Ce guide d'étude offre un aperçu de la structure et du contenu du dépôt pour le programme "Protocole de Contexte de Modèle (MCP) pour Débutants". Utilisez ce guide pour naviguer efficacement dans le dépôt et tirer le meilleur parti des ressources disponibles.
Le Protocole de Contexte de Modèle (MCP) est un cadre standardisé pour les interactions entre les modèles d'IA et les applications clientes. Initialement créé par Anthropic, MCP est désormais maintenu par la communauté MCP via l’organisation officielle GitHub. Ce dépôt propose un programme complet avec des exemples de code pratiques en C#, Java, JavaScript, Python et TypeScript, destiné aux développeurs IA, architectes systèmes et ingénieurs logiciels.
mindmap
root((MCP for Beginners))
00. Introduction
::icon(fa fa-book)
(Protocol Overview)
(Standardization)
(Use Cases)
01. Core Concepts
::icon(fa fa-puzzle-piece)
(Client-Server Architecture)
(Protocol Components)
(Messaging Patterns)
02. Security
::icon(fa fa-shield)
(Threat Models)
(Best Practices)
(Auth Strategies)
03. Getting Started
::icon(fa fa-rocket)
(First Server)
(Client)
(LLM Client)
(VS Code Integration)
(SSE Server)
(HTTP Streaming)
(AI Toolkit)
(Testing)
(Deployment)
04. Practical Implementation
::icon(fa fa-code)
(SDKs)
(Testing/Debugging)
(Prompt Templates)
(Sample Projects)
05. Advanced Topics
::icon(fa fa-graduation-cap)
(Context Engineering)
(Foundry Integration)
(Multi-modal AI)
(OAuth2 Demo)
(Real-time Search)
(Streaming)
(Root Contexts)
(Routing)
(Sampling)
(Scaling)
(Security)
(Entra ID)
(Web Search)
06. Community
::icon(fa fa-users)
(Code Contributions)
(Documentation)
(MCP Clients)
(MCP Servers)
(Image Generation)
07. Early Adoption
::icon(fa fa-lightbulb)
(Real-world Examples)
(Deployment Stories)
(Future Roadmap)
08. Best Practices
::icon(fa fa-check)
(Performance)
(Fault Tolerance)
(Resilience)
09. Case Studies
::icon(fa fa-file-text)
(API Management)
(Travel Agent)
(Azure DevOps)
(Documentation MCP)
10. Hands-on Workshop
::icon(fa fa-laptop)
(AI Toolkit Integration)
(Custom Server Development)
(Production Deployment)
Le dépôt est organisé en dix sections principales, chacune abordant différents aspects du MCP :
-
Introduction (00-Introduction/)
- Présentation du Protocole de Contexte de Modèle
- Pourquoi la standardisation est importante dans les pipelines IA
- Cas d’usage pratiques et avantages
-
Concepts de Base (01-CoreConcepts/)
- Architecture client-serveur
- Composants clés du protocole
- Schémas de messagerie dans MCP
-
Sécurité (02-Security/)
- Menaces de sécurité dans les systèmes basés sur MCP
- Bonnes pratiques pour sécuriser les implémentations
- Stratégies d’authentification et d’autorisation
-
Premiers Pas (03-GettingStarted/)
- Configuration et mise en place de l’environnement
- Création de serveurs et clients MCP basiques
- Intégration avec des applications existantes
- Comprend des sections sur :
- Première implémentation de serveur
- Développement client
- Intégration client LLM
- Intégration VS Code
- Serveur Server-Sent Events (SSE)
- Streaming HTTP
- Intégration AI Toolkit
- Stratégies de test
- Directives de déploiement
-
Implémentation Pratique (04-PracticalImplementation/)
- Utilisation des SDK dans différents langages de programmation
- Techniques de débogage, test et validation
- Création de modèles de prompt et workflows réutilisables
- Projets exemples avec cas d’implémentation
-
Sujets Avancés (05-AdvancedTopics/)
- Techniques d’ingénierie du contexte
- Intégration d’agents Foundry
- Workflows IA multimodaux
- Démos d’authentification OAuth2
- Capacités de recherche en temps réel
- Streaming en temps réel
- Implémentation de contextes racines
- Stratégies de routage
- Techniques d’échantillonnage
- Approches de montée en charge
- Considérations de sécurité
- Intégration de la sécurité Entra ID
- Intégration de la recherche web
-
Contributions Communautaires (06-CommunityContributions/)
- Comment contribuer au code et à la documentation
- Collaboration via GitHub
- Améliorations et retours pilotés par la communauté
- Utilisation de différents clients MCP (Claude Desktop, Cline, VSCode)
- Travail avec des serveurs MCP populaires incluant la génération d’images
-
Leçons des Premières Adoptions (07-LessonsfromEarlyAdoption/)
