write)

Une fois créé, ajoutez votre serveur à la configuration de Claude Desktop ou Claude Code, et votre IA aura accès à l'outil dire_bonjour.

12. FAQ