Guide pratique de l'écosystème Model Context Protocol à travers l'exemple du dépôt Awesome-MCP-ZH

En novembre 2024, Anthropic a publié le Model Context Protocol. Le sujet des agents autonomes s'est instantanément déplacé des discussions théoriques vers la pratique quotidienne du développement. Là où auparavant les réseaux de neurones ne faisaient que générer du texte dans un chat, la norme ouverte de communication a rendu possible leur connexion directe aux bases de données, fichiers locaux, console et API de services tiers.

Lors de la recherche de solutions prêtes à l'emploi, les développeurs atterrissent généralement sur le catalogue officiel ou des collections en anglais. Ceux-ci contiennent des intégrations standard avec Slack, GitHub et PostgreSQL. Cependant, le développeur chinois yzfly a assemblé le catalogue Awesome-MCP-ZH, qui est allé bien au-delà des bases de données et des services SaaS américains populaires. Actuellement, le projet a collecté plus de 7 400 étoiles sur GitHub et est devenu l'un des catalogues d'outils les plus détaillés autour de MCP.

Quel problème ce projet résout-il

Le principal défi lors du travail avec les agents autonomes est la nature dispersée des outils. Pour qu'un réseau de neurones exécute une vraie tâche, il a besoin d'un client (interface ou éditeur de code) et de serveurs (ponts vers des programmes ou API spécifiques).

La documentation officielle fournit un concept général. Cependant, lors de l'assemblage d'un environnement de travail, vous êtes confronté à des dizaines de questions. Quel client devriez-vous choisir pour le travail local ? Comment lancer un serveur sans payer d'abonnements ? Où trouver un connecteur prêt à l'emploi pour l'automatisation du navigateur ou l'analyse de données spécifiques ?

Le catalogue Awesome-MCP-ZH structure ce domaine. Il divise les outils disponibles en groupes clairs : des clients et serveurs prêts à l'emploi aux bibliothèques pour écrire votre propre code.

Ce qu'il y a d'intéressant à l'intérieur du dépôt

Le dépôt contient des outils pour une grande variété de tâches. Examinons les catégories les plus notables.

Applications clientes pour travailler avec MCP

L'auteur du catalogue a organisé des clients populaires et de niche. Aux côtés du standard Claude Desktop, la liste inclut :

• Cherry Studio et DeepChat — interfaces graphiques pratiques pour configurer visuellement les serveurs et connecter des modèles via des API locales ou cloud.
• Cursor et Cline — solutions pour intégrer MCP directement dans un éditeur de code.
• MCP Dock — un utilitaire pour la gestion centralisée des serveurs sur 14 clients différents à la fois.
• Claude Code et Goose — agents de terminal pour les amateurs d'environnement CLI.

Automatisation du navigateur et collecte de données

Pour rassembler des informations du web, la collection propose des solutions pour tous les goûts. Si le Fetch standard ne suffit pas, vous pouvez utiliser microsoft/playwright-mcp ou chrome-devtools- mcp de l'équipe Google Chrome. Ces outils donnent au réseau de neurones la capacité de contrôler un vrai navigateur, prendre des captures d'écran, interagir avec le DOM et analyser les requêtes réseau. Pour contourner la protection contre la collecte automatisée de données, le catalogue inclut des services spécialisés comme Bright Data, Firecrawl et Oxylabs.

Travail avec le code et l'infrastructure

Les développeurs trouveront utile la section avec des outils pour l'analyse de code et la gestion de serveurs. Les points forts incluent :

• DeusData/codebase-memory-cp indexe l'ensemble du codebase dans un graphe de connaissances, aidant le modèle de langage à comprendre l'architecture et les relations dans le projet.
• pydantic/mcp-raw- python fournit un conteneur sandbox sécurisé pour exécuter du code généré.
• Les serveurs pour Kubernetes, Docker, Terraform et AWS traduisent les invites textuelles en commandes précises pour l'infrastructure cloud.

Mémoire à long terme et RAG

Une grande section est consacrée au problème du maintien du contexte. Le dépôt contient des dizaines de serveurs pour travailler avec des bases de données vectorielles et de graphes (Qdrant, Milvus, Chroma, Neo4j), ainsi que des outils de mémoire locale comme Mem0, Basic Memory et Cognee. Ils aident à préserver l'information entre différentes sessions de conversation avec le modèle.

Exemple pratique d'utilisation

Imaginez que vous ayez besoin d'analyser un projet externe et de préparer un rapport dessus. Au lieu de copier manuellement des fichiers et d'écrire des scripts, vous liez les outils nécessaires via MCP.

Comme client, nous prenons Cursor ou Cherry Studio. Nous y connectons un serveur Git (pour lire l'historique des commits), un serveur navigateur basé sur Playwright (pour vérifier la documentation en ligne) et une base de données SQLite locale pour stocker les résultats.

Après une telle configuration, le modèle peut étudier indépendamment le code du dépôt, vérifier la documentation actuelle sur le site de la bibliothèque, exécuter des requêtes de test et enregistrer le résultat dans la base de données.

Développement de vos propres serveurs

Si vous n'avez pas trouvé de connecteur prêt à l'emploi pour votre tâche, le dépôt a une section pour les développeurs. Elle contient des liens vers les SDK officiels pour TypeScript, Python, Go, C# et Rust.

Pour un démarrage rapide, l'auteur recommande le framework FastMCP. Il réduit la création d'un nouveau serveur à quelques lignes de Python :

Pour déboguer les appels et vérifier le format JSON-RPC, la liste inclut l'outil MCP Inspector. Il vous permet de tester manuellement les méthodes, ressources et invites avant de les connecter au client principal.

Qui trouvera ce dépôt utile

Awesome-MCP- ZH est utile non seulement pour ceux qui interagissent avec des services chinois comme Gitee ou Bilibili. Le projet s'est avéré plus large que sa description originale.

Vous devriez le consulter si vous construisez votre propre auto-agent, si vous cherchez des moyens d'étendre les capacités de Cursor, ou si vous voulez voir comment de vrais serveurs sont structurés en Python et TypeScript. Le projet est activement mis à jour par la communauté, vous pouvez donc facilement trouver des frameworks et outils récents qui n'ont pas encore été intégrés dans les catalogues officiels d'Anthropic.