MCP est l'abréviation de Model Context Protocol : un protocole ouvert qui décrit comment une application d'IA découvre et appelle les outils et les données d'un autre logiciel. Un « serveur MCP » est le programme qui expose ces outils.

Faut-il savoir programmer pour utiliser un serveur MCP ?

Non pour utiliser un serveur existant : un serveur distant proposé par un éditeur s'ajoute depuis les réglages de l'application, un serveur local demande de modifier un fichier de configuration JSON. Oui pour en créer un : les SDK officiels (TypeScript, Python, Java, Kotlin, C#, Go, Ruby, Rust…) simplifient le travail, mais il faut coder la connexion à l'API cible.

Un serveur MCP a-t-il accès à toute ma conversation avec l'IA ?

Non, par conception : l'historique complet reste dans l'hôte et chaque serveur ne reçoit que les informations nécessaires à l'appel. En revanche, tout ce que le serveur renvoie entre dans le contexte du modèle, d'où l'importance de n'utiliser que des serveurs de confiance.

MCP remplace-t-il les API ?

Non. Un serveur MCP s'appuie presque toujours sur l'API du logiciel qu'il connecte. MCP standardise la façon dont une application d'IA découvre et appelle ces fonctions ; l'API reste la porte d'entrée technique.

Par où commencer avec MCP quand on est une équipe marketing ?

Par un usage en lecture seule, à faible risque et fréquent, comme le reporting mensuel. Utilisez un serveur proposé par l'éditeur de l'outil, un compte aux droits limités, et gardez la validation humaine pour toute action qui modifie un outil.

Quelle différence entre MCP et une API ?

Une API est appelée par du code écrit à l'avance ; un serveur MCP décrit ses outils dans un format standard que le modèle découvre et choisit au moment de la demande. Le serveur s'appuie presque toujours sur l'API existante. Comparatif détaillé dans notre article MCP ou API.

Serveur MCP : définition et fonctionnement

L’essentiel en 30 secondes

Un serveur MCP expose des outils, des ressources et des prompts à une application d'IA (l'hôte), selon un protocole ouvert publié par Anthropic en 2024 et géré depuis décembre 2025 par une fondation de la Linux Foundation.
Le modèle n'est pas le client : l'hôte contient le modèle et crée un client par serveur ; l'application devrait demander l'accord de l'utilisateur avant d'exécuter un outil. Pour une équipe marketing, l'assistant analyse vos vrais chiffres et prépare des actions qu'un humain valide ; commencez en lecture seule, avec un serveur officiel.
Deux transports standard : stdio pour un serveur local, Streamable HTTP pour un serveur distant ; HTTP+SSE est déprécié.
Depuis la révision du 28 juillet 2026, le protocole est sans état et plusieurs fonctions (Roots, Sampling, Logging) sont dépréciées.

Un serveur MCP est un programme qui met à disposition d'une application d'IA des outils (actions à exécuter), des ressources (données à lire) et des prompts (modèles de consignes), selon le Model Context Protocol. Ce protocole ouvert a été publié par Anthropic le 25 novembre 2024¹ ; il est confié depuis décembre 2025 à l'Agentic AI Foundation, un fonds de la Linux Foundation². L'application (Claude, ChatGPT, un éditeur de code) découvre les outils du serveur, le modèle choisit lequel appeler, et l'utilisateur garde la main sur ce qui est exécuté.

Qu'est-ce que ça change pour une équipe marketing ?

Des analyses sur données réelles : on pose la question en français (« quelles pages ont perdu du trafic ce mois-ci ? ») et l'assistant interroge directement l'outil, au lieu de travailler sur ce que vous lui copiez-collez. Google publie par exemple un serveur MCP officiel, en lecture seule, pour Google Analytics⁹.
Des actions préparées, validées par un humain : l'assistant peut créer un brouillon, une tâche ou une fiche, mais la spécification recommande que l'application demande l'accord de l'utilisateur avant d'exécuter un outil³.
Un connecteur, plusieurs assistants : le même serveur fonctionne avec tout assistant compatible, sans redévelopper l'intégration pour chacun.

Ce qui ne change pas : la qualité des réponses dépend de la qualité des données (un suivi des conversions mal configuré donnera de mauvaises conclusions, plus vite), et la responsabilité reste humaine, un assistant pouvant se tromper.

Qui fait quoi : hôte, client, serveur ?

La spécification distingue trois rôles³. Le modèle d'IA n'est pas le « client » : il vit dans l'hôte.

