Confondre MCP et API REST classique
MCP négocie ressources et outils en début de session, le client IA décide quand les invoquer. Ce n'est pas un endpoint REST passif.
Mis à jour le
Sur cette page
Automatiser et intégrer
Créer un MCP server.
Standard ouvert Anthropic 2024, référence 2026. Un serveur, plusieurs IA clientes.
⏱ 8 min de lecture🔌 4 clients IA en 2026📐 4 étapes pour démarrer
ChatGPTClaude
Si vous avez un cas pro qui exige un connecteur sur mesure, MCP est désormais la voie standard. Vous écrivez un serveur, et les quatre plateformes du quartet peuvent le consommer.
Promesse
À la fin de cette leçon
Vous saurez créer un serveur MCP simple et reconnaître quand MCP est plus pertinent qu'un connecteur natif.
Pourquoi maintenant
Le standard est devenu référence
MCP a été lancé par Anthropic en 2024, mais ne lui appartient plus : le protocole a été donné le 9 décembre 2025 à l'Agentic AI Foundation, un fonds dédié de la Linux Foundation cofondé par Anthropic, Block et OpenAI, avec Google, Microsoft, AWS et Cloudflare autour de la table. C'est ce qui en fait un standard et non le format d'un fournisseur, et c'est la raison pour laquelle écrire un serveur MCP n'est pas un pari sur une marque.
Les quatre plateformes du quartet le prennent désormais en charge. Claude et l'API Anthropic depuis le lancement. ChatGPT nativement, après l'annonce de 2025. Gemini via Gemini Enterprise, avec des serveurs personnalisés en transport HTTP streamable. Vibe nativement, en local comme en distant, Mistral ayant fait de ses connecteurs MCP des outils de premier rang dans Studio le 15 avril 2026.
Conséquence pratique : si vous avez un cas pro qui exige un connecteur sur mesure (base SQL interne, wiki, CRM maison, logs métier), MCP est la voie standard. Vous écrivez un serveur, vos IA clientes le consomment. On compte plus de dix mille serveurs publics.
Le concept central
USB-C pour les LLMs
Un MCP server = un serveur qui expose 3 catégories d'objets à un modèle IA : ressources (lecture, fichiers et lignes de base de données), outils (action, recherche et mise à jour), prompts (templates prêts à l'emploi).
Un MCP client = l'IA qui consomme ce serveur (Claude Desktop, ChatGPT, plus à venir). Le client négocie avec le serveur, liste les ressources et outils disponibles, et peut les invoquer pendant la conversation. Le transport est standardisé : stdio (local) ou Streamable HTTP (distant).
L'analogie USB-C est précise. Avant USB-C, chaque appareil avait son connecteur propriétaire. Avant MCP, chaque IA avait sa propre API connecteur. MCP standardise la prise. Vous l'écrivez côté serveur une fois, plusieurs IA clientes peuvent s'y brancher.
Architecture
Trois composants
MCP Server (que vous créez) : écrit en TypeScript ou en Python, avec les SDK de référence du protocole, il définit ce que l'IA cliente peut lire, faire, et avec quels formats. Vous décidez du périmètre.
MCP Client (l'IA) : Claude Desktop charge les serveurs déclarés dans claude_desktop_config.json. ChatGPT les charge via Apps en mode développeur ou Enterprise. Gemini passe par Gemini Enterprise, en transport HTTP streamable. Vibe les déclare en local ou en distant, ou via les connecteurs gérés de Mistral.
Transport : stdio pour les serveurs locaux (le client lance le serveur en sous-processus), HTTP pour les serveurs distants (production multi-utilisateurs). Attention, le SSE historique est en voie de retrait, et Gemini ne l'accepte déjà plus. Le choix du transport décide de l'architecture de déploiement.
Panorama
Support MCP en 2026
Maturité variable entre les 4 clients. Claude reste la référence, ChatGPT est production-ready, Gemini passe par Gemini Enterprise et Vibe prend en charge MCP nativement.
