Déployez un serveur MCP distant sur Cloudflare Workers avec McpAgent et OAuth, réduisez le contexte des outils grâce au schéma recherche et exécution de Code Mode, puis regroupez vos serveurs derrière un MCP Server Portal avec des politiques Zero Trust Access, un filtrage des outils et des journaux d’accès.
Votre serveur Model Context Protocol (MCP) fonctionne très bien sur votre ordinateur portable. Puis un collègue vous demande l’URL, un second éditeur doit l’utiliser sur une autre machine, et quelqu’un de la sécurité demande qui peut appeler quel outil. Un processus local ne peut répondre à aucune de ces questions. Cloudflare vous propose trois briques pour ce cas : Workers pour héberger le serveur, Code Mode pour réduire ce que le modèle doit lire, et MCP Server Portals pour placer chaque serveur derrière une porte unique et contrôlée. Vous trouverez ci-dessous chaque brique dans l’ordre, avec les commandes, la configuration et les pièges qui comptent, afin de passer d’un dossier vide à une installation gouvernée sans avancer à l’aveugle.
Un serveur stdio est un processus enfant d’un seul client, sur une seule machine. Cela fonctionne pour un projet de week-end. Cela cesse de fonctionner dès qu’une deuxième personne arrive : chacun installe sa propre copie, les secrets restent dans des fichiers de configuration locaux, et personne ne voit quels outils sont appelés. Un serveur distant règle chacun de ces problèmes. Vous disposez d’une seule URL, d’un seul déploiement et d’un seul endroit où lire les journaux.
Le local reste préférable dans un cas : un outil qui touche aux fichiers de la machine d’une seule personne, comme un dossier de notes privées. L’hébergement distant est destiné aux outils que plusieurs personnes ou plusieurs agents partagent.
Workers exécute votre code sur le réseau edge de Cloudflare, au plus près de celui qui appelle. Pour MCP en particulier, Cloudflare fournit trois briques :
McpAgent, une classe du SDK Agents qui gère le transport distant. Le SDK sert Streamable HTTP à votre place.workers-oauth-provider, une bibliothèque OAuth 2.1 qui enveloppe votre Worker et ajoute l’autorisation à ses points de terminaison, y compris les points de terminaison MCP.mcp-remote, un adaptateur qui permet aux clients ne parlant que stdio de se connecter à un serveur distant.| Besoin | Serveur stdio local | Serveur distant sur Workers |
|---|---|---|
| Qui peut l’utiliser | Une seule machine | Toute personne disposant de l’URL et d’un identifiant |
| Mise à jour | Réinstallation sur chaque machine | Un seul wrangler deploy |
| Secrets | Fichiers de configuration locaux | Secrets de Worker |
| État par session | Mémoire du processus | Durable Objects |
| Visibilité | Aucune intégrée | Journaux d’accès du portail |
💡 À retenir : distant ne veut pas dire public. Traitez l’URL comme une API exposée sur Internet dès le premier déploiement.
Cloudflare maintient un modèle pour un serveur sans connexion, qui est le moyen le plus rapide de voir les pièces en mouvement :
npm create cloudflare@latest -- my-mcp-server --template=cloudflare/ai/demos/remote-mcp-authless
cd my-mcp-server
npm start
Votre serveur écoute désormais localement à l’adresse http://localhost:8788/mcp. Rien d’autre à installer.
Le cœur du projet est une classe qui étend McpAgent. Vous enregistrez les outils dans init(), exactement comme avec le SDK TypeScript officiel :
import { McpAgent } from "agents/mcp";
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";
export class MyMCP extends McpAgent {
server = new McpServer({ name: "math", version: "1.0.0" });
async init() {
this.server.tool("add", { a: z.number(), b: z.number() }, async ({ a, b }) => ({
content: [{ type: "text", text: String(a + b) }],
}));
}
}
export default MyMCP.serve("/mcp");
Cette classe est aussi un Durable Object, ce qui explique pourquoi la configuration du projet déclare un binding et une migration pour elle. Les Durable Objects donnent à chaque session MCP son propre état, sans base de données de votre côté. Si vos outils ne renvoient que des résultats purs, vous n’aurez jamais à toucher à cet état. Dès que vous suivez un panier, un brouillon ou une longue conversation, vous serez content qu’il existe.
Lancez le MCP Inspector dans un second terminal et pointez-le vers l’URL locale :
npx @modelcontextprotocol/inspector@latest
Appelez votre outil depuis son interface web. Quand il se comporte correctement, déployez :
npx wrangler@latest deploy
Votre serveur est alors en ligne à l’adresse https://my-mcp-server.<your-account>.workers.dev/mcp. Les clients qui ne parlent que stdio, comme Claude Desktop, se connectent via l’adaptateur :
{
"mcpServers": {
"math": {
"command": "npx",
"args": ["mcp-remote", "https://my-mcp-server.<your-account>.workers.dev/mcp"]
}
}
}
Vous pouvez aussi coller l’URL dans le Cloudflare AI Playground ou dans l’Inspector pour tester la version déployée.
