Le Model Context Protocol (MCP) est devenu en quelques mois le standard de facto pour connecter les LLM a des outils externes. Adopte par Anthropic, OpenAI, Hugging Face et LangChain, il resout un probleme fondamental : comment donner a l'IA un acces structure et securise a votre environnement de travail.
Avant MCP, chaque outil inventait sa propre facon de connecter l'IA aux donnees. Avec MCP, un seul protocole permet a n'importe quel LLM de se connecter a n'importe quel outil. C'est le USB-C de l'IA agentique.
Le probleme que MCP resout
Sans MCP, votre assistant IA est enferme dans une bulle. Il ne voit que ce que vous collez dans le prompt. Il ne peut pas :
- Lire vos issues GitHub directement
- Interroger votre base de donnees de production
- Consulter la documentation interne de votre entreprise
- Acceder a vos logs ou metriques
Vous devez tout copier-coller manuellement, ce qui est lent, error-prone, et limite la taille du contexte.
MCP casse cette barriere. Il definit un protocole standard pour que l'IA puisse demander des informations a des sources externes, de maniere structuree et controlee.
Architecture de MCP
MCP fonctionne sur un modele client-serveur :
Le client MCP est integre dans l'outil IA (Claude Code, Cline, etc.). Il sait comment envoyer des requetes MCP. Le serveur MCP est un processus qui expose des donnees ou des actions. Il peut etre local (sur votre machine) ou distant. Les trois primitives de MCP :
- Resources : des donnees que l'IA peut lire (fichier, page web, resultat de requete)
- Tools : des actions que l'IA peut executer (creer une issue, lancer un build, executer une requete SQL)
- Prompts : des templates de conversation pre-definis pour des cas d'usage specifiques
Flux d'une interaction MCP
Vous: "Quelles sont les issues ouvertes avec le label 'bug' ?"
|
Claude Code --[requete MCP]--> Serveur GitHub MCP
| |
| <--[liste des issues]-------+
|
L'IA n'accede pas directement a GitHub. Elle passe par le serveur MCP qui controle et filtre les acces.
Les serveurs MCP essentiels
L'ecosysteme compte plus de 1000 serveurs MCP communautaires. Voici ceux qui changent vraiment le workflow d'un developpeur.
GitHub MCP Server
Le serveur officiel GitHub donne a l'IA un acces complet a vos repositories :
- Lire et creer des issues et pull requests
- Consulter le code, les branches, les commits
- Gerer les reviews et les commentaires
- Chercher dans le code a travers tous vos repos
{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": { "GITHUB_TOKEN": "ghp_..." }
}
}
Filesystem MCP Server
Permet a l'IA d'acceder a des fichiers en dehors du repertoire de travail, avec des restrictions de chemin :
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/chemin/autorise"]
}
}
PostgreSQL MCP Server
Donne a l'IA un acces en lecture a votre base de donnees. Elle peut explorer le schema, executer des requetes SELECT, et comprendre vos modeles de donnees :
{
"mcpServers": {
"postgres": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://user:pass@localhost/mydb"]
}
}
Slack MCP Server
Permet a l'IA de lire les conversations Slack pertinentes pour avoir du contexte sur les discussions d'equipe.
Autres serveurs notables
- Sentry : acceder aux erreurs et stack traces en production
- Linear/Jira : lire et creer des tickets
- Confluence/Notion : consulter la documentation interne
- Docker : gerer les containers de developpement
Configurer MCP avec Claude Code
Configuration globale
Dans ~/.claude/settings.json, ajoutez vos serveurs MCP :
{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": { "GITHUB_TOKEN": "ghp_votre_token" }
},
"postgres-dev": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/myapp_dev"]
}
}
Configuration par projet
Dans .mcp.json a la racine du projet pour des serveurs specifiques au projet :
{
"mcpServers": {
"docs-internes": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "./docs"]
}
}
Verifier que ca fonctionne
Dans Claude Code, tapez /mcp pour voir les serveurs connectes et leurs outils disponibles.
Cas d'usage concrets
Debug avec contexte complet
Sans MCP : vous copiez l'erreur Sentry, allez chercher les logs, ouvrez le code, et expliquez tout a l'IA.
Avec MCP (Sentry + GitHub) :
> L'erreur SENTRY-4521 se reproduit en prod depuis ce matin.
Claude Code va automatiquement lire l'erreur dans Sentry, trouver le fichier concerne dans le repo GitHub, et proposer une correction.
Code review informe par l'historique
Avec le serveur GitHub MCP :
> Review la PR #142. Verifie que les changements sont
> coherents avec les conventions du projet et les
L'IA lit la PR, l'issue associee, les commentaires precedents, et fait une review contextualisee.
Generer du code qui respecte le schema DB
Avec le serveur PostgreSQL MCP :
> Cree un endpoint GET /api/orders qui retourne les
> commandes de l'utilisateur connecte avec pagination.
L'IA explore le schema PostgreSQL, comprend les relations entre tables, et genere du code qui correspond exactement a votre modele de donnees.
Securite et bonnes pratiques
Principe du moindre privilege
Chaque serveur MCP ne devrait avoir acces qu'a ce qui est strictement necessaire :
- Serveur PostgreSQL : acces READ ONLY sur la base de dev (jamais la prod)
- Serveur GitHub : token scope au minimum necessaire (repo read, issues write)
- Serveur filesystem : restreint a des chemins specifiques
Variables d'environnement
Ne codez jamais les tokens dans les fichiers de configuration. Utilisez des variables d'environnement ou un gestionnaire de secrets :
{
"env": { "GITHUB_TOKEN": "${GITHUB_TOKEN}" }
Revue des actions
Les outils MCP qui modifient des donnees (creer une issue, merger une PR) devraient toujours etre soumis a une confirmation humaine. Claude Code le fait par defaut, ne desactivez pas ce garde-fou.
Creer votre propre serveur MCP
Pour les cas d'usage specifiques a votre entreprise, vous pouvez creer vos propres serveurs MCP. Le SDK est disponible en TypeScript et Python. Consultez notre tutoriel pour creer un serveur MCP en TypeScript.
