Formateur MCP : Model Context Protocol, FastMCP et LangChain

Je vous apprends à exposer vos outils et vos données aux LLM par un seul protocole, du message JSON-RPC jusqu'au serveur en production.

Mon approche

Sans protocole commun, chaque modèle doit être relié à chaque outil par un code d'intégration spécifique. MCP remplace ce travail par une interface unique entre un hôte, un client et un serveur. Ma formation commence au niveau du protocole, pour que vous sachiez lire un échange et déboguer un serveur qui ne répond pas comme prévu.

Je suis l'auteur de Practical MCP with FastMCP & LangChain. Les participants écrivent leurs serveurs en Python avec FastMCP, les branchent sur des clients maison, sur GitHub Copilot et sur Claude Code, puis les relient à des agents LangChain.

Ce que je couvre

Pourquoi MCP et comment il est organisé

  • Le problème des intégrations multiples et l'image de l'USB-C
  • Les rôles de l'hôte, du client et du serveur
  • Comment un agent choisit un tool MCP et l'appelle

Les primitives du protocole

  • Côté serveur : tools, resources, prompts, logging, pagination, completions
  • Côté client : sampling et elicitation
  • Quatre notions souvent confondues : RAG, function calling, tools MCP et resources MCP

Le protocole sur le fil

  • Messages JSON-RPC et transports
  • Handshake et négociation des capacités
  • Suivre une requête en sept étapes, du prompt à la réponse finale

Premiers serveurs et premiers clients

  • Un serveur avec le SDK officiel, testé dans MCP Inspector
  • Un client qui relie un LLM au serveur par function calling
  • MCP et FastMCP : démêler les noms et comprendre ce qui a changé
  • Configurations JSON et client FastMCP pour les tests

FastMCP en profondeur

  • Types, docstrings et validation Pydantic pour des tools que le LLM comprend
  • Masquer des paramètres au modèle et utiliser les annotations
  • Tools synchrones ou asynchrones
  • Messages d'erreur exploitables par le LLM, sans fuite de détails internes
  • L'objet Context pour rendre un tool conscient de la session

Un serveur qui dialogue pendant l'exécution

  • Logging du serveur vers le client et données structurées
  • Elicitation : mettre un tool en pause pour interroger l'utilisateur
  • Suivi de progression et sampling du LLM du client
  • État de session, lifespan et middleware autour de chaque requête

Agents LangChain et RAG branchés sur MCP

  • Construire un agent LangChain à function calling
  • Donner à un agent LangChain les tools d'un serveur MCP existant
  • Embeddings, chunking, vector store et recherche top-k derrière un agent MCP

Déployer et sécuriser en production

  • Architectures de gateway et de proxy
  • Exécuter FastMCP en production et le faire monter en charge
  • Middleware de contrôle d'accès sur chaque requête

Exemples de travaux pratiques

Pour qui

Développeurs Python, ingénieurs IA et architectes qui veulent connecter un LLM à leurs API, bases de données ou outils internes. Les équipes plateforme qui doivent héberger et sécuriser des serveurs MCP pour toute l'entreprise y trouvent la partie production et middleware.

Prérequis

Formats

Entreprises et organisations formées

Microsoft · Intel · Société Générale · Michelin · Ministère des Armées · Ministère de l'Éducation nationale · Ministère de l'Intérieur · Orange · EDF · Iliad / Free · Assurance Maladie · Ville de Strasbourg · Groupe Hospitalier du Havre · General Electric · Synechron · Sagemcom · Cryostar · Mediagenix · Config · Echosens · Coyote System · Viadialog · RS2i · Amphenol Socapex · 4JS · NTI · GPSEA · CentralPay · Lazeo · Kabia · Vademi · UOC

Mes livres sur le sujet

Questions fréquentes

Pourquoi FastMCP plutôt que le SDK officiel ?

Je montre d'abord le SDK officiel pour que vous voyiez le protocole sans couche d'abstraction. FastMCP vient ensuite parce qu'il réduit beaucoup le code pour le même résultat.

Nos serveurs MCP fonctionneront-ils avec plusieurs assistants ?

C'est l'intérêt du protocole. Pendant la formation, le même serveur est appelé depuis un client Python, GitHub Copilot et Claude Code sans modification.

Comment éviter qu'un agent appelle un tool sensible sans contrôle ?

Nous voyons trois leviers : un middleware qui filtre chaque requête, l'elicitation pour demander une confirmation humaine, et des paramètres cachés au modèle.

Formations proches

Organiser une formation

Décrivez votre équipe, son niveau et vos objectifs. Je vous réponds avec un programme adapté.

Me contacter