Quel langage choisir pour un MCP Server ?

Python (SDK mcp officiel avec FastMCP) convient aux débutants ; TypeScript (@modelcontextprotocol/sdk) aux équipes frontend/full-stack. Couche protocole identique.

stdio ou transport HTTP ?

Développement IDE local : stdio. Multi-clients, SaaS ou partage d'équipe : HTTP + SSE (Streamable HTTP) avec authentification.

Différence entre Tools et Resources ?

Les Tools exécutent des actions (recherche, écriture, appel API). Les Resources fournissent des données en lecture (config, contenu de fichiers) via des URI.

Pourquoi le VNC pour déboguer MCP sur Mac distant ?

L'automatisation navigateur, le trousseau et l'enregistrement d'écran déclenchent des dialogues TCC macOS. SSH seul ne peut pas cliquer « Toujours autoriser » — session graphique requise.

Développer un MCP Server from scratch : appels d'outils IA

01

Introduction : pourquoi l'IA a besoin de MCP ?

Même les grands modèles ignorent vos clients CRM et les logs d'hier. La trajectoire est claire : Function Calling → Plugins → MCP. Les deux premiers restent souvent propriétaires ; MCP standardise la découverte et l'appel d'outils — écrire une fois, réutiliser sur plusieurs clients.

01
Douleur : Claude / GPT doit interroger DB, API et fichiers — chaque format diffère.
02
Scénario : lire vos notes Markdown dans Cursor, consulter GitHub Issues dans Claude Desktop.
03
Promesse : du dossier vide au serveur déployable — code complet et tableau de dépannage.

02

Qu'est-ce que MCP ? Comprendre le protocole avant de coder

2.1 Genèse

Anthropic a publié MCP en novembre 2024 pour standardiser la communication IA-outils et résoudre le problème N×M d'adaptateurs. Contexte dans notre article MCP et HTTP.

2.2 Architecture

Modèle Client ↔ Server : le Client côté IA (Claude Desktop, Cursor) ; le Server expose les capacités en JSON-RPC :

T
Tools : fonctions appelables — recherche, calcul, requête DB.
R
Resources : données lisibles — fichiers, URLs, config.
P
Prompts : modèles de prompts paramétrables.

2.3 Communication

Base JSON-RPC 2.0. Transport : stdio (sous-processus local, défaut Cursor) ou HTTP + SSE / Streamable HTTP (distant). Cycle : poignée de main → initialize → requêtes → fermeture.

2.4 Comparaison

Dimension	MCP	OpenAI Function Calling	LangChain Tools
Standard	Protocole ouvert	Propriétaire	Lié au framework
Transport	stdio / HTTP	HTTP	HTTP
Multi-modèle	Oui	Non	Partiel
Resources / Prompts	Natif	Non	Non
Écosystème 2026	10 000+ serveurs	Mature	Mature

03

Préparer l'environnement de développement

3.1 Choisir le langage

Python (mcp, FastMCP) pour débuter ; TypeScript (@modelcontextprotocol/sdk) pour frontend/full-stack. Cet article privilégie Python, TS en référence.

Environnement

# Python
python -m venv .venv && source .venv/bin/activate
pip install mcp httpx pydantic

# TypeScript (référence)
npm init -y && npm install @modelcontextprotocol/sdk

3.2 Structure du projet

my-mcp-server/

my-mcp-server/
├── server.py            # point d'entrée
├── tools/               # calculator.py, web_search.py
├── resources/           # file_reader.py
├── prompts/             # templates.py
├── tests/test_tools.py
├── pyproject.toml
└── README.md

3.3 Outils de débogage

1
MCP Inspector : npx @modelcontextprotocol/inspector python server.py
2
Claude Desktop : éditer claude_desktop_config.json.
3
Cursor : Settings → MCP → ajouter command + args.

04

Premier MCP Server : Hello World

server.py · serveur minimal

from mcp.server.fastmcp import FastMCP

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

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

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

Après python server.py, configurez Cursor avec {"command":"python","args":["/chemin/absolu/server.py"]} — say_hello doit apparaître dans la liste d'outils.

