MCP est une norme de branchement pour les applications LLM : écrivez un serveur d’outils une fois, et tout client compatible MCP peut l’utiliser.
Comment ça marche
La spécification décrit trois rôles qui communiquent par messages JSON-RPC 2.0 :
- Hôtes : « LLM applications that initiate connections » (traduction : « applications LLM qui initient les connexions »), comme un agent d’IDE ou une application de chat.
- Clients : « Connectors within the host application » (traduction : « connecteurs au sein de l’application hôte »), un par serveur.
- Serveurs : « Services that provide context and capabilities. » (traduction : « services qui fournissent du contexte et des capacités. »)
Les serveurs peuvent proposer des outils (fonctions que le modèle peut exécuter), des ressources (données et contexte) et des prompts (modèles de messages). La spécification définit deux transports standard : stdio pour un sous-processus local, et Streamable HTTP, où chaque message est un POST HTTP et où les réponses reviennent en JSON ou sous forme de flux d’événements server-sent events.
Pour les outils, le client envoie tools/list et reçoit des noms, des descriptions et un inputSchema en JSON Schema. Il les transmet au modèle comme définitions d’outils. Quand le modèle renvoie un appel d’outil, le client envoie tools/call avec les arguments et rend le résultat au modèle.
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
Le modèle ne parle jamais au serveur MCP. Il ne voit que les définitions d’outils et les résultats : c’est pourquoi MCP fonctionne avec tout modèle qui gère bien les appels d’outils.
Pourquoi c’est important
- Réutilisation. Un seul serveur GitHub ou de base de données sert chaque agent et chaque éditeur qui parle MCP.
- Coût en tokens. Le nom, la description et le schéma de chaque outil listé sont envoyés en entrée à chaque tour. Beaucoup de serveurs avec beaucoup d’outils allongent chaque requête. N’activez que ce dont la tâche a besoin.
- Sécurité. La spécification indique que les outils « represent arbitrary code execution » (traduction : « représentent une exécution de code arbitraire ») et que les hôtes doivent obtenir le consentement de l’utilisateur avant d’invoquer un outil. Les résultats d’outils sont aussi une porte d’entrée pour l’injection de prompt.
Sur BroadNet Inference
La documentation de BroadNet ne mentionne ni serveur MCP ni endpoint propre à MCP. Vous faites tourner MCP dans votre client (Cline, Continue, opencode et d’autres) et pointez le modèle du client vers l’API compatible OpenAI de BroadNet. La documentation de BroadNet indique l’appel d’outils pour GLM 5.3 et Qwen3.8 27B. L’article MCP avec des modèles compatibles OpenAI montre des configurations de clients et une passerelle en Python.