Créer un MCP Server de zéro :
guide développeur complet

Points de friction : chaque éditeur LLM propose un format de function calling différent. Changer de modèle implique de réécrire les intégrations. Les tools LangChain restent dans le framework et ne voyagent pas entre les IDE.

• Évolution : Function Calling (propriétaire) → ChatGPT Plugins (verrouillage plateforme) → MCP (standard ouvert). Anthropic a open-sourcé MCP en novembre 2024 pour unifier la communication AI-système via JSON-RPC.
• Rôles : le MCP Client vit côté IA (Claude Desktop, Cursor). Le MCP Server est ce que vous développez. Il expose des Tools (fonctions appelables), des Resources (données lisibles) et des Prompts (modèles réutilisables).
• Transport : JSON-RPC 2.0 sur stdio (local, faible latence) ou HTTP + SSE / Streamable HTTP (distant, multi-clients). Cycle de vie : poignée de main → négociation des capacités → requêtes → arrêt propre.

Écrivez un MCP Server — Cursor, Claude Desktop et VS Code peuvent l'appeler. C'est le moment USB-C pour le tooling IA.

Choix du langage : Python avec le package officiel mcp et FastMCP (idéal pour débuter). TypeScript avec @modelcontextprotocol/sdk pour les équipes full-stack. Les exemples ci-dessous sont en Python.

python -m venv .venv
source .venv/bin/activate
pip install mcp

npm init -y
npm install @modelcontextprotocol/sdk

Arborescence : server.py, tools/, resources/, prompts/, tests/, pyproject.toml.

Stack de debug : MCP Inspector officiel (npx @modelcontextprotocol/inspector), Claude Desktop via claude_desktop_config.json, Cursor via Réglages → MCP.

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-first-server")

@mcp.tool()
def say_hello(name: str) -> str:
    """Salue une personne par son prénom."""
    return f"Bonjour, {name} ! Voici votre premier tool MCP."

if __name__ == "__main__":
    mcp.run()

Lancez python server.py ou npx @modelcontextprotocol/inspector python server.py. Après configuration Cursor ou Claude Desktop, le tool doit apparaître dans le contexte IA.

Les signatures de fonctions deviennent du JSON Schema pour le modèle. Utilisez des noms verbe en snake_case comme search_web. Les entrées complexes passent proprement via Pydantic BaseModel avec Field(description=...).

Cinq tools de départ : calculatrice (parsing d'expressions sécurisé), lecture/écriture de fichiers (allowlist de répertoires), client HTTP (timeouts et plafonds de taille), SQL en lecture seule (requêtes paramétrées) et utilitaires de fuseaux horaires.

Async IO : async def avec httpx.AsyncClient pour les appels réseau. Retournez des dicts d'erreur structurés plutôt que des exceptions brutes. Ajoutez timeouts et contrôles de permissions en production — surtout si des données personnelles transitent (RGPD art. 5/32).

Resource vs Tool : les Resources fournissent des données ; les Tools exécutent des actions. Adressez les resources par URI : file://, http://, custom://. Les resources statiques ont des URI fixes ; les dynamiques acceptent des paramètres comme user://{user_id}/profile.

Supportez texte, JSON, binaire et payloads en streaming. Un serveur de resources filesystem peut lister des répertoires, lire des fichiers et s'abonner aux événements de changement.

Les Prompts livrent des modèles de messages préconstruits avec paramètres injectés — idéal pour revue de code, simulation d'entretien ou assistants de debug. Les modèles multi-tours peuvent mélanger les rôles user et assistant.

Exemple distant : FastMCP("remote-server", transport="streamable-http") derrière uvicorn sur le port 8000. Renforcez avec Bearer tokens, middleware API-key, allowlists CORS et rate limits. Pour des flux de données UE, documentez sous-traitance et journaux conformément au RGPD.

Testez avec MCP Inspector et pytest via mcp.client.stdio. Échecs fréquents : mauvais chemin de config (tool invisible), types de retour non sérialisables, appels bloquants provoquant des timeouts.

Déployez avec Docker (Python 3.12-slim), Railway/Render pour les projets hobby, Lambda/Cloud Run serverless ou Nginx sur VPS. Ajoutez logs structurés, métriques Prometheus, alertes Sentry et un endpoint /health. Déclarez les versions du protocole MCP et gardez les upgrades de tools rétrocompatibles.

Projet final : un MCP Server de base de connaissances personnelle qui recherche sémantiquement des notes Markdown, crée des entrées et surveille les fichiers avec ChromaDB/Qdrant, text-embedding-3-small et watchfiles. Demandez à Cursor : « Qu'ai-je écrit sur MCP la semaine dernière ? » — l'agent appelle votre tool de recherche.

Serveurs de référence 2026 : mcp-server-filesystem, mcp-server-github, mcp-server-brave-search, mcp-server-postgres, mcp-server-slack. Les grands clients intègrent MCP nativement ; les baselines sécurité entreprise et marketplaces mûrissent.

• Protocole : Anthropic a open-sourcé MCP en novembre 2024 (JSON-RPC 2.0) ; la gouvernance a rejoint la Linux Foundation AAIF en 2026.
• Écosystème : les serveurs MCP publics dépassent 10 000 ; les SDK Python et TypeScript sont la voie officielle — vérifiez les versions sur GitHub après chaque release.
• Transport : Streamable HTTP remplace le SSE pur pour le load balancing stateless en cloud.

Docs officielles et SDK (revérifier les liens après releases upstream) :

https://modelcontextprotocol.io

https://github.com/modelcontextprotocol/python-sdk

https://github.com/modelcontextprotocol/typescript-sdk

https://github.com/modelcontextprotocol/inspector

1. Choisir langage et transport : Python + stdio pour solo ; HTTP pour partage d'équipe.
2. Scaffolder les modules : séparer tools, resources, prompts ; installer MCP Inspector.
3. Livrer Hello World : vérifier la visibilité dans Cursor ou Claude Desktop.
4. Ajouter cinq tools plus resources : commencer en lecture seule, puis écritures et API externes.
5. Automatiser tests et Docker : tests d'intégration stdio en CI.
6. Déployer 24/7 : la veille du laptop tue les sessions MCP ; un VPS Linux seul manque de sandbox macOS et Xcode. Pour une infra MCP stable, des agents partagés et de la CI iOS, la location Mac bare-metal CALMVPS est souvent le meilleur choix : M4/M4 Pro dédié, provisioning ~120 s, facturation flexible. Voir tarifs et centre d'aide.

MCP est le protocole standard du tooling IA. Maîtrisez-le et vous étendrez n'importe quel LLM avec des capacités réelles — en commençant par le Hello World d'aujourd'hui.