Rôle	Ce que c'est	Exemple
Hôte	L'application d'IA qui intègre le modèle, gère les autorisations et le consentement de l'utilisateur	Claude Desktop, un IDE, un agent maison
Client	Le connecteur créé par l'hôte ; chaque client parle à un seul serveur	Le connecteur « analytics » dans Claude Desktop
Serveur	Le programme qui expose outils, ressources et prompts, en local ou à distance	Le serveur Google Analytics, un serveur maison branché sur votre CRM

Un hôte peut ouvrir plusieurs clients en parallèle, donc se connecter à plusieurs serveurs. Principe de conception important : un serveur ne voit pas toute la conversation et ne voit pas les autres serveurs ; il ne reçoit que ce dont il a besoin⁴.

Que peut exposer un serveur MCP ?

Tools : des fonctions que le modèle peut exécuter (lire un rapport, créer un brouillon, interroger une base).
Resources : des données que l'utilisateur ou le modèle peut lire (fichier, fiche, réponse d'API).
Prompts : des modèles de consignes prêts à l'emploi, proposés à l'utilisateur.

La révision du 28 juillet 2026 a déprécié trois fonctions côté client (Roots, Sampling, Logging) : elles fonctionnent encore pendant la période de dépréciation, mais un nouveau projet ne devrait plus s'appuyer dessus⁵.

Comment se déroule un appel, concrètement ?

Les messages sont au format JSON-RPC 2.0³. Depuis la révision 2026-07-28, le protocole est sans état : il n'y a plus de poignée de main initialize, chaque requête porte sa version de protocole et les capacités du client, et le serveur décrit les siennes via server/discover⁵.

Le client demande la liste des outils (tools/list) ; le serveur renvoie leur nom, leur description et le schéma de leurs paramètres.
L'utilisateur formule sa demande ; le modèle choisit un outil et ses arguments.
L'hôte demande l'accord de l'utilisateur avant d'exécuter l'outil : la spécification le recommande³.
Le client envoie tools/call ; le serveur appelle l'API du logiciel cible et renvoie le résultat.
Le modèle lit le résultat et répond, ou appelle un autre outil.

Serveur local ou distant : quel transport choisir ?

La spécification définit deux transports standard⁶.

—	stdio (local)	Streamable HTTP (distant)
Fonctionnement	L'hôte lance le serveur comme sous-processus sur votre machine	Chaque message est une requête HTTP POST vers une adresse unique
Accès	Un seul utilisateur, sur son poste	Plusieurs utilisateurs, depuis n'importe où
Point d'attention	Le serveur tourne avec vos droits d'utilisateur : n'installez que du code de confiance	Authentification obligatoire en pratique (OAuth) et gestion stricte des jetons
Usage type	Prototype, outils personnels, fichiers locaux	Serveur d'équipe, service proposé par un éditeur

L'ancien transport HTTP+SSE est déprécié depuis la version 2025-03-26 : les nouveaux serveurs doivent utiliser Streamable HTTP⁵.

En quoi un serveur MCP diffère-t-il d'une API ?

Une API est une porte d'entrée vers un logiciel : c'est votre code qui décide quand l'appeler et comment. Un serveur MCP enveloppe souvent cette API et la décrit dans un format standard que n'importe quel hôte compatible sait découvrir, pour que le modèle choisisse lui-même l'outil utile. Le détail est dans notre comparatif MCP ou API : que choisir.

Quelles applications savent utiliser un serveur MCP ?

MCP n'est plus propre à Claude. Lors du transfert à la Linux Foundation, le projet citait un support natif dans ChatGPT, Claude, Cursor, Gemini, Microsoft Copilot et Visual Studio Code². Côté développeurs, l'API Responses d'OpenAI accepte des serveurs MCP distants comme outil de type mcp⁷.

Où trouver un serveur, et lequel éviter ?

Le dépôt GitHub modelcontextprotocol/servers ne contient plus qu'une poignée de serveurs de référence (Filesystem, Git, Fetch, Memory, Time…), destinés à l'apprentissage ; les autres ont été archivés. Pour chercher un serveur, le projet renvoie vers le registre officiel, registry.modelcontextprotocol.io⁸. OpenAI recommande de privilégier les serveurs hébergés par l'éditeur du service lui-même plutôt que des intermédiaires, car un serveur malveillant peut exfiltrer tout ce qui entre dans le contexte du modèle⁷.

Pour débuter sans risque, choisissez un usage en lecture seule, fréquent et à faible enjeu, comme le reporting mensuel, avec un serveur officiel, un compte aux droits limités et une validation humaine pour tout ce qui modifie un outil.