Automatisation & IA
Vous voulez que Claude, ChatGPT ou vos propres agents consultent vos données et agissent dans vos logiciels ? Je développe des serveurs MCP sur mesure : des connecteurs standard, sécurisés et documentés, qui exposent à l’IA exactement ce qu’elle a le droit de lire et de faire.
Le constat
Vos équipes utilisent déjà des assistants IA. Mais ils ne voient ni votre CRM, ni vos commandes, ni vos documents internes, alors on copie-colle les informations dans la conversation.
Faute de connexion, chacun copie des extraits, sans contrôle de ce qui sort.
Une intégration pour un assistant, une autre pour l'agent suivant.
Lire, modifier, supprimer : les limites ne sont écrites nulle part.
Ce que je développe
Décider ce que l’IA peut lire et faire, en langage métier.
Outils : Atelier avec vos équipes, spécification des outils
Un serveur MCP fiable, branché sur vos systèmes.
Outils : Python, TypeScript, SDK officiels MCP, PostgreSQL
L’agent n’en fait jamais plus que l’utilisateur.
Outils : OAuth, comptes de service, journal des appels
Un serveur disponible pour tous les assistants autorisés.
Outils : Docker, votre hébergement, supervision
Méthode
On part des questions que vos équipes posent et des actions qu’elles répètent, pas de la liste de vos tables.
01
L’objectif : savoir ce que l’IA doit pouvoir faire.
On liste les questions et les actions utiles, les données concernées, les personnes qui utiliseront le serveur et les assistants qu’elles utilisent.
Livrable : la liste des outils, avec leurs droits et leurs limites.
02
L’objectif : fixer le contrat de chaque outil.
Pour chaque outil : son nom, sa description, ses paramètres, ce qu’il renvoie, ses cas d’erreur et le niveau de confirmation requis.
Livrable : une spécification validée avec vos équipes.
03
L’objectif : livrer un serveur fiable.
Je développe le serveur, je le teste avec plusieurs assistants et sur des scénarios réels, y compris des demandes ambiguës ou non autorisées.
Livrable : un serveur MCP déployé et ses tests.
04
L’objectif : rendre votre équipe autonome.
Installation dans les assistants de vos équipes, documentation et prise en main par la personne qui fera évoluer le serveur.
Livrable : un serveur documenté, que vous pouvez enrichir.
Votre consultante
Je développe des agents IA et des applications métier : je connais les deux côtés du protocole. Pour les agents qui utiliseront votre serveur, voyez la page agents IA.
Je conçois les serveurs et les agents qui les appellent.
Des droits explicites et une confirmation avant toute action sensible.
Le serveur réutilise les règles de vos applications, sans les dupliquer.
Code, accès et documentation transmis à votre équipe.
Les trois relient vos outils. La différence tient à celui qui décide de l’action : un développeur, un workflow fixe ou un assistant IA.
| Critère | API classique | Workflow n8n | Serveur MCP |
|---|---|---|---|
| Qui l’utilise | Une application développée pour elle | Un enchaînement d’étapes défini à l’avance | Un assistant ou un agent IA |
| Qui décide de l’action | Le code de l’application | Le workflow, selon ses règles | Le modèle, selon la demande de l’utilisateur |
| Réutilisation | À intégrer dans chaque application | Propre à chaque workflow | Un serveur pour tous les assistants compatibles |
| Description | Une documentation pour les développeurs | Des nœuds configurés | Des outils décrits pour être compris par le modèle |
| Cas idéal | Intégration entre logiciels | Process répétitifs et prévisibles | Questions et actions à la demande |
Sommaire
MCP, pour Model Context Protocol, est un protocole ouvert qui standardise la façon dont les applications d’IA se connectent aux outils et aux données. Lancé par Anthropic fin 2024, il a été confié fin 2025 à l’Agentic AI Foundation, une structure de la Linux Foundation. Un serveur MCP expose des capacités à l’IA. Un client, intégré à un assistant comme Claude, ChatGPT ou un éditeur de code, s’y connecte et les propose au modèle. Un même serveur sert ainsi tous les assistants compatibles.