Claude Desktop / API
Anthropic · USA
Modèle Support natif depuis 2024, le plus mature
Référence
ChatGPT
OpenAI · GPT-5.6 · USA
Modèle GA 2026, Apps dev ou Enterprise
Production
Gemini
Google · 3.1 Pro · USA
Modèle Serveurs MCP personnalisés via Gemini Enterprise, transport Streamable HTTP uniquement
Entreprise
Vibe
Mistral · 3.5 · France
Modèle Prise en charge native, en local comme à distance, juridiction FR
Souverain
Atelier
Choisir selon le cas
Matrice comparative
Pour chaque cas, sélectionnez l'IA cliente la plus mature côté MCP en 2026.
| Usage | Claude Desktop / API | ChatGPT (GPT-5.6) | Gemini (3.1 Pro) | Vibe (Mistral 3.5) |
|---|---|---|---|---|
| Premier prototype d'un MCP server local en 2024-2025 | ||||
| Déploiement MCP server entreprise en 2026 sur ChatGPT Enterprise | ||||
| MCP avec contrainte juridiction FR pour données RH sensibles | ||||
| Serveur MCP orchestré dans un workflow Google Workspace |
- Premier prototype d'un MCP server local en 2024-2025 Recommandé : Claude Desktop / API
- Claude Desktop : support natif depuis le lancement MCP par Anthropic en 2024, le client le plus mature.
- Déploiement MCP server entreprise en 2026 sur ChatGPT Enterprise Recommandé : ChatGPT (GPT-5.6)
- ChatGPT : support natif annoncé 2025, GA 2026, intégré Apps mode développeur ou Enterprise.
- MCP avec contrainte juridiction FR pour données RH sensibles Recommandé : Vibe (Mistral 3.5)
- Vibe : prise en charge MCP native, en local comme à distance, avec des connecteurs enregistrés de façon centralisée et disponibles dans Vibe comme dans AI Studio, et juridiction FR conservée. Le choix de référence dès que la contrainte de juridiction prime.
- Serveur MCP orchestré dans un workflow Google Workspace Recommandé : Gemini (3.1 Pro)
- Gemini : la prise en charge passe par Gemini Enterprise, avec des serveurs personnalisés en transport HTTP streamable. Le SSE historique n'y est pas accepté.
Méthode
Quatre étapes pour un premier serveur
Démarrer minimal. Une ressource, un outil, un test conversationnel. Itérer jusqu'à ce que le client utilise correctement votre MCP.
-
Choisir le SDK
TypeScript pour web/Vercel, Python pour data/ML. Les deux sont officiels Anthropic et activement maintenus.
-
Définir 1 ressource
Commencer minimal : liste des fichiers d'un dossier local. URI, nom, mimetype. Le client la liste.
-
Définir 1 outil
Exemple : « rechercher dans une base SQLite ». Nom, description, schéma JSON des paramètres.
-
Tester (Claude Desktop ou ChatGPT)
Config dans claude_desktop_config.json ou endpoint HTTP. Itérer jusqu'à invocation correcte.
Cas d'usage pro
Quand MCP est pertinent
Base de données interne : exposer une table SQL critique (commandes, tickets, contrats) à Claude pour analyse conversationnelle.
Wiki d'entreprise : exposer un wiki interne à ChatGPT pour Q&A en mode RAG sans copier-coller.
CRM ou ERP custom : exposer une intégration Salesforce ou SAP métier à plusieurs IA clientes en une fois.
Logs et monitoring : exposer un système de logs (Datadog, Sentry) à Claude pour debug conversationnel.
L'avantage MCP sur ces cas : vous écrivez UN serveur. Si demain vos équipes basculent de Claude à ChatGPT (ou ajoutent Vibe pour souveraineté), votre MCP server reste utilisable, sans refonte côté serveur.
À éviter
Les pièges courants
Ignorer la sécurité
MCP = accès direct aux données. Un MCP server mal configuré peut exposer toute votre base SQL. Authentification, périmètre, logs obligatoires.
MCP générique au lieu de métier ciblé
Le piège n° 1 des premiers MCP. « Accès libre à toute la base » sera mal utilisé. « Recherche tickets clos depuis 30 jours sur produit X » donne du sens.
Oublier la documentation
MCP demande des descriptions précises pour chaque ressource et outil. Description floue = outil invoqué de travers.
Exemple complet
Un serveur MCP minimal, de bout en bout
Le besoin. Une équipe support veut que son IA puisse consulter le statut d'une commande sans passer par un export manuel. Aucun connecteur du marché ne parle à leur outil interne. C'est le cas type où MCP se justifie.
