BroadRouter

Serveurs MCP avec des modèles compatibles OpenAI (tout fournisseur)

Par l’équipe BroadNet Inference · 4 min de lecture · Publié · Mis à jour

MCP ne dépend pas du modèle. Le client MCP de votre application liste les outils de chaque serveur, les transmet au modèle comme des outils de function calling ordinaires et exécute tools/call quand le modèle le demande. Tout modèle compatible OpenAI doté d’un appel d’outils fiable peut utiliser des serveurs MCP. Configurez-les dans Cline, Continue, opencode ou n8n, ou faites le pont en une quarantaine de lignes de Python.

Le Model Context Protocol (MCP) donne aux agents un moyen standard d’accéder à des outils : GitHub, bases de données, systèmes de fichiers, navigateurs. Beaucoup de tutoriels MCP supposent Claude ou GPT. Vous n’avez besoin ni de l’un ni de l’autre. Cet article explique pourquoi MCP fonctionne avec tout modèle compatible OpenAI qui gère l’appel d’outils, comment le configurer dans les clients que les développeurs utilisent vraiment, et comment relier MCP à un modèle ouvert dans votre propre code.

Pourquoi MCP fonctionne-t-il avec n’importe quel modèle ?

MCP se place entre votre application et les serveurs d’outils, pas entre votre application et le modèle. La documentation d’architecture de MCP décrit trois rôles :

  • Hôte : l’application d’IA, par exemple une extension d’éditeur ou votre script.
  • Client : une connexion que l’hôte maintient avec chaque serveur MCP.
  • Serveur : un programme qui expose des outils, des ressources et des prompts, en local via stdio ou à distance via Streamable HTTP.

La documentation est explicite : MCP « does not dictate how AI applications use LLMs or manage the provided context. » (traduction : « n’impose pas la façon dont les applications d’IA utilisent les LLM ni dont elles gèrent le contexte fourni. ») L’hôte liste les outils de chaque serveur avec tools/list, les fusionne dans un registre unique visible par le modèle et, quand le modèle demande un outil, envoie tools/call au bon serveur.

Sur une API compatible OpenAI, « visible par le modèle » signifie que les outils vont dans le tableau tools ordinaire. Un outil MCP a déjà un nom, une description et un inputSchema, qui se transposent un pour un en définition de fonction. Le modèle ne sait jamais que MCP est en jeu. Il lui faut seulement un appel d’outils fiable.

Quel modèle utiliser pour MCP ?

Modèle chez BroadNet Appel d’outils indiqué Contexte Adéquation à MCP
GLM 5.3 Oui 1 048 576 Bon choix par défaut pour de nombreux serveurs
Qwen3.8 27B Oui 262 144 Bon, avec en plus l’entrée image
DeepSeek V4.1 Flash Non indiqué 1 048 576 À tester d’abord ; entrée image
Gemma 4 VL 26B Non indiqué 32 768 Déconseillé

Pour comparer côte à côte les deux modèles qui gèrent les outils, voir GLM 5.3 vs Qwen3.8 27B. Le contexte compte plus qu’on ne le croit. Chaque schéma d’outil MCP voyage avec chaque appel. La documentation d’opencode dit : « MCP tools consume model context, so add only the servers you need. » (traduction : « les outils MCP consomment du contexte du modèle : n’ajoutez que les serveurs dont vous avez besoin. ») L’article sur le budget de tokens d’un agent montre comment le mesurer.

Comment configurer MCP dans les clients courants ?

Client Où déclarer les serveurs MCP Transports Remarque
Cline Panneau MCP Servers, JSON mcpServers stdio, Streamable HTTP, SSE historique Type distant "streamableHttp"
Continue mcpServers dans config.yaml ou .continue/mcpServers/ stdio, sse, streamable-http Mode Agent uniquement
opencode mcp.servers dans opencode.jsonc local, remote Utiliser {env:NAME} pour les secrets
n8n Nœud MCP Client Tool sur un AI Agent Endpoint d’un serveur distant (sa documentation décrit un endpoint SSE) Choisir All, Selected ou All Except
OpenAI Agents SDK mcp_servers=[...] sur l’Agent stdio, Streamable HTTP, SSE Pas HostedMCPTool

Pointez ensuite le modèle du client vers votre fournisseur : les guides Cline, Continue et opencode couvrent la partie modèle pour BroadNet. Dans Continue, n’oubliez pas la capacité tool_use, sinon le mode Agent ne sera pas disponible.

Un exemple pour Continue, tiré de sa documentation :

mcpServers:
  - name: SQLite MCP
    type: stdio
    command: npx
    args: ["-y", "mcp-sqlite", "/path/to/your/database.db"]

Comment relier MCP à un modèle ouvert en Python ?