Le protocole définit trois types de capacités. Les outils sont des actions que le modèle peut appeler : chercher une commande, créer un ticket, calculer un devis. Les ressources sont des données que l’application peut fournir au modèle comme contexte : un document, une fiche client, un schéma de base. Les prompts sont des modèles d’instructions réutilisables, proposés à l’utilisateur. Dans la plupart des projets d’entreprise, ce sont les outils qui apportent le plus de valeur.
Un serveur local tourne sur le poste de l’utilisateur, lancé par l’assistant lui-même. Il convient aux outils personnels et à l’accès à des fichiers locaux. Un serveur distant est hébergé sur un serveur et accessible par HTTP : toute l’équipe s’y connecte, et sa mise à jour se fait en un seul endroit. Pour un serveur distant, la spécification prévoit une authentification fondée sur OAuth, qui permet de savoir qui fait chaque demande et d’appliquer ses droits.
L’erreur la plus courante consiste à exposer chaque route d’une API existante comme un outil. Le modèle se retrouve avec des dizaines d’outils techniques, choisit mal et enchaîne les appels. Un bon serveur expose peu d’outils, nommés en langage métier, qui renvoient des réponses courtes et utiles. La logique métier, elle, reste dans une couche commune que partagent vos applications et le serveur MCP. Les bonnes pratiques de mise en production d’un agent IA s’appliquent aussi : réponses courtes, erreurs explicites, nombre d’appels limité.
Le principe est simple : l’agent n’en fait jamais plus que l’utilisateur qui l’emploie. Les droits du serveur sont alignés sur ceux de vos applications. Les outils de lecture et d’action sont séparés, et les actions sensibles demandent une confirmation. Chaque appel est journalisé. Enfin, les données renvoyées par un outil sont traitées comme des données et non comme des instructions, pour limiter le risque qu’un contenu piégé détourne l’agent.
Il devient utile quand vos équipes veulent interroger ou piloter vos outils depuis leur assistant IA, ou quand vous construisez plusieurs agents qui ont besoin des mêmes accès. Pour un process répétitif et prévisible, un workflow n8n reste plus simple. Les deux se combinent : n8n peut lui-même exposer des workflows comme outils MCP. Pour former vos équipes à ces usages, voyez la formation Claude Code et agents IA.
FAQ
Le protocole est pris en charge par Claude, par ChatGPT, par plusieurs éditeurs de code et par de nombreux frameworks d’agents. La liste évolue vite : je vérifie la compatibilité des assistants que vos équipes utilisent au moment du projet, ainsi que les modes de connexion qu’ils acceptent, local ou distant.
Non, il s’appuie dessus. L’API reste le moyen d’intégrer vos logiciels entre eux. Le serveur MCP ajoute une couche pensée pour les modèles d’IA : peu d’outils, bien décrits, en langage métier. Il réutilise votre API ou votre logique métier existante, sans la dupliquer.
Seulement si vous le décidez. On sépare les outils de lecture des outils d’action, et chaque action sensible peut demander une confirmation de l’utilisateur. Les droits suivent ceux de la personne connectée : l’agent ne peut pas faire ce qu’elle-même n’a pas le droit de faire.
Souvent, oui. Le serveur peut lire une base de données en lecture seule, des exports réguliers ou des fichiers partagés. Quand aucun accès n’existe, on étudie d’abord comment récupérer les données proprement, parfois avec un logiciel métier sur mesure qui les centralise.
Les données que l’outil renvoie sont transmises au modèle qui répond à l’utilisateur. Elles suivent donc les conditions du fournisseur de l’assistant. Pour limiter l’exposition, les outils renvoient le strict nécessaire, et un modèle installé chez vous peut remplacer un service en ligne pour les données sensibles.
Le moins possible. Un serveur avec quelques outils bien nommés fonctionne mieux qu’un serveur qui expose tout. On commence par les questions et actions les plus fréquentes de vos équipes, on observe l’usage réel, puis on enrichit le serveur.
Des assistants qui agissent dans vos outils
Une application pour votre process
Un modèle d'IA sur vos serveurs
Construire vos propres agents IA
Échangeons 30 minutes sur vos outils et les usages de vos équipes. Vous repartez avec les premiers outils MCP à développer.