Ce que le serveur expose. Un seul outil, nommé get_order_status, qui prend un numéro de commande et renvoie son statut, sa date d'expédition et son transporteur. Rien d'autre au premier jour.
Les quatre étapes. Déclarer l'outil avec son schéma d'entrée et de sortie. Implémenter la fonction, qui n'est qu'un appel à l'API interne existante. Exposer le serveur en local pour le tester. Le déclarer dans le client IA.
Ce qui compte plus que le code. La description de l'outil est lue par le modèle pour décider quand l'appeler. « Récupère le statut d'une commande à partir de son numéro » fonctionne. « Endpoint commandes » ne fonctionne pas : le modèle ne saura pas quand s'en servir.
Le périmètre. Lecture seule au démarrage. Un outil d'écriture exposé à un modèle demande une réflexion sur les autorisations qui n'a rien à voir avec la difficulté technique de l'écrire.
L'erreur de conception la plus courante est d'exposer un outil trop générique, du type « exécuter une requête sur la base ». Cela paraît élégant et cela transfère au modèle une décision qu'il ne devrait pas prendre. Un outil par intention métier, avec un périmètre étroit et une description claire.
Quiz de validation
Quiz de validation
8 questions. 60 % de bonnes réponses pour valider la leçon.
Synthèse
À retenir
Cinq points pour ancrer la leçon
MCP = USB-C pour les LLM. Standard ouvert né chez Anthropic en 2024, passé sous gouvernance Linux Foundation fin 2025, pris en charge par les quatre du quartet.
Trois composants. MCP server (que vous créez), MCP client (l'IA), transport (stdio local ou Streamable HTTP distant).
Trois catégories d'objets exposés. Ressources (lecture), outils (action), prompts (templates prêts à l'emploi).
Quatre étapes pour un premier serveur. Choisir SDK, définir 1 ressource, définir 1 outil, tester avec Claude Desktop ou ChatGPT.
Avantage clé. 1 serveur écrit, plusieurs IA clientes utilisables. Vous changez de client, vous gardez votre MCP.
Mise en pratique
30 minutes pour esquisser
Identifiez 1 source de données pro que vous aimeriez interroger conversationnellement (wiki, base SQL, CRM, logs). Pour cette source, écrivez : (1) la liste des 2-3 ressources à exposer, (2) la liste des 2-3 outils à exposer, (3) le SDK choisi (TypeScript ou Python), (4) le transport choisi (stdio local pour le pilote, HTTP plus tard).
Critère de réussite : votre note d'une page tient sur 4 sections claires et vous savez décrire en 1 phrase pourquoi MCP est plus pertinent qu'un connecteur natif sur ce cas.
Questions fréquentes
Qu'est-ce que le Model Context Protocol ?
Un standard ouvert, lancé par Anthropic en 2024 puis donné en décembre 2025 à l'Agentic AI Foundation, un fonds dédié de la Linux Foundation cofondé avec Block et OpenAI. Il n'appartient donc plus à un fournisseur, et les quatre plateformes du quartet le prennent en charge. Il joue pour les IA le rôle que l'USB-C joue pour le matériel.
Comment créer un premier serveur MCP ?
Quatre étapes : choisir un SDK, définir une ressource en lecture, définir un outil d'action, puis tester avec Claude Desktop ou ChatGPT. Un serveur écrit une fois sert ensuite plusieurs IA clientes.
À qui appartient le Model Context Protocol ?
À personne, et c'est le point important. Lancé par Anthropic en 2024, le protocole a été donné en décembre 2025 à l'Agentic AI Foundation, un fonds dédié de la Linux Foundation cofondé avec Block et OpenAI. Écrire un serveur MCP n'est donc pas un pari sur un fournisseur.
Quel transport choisir pour son serveur ?
stdio pour un serveur local, que le client lance lui-même en sous-processus : c'est le plus simple pour commencer. HTTP pour un serveur distant partagé entre plusieurs utilisateurs. Le SSE historique est en voie de retrait et certains clients ne l'acceptent déjà plus.
Un serveur MCP expose-t-il trop de choses par défaut ?
Il expose exactement ce que vous déclarez, ni plus ni moins, et c'est tout l'intérêt face à un connecteur générique. Commencez par une seule ressource en lecture, vérifiez ce que le client en fait, puis élargissez.