Si vous construisez votre propre agent, le pont est court. Il utilise le Client du SDK Python de MCP (version 2.0 ou ultérieure ; pip install "mcp>=2"), qui lance un serveur stdio quand on lui passe des StdioServerParameters, et le SDK d’OpenAI pointé vers BroadNet :

import asyncio, json, os
from mcp import Client, StdioServerParameters
from mcp.types import TextContent
from openai import OpenAI

llm = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
server = StdioServerParameters(command="npx",
    args=["-y", "@modelcontextprotocol/server-filesystem", "."])

async def main(question):
    async with Client(server) as mcp:
        listed = await mcp.list_tools()
        tools = [{"type": "function", "function": {
                    "name": t.name, "description": t.description or "",
                    "parameters": t.input_schema}} for t in listed.tools]
        messages = [{"role": "user", "content": question}]
        for _ in range(8):
            r = llm.chat.completions.create(model="broadnet/glm-5.3",
                    messages=messages, tools=tools, max_tokens=4000)
            msg = r.choices[0].message
            messages.append(msg.model_dump(exclude_none=True))
            if not msg.tool_calls:
                return msg.content
            for call in msg.tool_calls:
                try:
                    res = await mcp.call_tool(call.function.name,
                                              json.loads(call.function.arguments or "{}"))
                    text = "\n".join(b.text for b in res.content if isinstance(b, TextContent))
                    out = f"Error: {text}" if res.is_error else text
                except Exception as e:
                    out = f"Error: {e}"
                messages.append({"role": "tool", "tool_call_id": call.id, "content": out})

print(asyncio.run(main("List the Markdown files here and summarize the README.")))

Avec mcp 1.x, il n’existe pas de classe Client : ouvrez le serveur avec stdio_client(...), enveloppez-le dans une ClientSession, appelez initialize() et lisez les champs en camelCase inputSchema et isError. Trois détails comptent :

  1. Les erreurs deviennent des résultats d’outil. Le SDK de MCP signale les échecs d’outil avec is_error au lieu de lever une exception. Renvoyez-les pour que le modèle s’adapte. Notre guide de l’appel d’outils couvre la validation et les relances.
  2. Bornez la boucle. Ici, huit étapes. Les serveurs MCP qui renvoient de gros résultats remplissent vite le contexte.
  3. Filtrez les outils. N’exposez que ceux dont la tâche a besoin. L’OpenAI Agents SDK propose tool_filter pour cela, et n8n propose Selected et All Except.

Vous utilisez plutôt l’OpenAI Agents SDK ? Ses classes MCPServerStdio et MCPServerStreamableHttp tournent dans votre processus. Combinez-les avec un fournisseur personnalisé comme dans notre guide de l’Agents SDK. Son HostedMCPTool tourne dans la Responses API d’OpenAI et ne fonctionne qu’avec les modèles OpenAI.

Qu’est-ce qui coince avec MCP sur des modèles ouverts ?

  • Trop d’outils. Le modèle choisit le mauvais ou ignore les outils. Gardez un ensemble actif réduit. Pour vos propres outils, le générateur de JSON Schema produit un schéma parameters propre et plat.
  • Résultats d’outils volumineux. Un serveur qui renvoie toute une table de base de données peut faire exploser la fenêtre de contexte. Limitez ou paginez.
  • Réponses vides ou coupées. GLM 5.3 et Qwen3.8 27B raisonnent d’abord, et le raisonnement compte dans max_tokens. Augmentez-le.
  • Confiance. Les serveurs MCP exécutent du code sur votre machine ou appellent des services avec vos identifiants. Installez des serveurs de confiance et faites confirmer les actions qui écrivent ou dépensent.

La place de BroadNet Inference

BroadNet Inference fournit la partie modèle : GLM 5.3 et Qwen3.8 27B, pour lesquels l’appel d’outils est indiqué, via le format standard des chat completions que tous les clients MCP ci-dessus savent utiliser, avec conservation zéro des données pour les prompts et les sorties. BroadNet ne fait pas tourner de serveurs MCP ni d’outils hébergés pour vous : c’est le rôle de votre client. Les prix au token des deux modèles figurent sur la page des prix, et les clés s’obtiennent sur inference.broadnet.ai.

Questions fréquentes

Puis-je utiliser MCP avec un modèle qui n’est ni Claude ni GPT ?

Oui. MCP est un protocole entre votre application et des serveurs d’outils. L’application transmet les outils au modèle qu’elle utilise, dans le format d’appel d’outils de ce modèle. Tout modèle compatible OpenAI dont l’appel d’outils fonctionne peut utiliser des outils MCP.

Le modèle doit-il prendre en charge MCP ?

Non. Le modèle a seulement besoin du function calling. Le client MCP de votre application fait le travail lié au protocole : lister les outils et les appeler.

Quels agents de code prennent en charge MCP avec un modèle personnalisé compatible OpenAI ?

Cline, Continue en mode Agent et opencode permettent tous de configurer des serveurs MCP et un modèle personnalisé compatible OpenAI. Zoo Code, la suite de Roo Code, annonce aussi la prise en charge de MCP.

Pourquoi ajouter des serveurs MCP rend-il mon agent plus lent et plus cher ?

Les définitions d’outils de chaque serveur sont ajoutées au prompt à chaque appel du modèle. Dix serveurs avec une douzaine d’outils chacun peuvent ajouter des milliers de tokens d’entrée par étape. N’activez que les serveurs utiles à la tâche, ou filtrez les outils.

Les outils MCP hébergés fonctionnent-ils avec d’autres fournisseurs ?

Pas ceux qu’héberge OpenAI. Selon la documentation de l’OpenAI Agents SDK, HostedMCPTool fonctionne avec les modèles OpenAI qui prennent en charge l’intégration MCP hébergée de la Responses API. Avec d’autres fournisseurs, utilisez les classes de serveurs MCP locaux du SDK.

Lire en MarkdownDemander à ChatGPTDemander à ClaudeDemander à Perplexity