Cursor / Claude Desktop

✓
Chemins absolus vers server.py et le Python du venv.
✓
Après modification, redémarrer la connexion MCP ou la fenêtre Cursor.
✓
Demander explicitement l'appel d'outil dans le chat pour valider l'enregistrement.

05

Tools : fonctions invocables par l'IA

5.1 Structure de base

La signature sert de documentation : types, retour et docstring guident le choix d'outil. Nommage : snake_case, verbe en tête (search_web). Retourner du JSON structuré plutôt que des exceptions brutes.

5.2 Paramètres complexes (Pydantic)

Outil de recherche avec schéma

from pydantic import BaseModel, Field

class SearchInput(BaseModel):
    query: str = Field(description="Terme de recherche")
    max_results: int = Field(default=5, description="Nombre max de résultats")
    language: str = Field(default="fr", description="Langue des résultats")

@mcp.tool()
def web_search(input: SearchInput) -> list[dict]:
    """Recherche web, retourne une liste de résultats"""
    ...

5.3 Cinq outils utiles

Outil	Usage	Attention
Calculatrice	Expressions math	ast.literal_eval, pas eval
Fichiers	Lecture/écriture locale	Liste blanche, normalisation de chemin
HTTP	APIs externes	Timeout, retry, limite de taille
Requête DB	SQL lecture seule	Paramètres, pas de DDL
Temps	Now, fuseaux	Retour ISO 8601

5.4 Outils async

async fetch_url

@mcp.tool()
async def fetch_url(url: str) -> str:
    """Récupère le contenu d'une URL"""
    async with httpx.AsyncClient(timeout=30.0) as client:
        response = await client.get(url)
        return response.text

5.5 Gestion d'erreurs

!
Réseau/IO : timeout 15–30 s.
!
Ops sensibles : auth (clé API, chemins autorisés).
!
{"error": "...", "hint": "..."} pour retry du modèle.

06

Resources : contenu dynamique pour l'IA

Resource vs Tool : la Resource est un fournisseur de données (lecture) ; le Tool exécute une action. Adressage URI : file://, http://, custom://.

Resources statiques et dynamiques

@mcp.resource("config://app-settings")
def get_app_settings() -> str:
    """Configuration applicative"""
    return json.dumps({"version": "1.0", "env": "production"})

@mcp.resource("user://{user_id}/profile")
def get_user_profile(user_id: str) -> str:
    """Profil utilisateur par ID"""
    return json.dumps(db.query_user(user_id))

Types : texte (text/plain, JSON), binaire (images, PDF), flux (données live). Cas pratique : serveur filesystem avec listing, lecture, watch optionnel.

07

Prompts : modèles réutilisables

Les Prompts MCP sont des fragments paramétrables pour harmoniser les prompts d'équipe.

Prompt de revue de code

from mcp.types import PromptMessage, TextContent

@mcp.prompt()
def code_review_prompt(language: str, code: str) -> list[PromptMessage]:
    """Modèle de revue de code"""
    return [PromptMessage(
        role="user",
        content=TextContent(type="text", text=f"""Revoyez ce code {language} :
1. Qualité  2. Bugs & sécurité  3. Performance

```{language}
{code}
```""")
    )]

Modèles multi-tours (user + assistant) pour entretiens ou assistant debug. Le client appelle prompts/get.

08

Avancé : transport HTTP (MCP distant)

Caractéristique	stdio	HTTP + SSE
Déploiement	Local	Serveur distant
Latence	Très faible	Réseau
Multi-client	Non	Oui
Scénario	IDE local	SaaS / équipe

Streamable HTTP

mcp = FastMCP("remote-server", transport="streamable-http")

if __name__ == "__main__":
    mcp.run(host="0.0.0.0", port=8000)

Production : Bearer Token, CORS, rate limiting. Ne pas exposer un MCP HTTP non authentifié sur Internet.

09

Débogage et tests

9.1 MCP Inspector

Tester graphiquement tools/list, tools/call, logs JSON-RPC et scénarios d'erreur.