- Implémentations réelles et retours d’expérience
- Construction et déploiement de solutions basées sur MCP
- Tendances et feuille de route future
-
Bonnes Pratiques (08-BestPractices/)
- Optimisation des performances
- Conception de systèmes MCP tolérants aux pannes
- Stratégies de test et de résilience
-
Études de Cas (09-CaseStudy/)
- Étude de cas : intégration Azure API Management
- Étude de cas : implémentation d’un agent de voyage
- Étude de cas : intégration Azure DevOps avec YouTube
- Exemples d’implémentation avec documentation détaillée
-
Atelier Pratique (10-StreamliningAIWorkflowsBuildingAnMCPServerWithAIToolkit/)
- Atelier complet combinant MCP et AI Toolkit
- Création d’applications intelligentes reliant modèles IA et outils du monde réel
- Modules pratiques couvrant les fondamentaux, le développement de serveurs personnalisés et les stratégies de déploiement en production
- Approche d’apprentissage par laboratoire avec instructions pas à pas
Le dépôt inclut des ressources complémentaires :
- Dossier Images : Contient les diagrammes et illustrations utilisés dans le programme
- Traductions : Support multilingue avec traductions automatiques de la documentation
- Ressources Officielles MCP :
- Apprentissage Séquentiel : Suivez les chapitres dans l’ordre (de 00 à 10) pour une progression structurée.
- Focus Langage Spécifique : Si vous êtes intéressé par un langage de programmation particulier, explorez les dossiers d’exemples pour les implémentations correspondantes.
- Mise en Pratique : Commencez par la section "Premiers Pas" pour configurer votre environnement et créer votre premier serveur et client MCP.
- Exploration Avancée : Une fois les bases acquises, plongez dans les sujets avancés pour approfondir vos connaissances.
- Engagement Communautaire : Rejoignez la communauté MCP via les discussions GitHub et les canaux Discord pour échanger avec des experts et d’autres développeurs.
Le programme couvre divers clients et outils MCP :
-
Clients Officiels :
- Visual Studio Code
- MCP dans Visual Studio Code
- Claude Desktop
- Claude dans VSCode
- Claude API
-
Clients Communautaires :
- Cline (terminal)
- Cursor (éditeur de code)
- ChatMCP
- Windsurf
-
Outils de Gestion MCP :
- MCP CLI
- MCP Manager
- MCP Linker
- MCP Router
Le dépôt présente plusieurs serveurs MCP, notamment :
-
Serveurs de Référence Officiels :
- Filesystem
- Fetch
- Memory
- Sequential Thinking
-
Génération d’Images :
- Azure OpenAI DALL-E 3
- Stable Diffusion WebUI
- Replicate
-
Outils de Développement :
- Git MCP
- Terminal Control
- Code Assistant
-
Serveurs Spécialisés :
- Salesforce
- Microsoft Teams
- Jira & Confluence
Ce dépôt accueille les contributions de la communauté. Consultez la section Contributions Communautaires pour savoir comment contribuer efficacement à l’écosystème MCP.
| Date | Modifications |
|---|---|
| 16 juillet 2025 | - Mise à jour de la structure du dépôt pour refléter le contenu actuel - Ajout de la section Clients et Outils MCP - Ajout de la section Serveurs MCP Populaires - Mise à jour de la Carte Visuelle du Programme avec tous les sujets actuels - Renforcement de la section Sujets Avancés avec toutes les spécialisations - Mise à jour des Études de Cas avec des exemples concrets - Clarification de l’origine du MCP créé par Anthropic |
| 11 juin 2025 | - Création initiale du guide d’étude - Ajout de la Carte Visuelle du Programme - Présentation de la structure du dépôt - Inclusion de projets exemples et ressources supplémentaires |
Ce guide d’étude a été mis à jour le 16 juillet 2025 et offre un aperçu du dépôt à cette date. Le contenu du dépôt peut être modifié après cette date.
Avertissement :
Ce document a été traduit à l’aide du service de traduction automatique Co-op Translator. Bien que nous nous efforcions d’assurer l’exactitude, veuillez noter que les traductions automatiques peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d’origine doit être considéré comme la source faisant foi. Pour les informations critiques, une traduction professionnelle réalisée par un humain est recommandée. Nous déclinons toute responsabilité en cas de malentendus ou de mauvaises interprétations résultant de l’utilisation de cette traduction.