9.2 Tests unitaires (pytest + ClientSession)

test_calculator_tool

@pytest.mark.asyncio
async def test_calculator_tool():
    server_params = StdioServerParameters(command="python", args=["server.py"])
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            result = await session.call_tool("calculate", {"expression": "2 + 2"})
            assert result.content[0].text == "4"

9.3 Erreurs fréquentes

Erreur	Cause	Solution
Outil absent	Chemin config incorrect	Vérifier chemin absolu
Échec JSON	Type non sérialisable	Convertir en str ou dict
Timeout	Exécution lente	Async + timeout
Permission refusée	Chemin / TCC	Whitelist / VNC pour dialogue

10

Déploiement en production

10.1 Docker

Dockerfile

FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
EXPOSE 8000
CMD ["python", "server.py"]

10.2 Options cloud

•
Railway / Render : projets personnels rapides.
•
Lambda / Cloud Run : serverless — cold start, limites stdio.
•
VPS + Nginx : reverse proxy, TLS, rate limit.

10.3 Observabilité

Logs structurés, métriques Prometheus, Sentry, /health. Déclarer la version MCP, étendre les outils de façon rétrocompatible.

11

Cas pratique : MCP Server base de connaissances

Objectif : l'IA recherche vos notes Markdown locales, index sémantique, création de notes. Dans Cursor : « Qu'ai-je noté sur MCP la semaine dernière ? »

Stack

Composant	Recommandation
Base vectorielle	ChromaDB / Qdrant (local)
Embeddings	text-embedding-3-small
Surveillance fichiers	watchfiles pour index incrémental

Tools principaux

1
index_notes : scanner le répertoire, index vectoriel.
2
semantic_search : recherche sémantique.
3
write_note : créer ou ajouter du Markdown.
4
Resource : notes://{path} pour une note.

semantic_search économise des tokens vs injecter toute la bibliothèque et améliore la précision.

12

Écosystème MCP et perspectives 2026

Serveurs open source recommandés

→
mcp-server-filesystem — système de fichiers
→
mcp-server-github — GitHub
→
mcp-server-brave-search — recherche web
→
mcp-server-postgres — base de données
→
mcp-server-slack — Slack

En 2026, Cursor, Claude Desktop, OpenAI, Google Gemini et Microsoft supportent MCP ; marketplace et sécurité entreprise (OAuth 2.1, audit) mûrissent. Docs : modelcontextprotocol.io ; SDK Python : github.com/modelcontextprotocol/python-sdk.

Cinq étapes (Mac distant inclus)

1
Choisir l'hôte (Cursor / Claude Desktop), vérifier le support MCP en version 2026.
2
Développer en stdio local, valider tools/list avec Inspector.
3
Enregistrer dans Cursor MCP, smoke test Hello World.
4
Serveurs navigateur, trousseau, capture d'écran : session GUI macOS pour TCC (SSH insuffisant).
5
HTTP + Docker + auth en prod ; lier au guide Agent Skill et au MCP navigateur.

13

FAQ

Python (mcp + FastMCP) le plus rapide ; TypeScript (@modelcontextprotocol/sdk) pour les équipes Node. Couche protocole identique.

IDE local : stdio. Multi-utilisateur / SaaS : HTTP + SSE / Streamable HTTP avec authentification.

Tools exécutent des actions ; Resources fournissent des données en lecture via des URI.

MCP navigateur, trousseau et capture d'écran déclenchent les dialogues TCC macOS. SSH ne peut pas cliquer « Toujours autoriser » — session VNC sur l'hôte requise.

Conclusion

MCP est le protocole standard du tooling IA — maîtriser la chaîne du Hello World à la production est une compétence clé en 2026. Quel outil allez-vous construire ensuite ?

Le coût caché est rarement le code, mais l'environnement d'exécution : Windows + Mac cloud + Cursor MCP exige dialogues TCC, venv et logs Inspector dans une même session bureau. Un Mac mini personnel ajoute veille, mises à jour et amortissement ; 8 Go de RAM suffisent mal avec index vectoriel et serveurs parallèles.

Pour valider MCP à l'heure avec GUI sur la même machine que Cursor, louez un Mac distant via VNCMac — bouton principal vers les tarifs, offres sur l'accueil.

Développer un MCP Server from scratch :guide complet des appels d'outils IA