Un serveur sans authentification convient à une démonstration, mais c’est une mauvaise idée dès qu’il touche à de vraies données. Le second modèle de Cloudflare intègre GitHub comme fournisseur d’identité :
npm create cloudflare@latest -- my-mcp-server-github-auth --template=cloudflare/ai/demos/remote-mcp-github-oauth
La mise en place tient en une courte liste de contrôle :
npx wrangler secret put GITHUB_CLIENT_ID et npx wrangler secret put GITHUB_CLIENT_SECRET, ainsi que le secret de chiffrement des cookies indiqué dans le README du modèle.npx wrangler kv namespace create "OAUTH_KV".wrangler.jsonc, puis déployez.En coulisses, workers-oauth-provider enveloppe votre Worker, si bien que vos outils reçoivent des informations d’utilisateur déjà authentifiées sous forme de paramètre. Vous n’écrivez pas vous-même les vérifications de jetons, et c’est tout l’intérêt.
💡 Astuce : GitHub n’est qu’une option. La même bibliothèque peut se placer devant n’importe quel fournisseur d’identité OAuth, ce qui compte dès que vous prévoyez de placer le serveur derrière un portail.
Chaque définition d’outil que vous exposez est un texte que le modèle doit lire avant de faire quoi que ce soit d’utile. C’est gérable avec dix outils. Cela s’effondre avec une plateforme entière. Cloudflare indique que l’exposition de son API, qui compte plus de 2 500 points de terminaison, sous forme d’outils MCP classiques représenterait plus de 1,17 million de tokens. Avec Code Mode, la même couverture tient en environ 1 000 tokens.
Il existe un second coût, moins souvent mentionné. Dans une boucle classique d’appels d’outils, chaque résultat intermédiaire repasse par le modèle. Si l’étape deux a besoin de la sortie de l’étape un, le modèle la lit, la reformule et la transmet. Code Mode permet au modèle d’écrire à la place un court programme. Les appels dépendants s’exécutent dans le sandbox, les données intermédiaires y restent, et seule la réponse finale revient dans la conversation. Moins d’allers-retours signifie moins de texte à lire et moins de risques de recopier une valeur de travers.
Le modèle pour les grandes API, openApiMcpServer(), n’expose que deux outils :
search exécute un code écrit par le modèle sur un document OpenAPI, dans un sandbox, et ne renvoie que les opérations, paramètres ou schémas nécessaires à la tâche.execute exécute un code écrit par le modèle avec une fonction de requête authentifiée que fournit votre Worker.Comme l’indique la documentation, seul le sous-ensemble renvoyé entre dans le contexte du modèle. Le modèle pose une question précise, obtient une réponse précise, puis agit.
Prenons une demande du type liste les enregistrements DNS de ma zone. Le modèle écrit d’abord un petit extrait pour search qui filtre les chemins OpenAPI jusqu’aux opérations DNS, et obtient une poignée de correspondances au lieu de milliers. Il écrit ensuite un extrait pour execute qui appelle la bonne opération via votre fonction de requête et ne renvoie que les champs dont il a besoin. Deux courts allers-retours remplacent une liste d’outils de la taille d’un annuaire téléphonique.
Pour en créer un, il vous faut un projet Workers, un document OpenAPI 3.x et une méthode côté hôte pour authentifier les requêtes.
Le code écrit par le modèle s’exécute dans un Worker isolé, et l’accès réseau sortant direct est bloqué par défaut. Le code généré ne peut atteindre le monde extérieur que via les outils MCP en amont ou la fonction de rappel de requête que vous fournissez. C’est une valeur par défaut solide, mais elle ne gère pas l’autorisation à votre place :
codeMcpServer() | openApiMcpServer() | |
|---|---|---|
| Idéal pour | Envelopper un serveur MCP existant avec un ensemble d’outils gérable | Les grands catalogues d’API |
| Ce que voit le modèle | Un seul outil code avec les définitions TypeScript de chaque opération en amont | Deux outils : search et execute |
| Comment les appels ont lieu | Via un namespace codemode, si bien que les appels dépendants se composent dans le sandbox | Les opérations sélectionnées sont appelées via une fonction de requête fournie par l’hôte |
| Coût en contexte | Augmente avec le nombre d’outils en amont | Borné, car seuls les résultats de search reviennent |
💡 Règle empirique : enveloppez ce que vous avez déjà avec
codeMcpServer(). Tournez-vous versopenApiMcpServer()lorsque votre liste d’outils ressemble à un catalogue plutôt qu’à une boîte à outils.
Les MCP Server Portals sont sortis en bêta ouverte en août 2025, dans le cadre de Cloudflare One. L’idée est simple : faire passer chaque requête MCP par un point de terminaison de portail unique, y appliquer des politiques Zero Trust, et tout journaliser.
Avant d’ouvrir le tableau de bord, vérifiez trois points :
https://<subdomain>.<domain>/mcp.Un serveur n’apparaît dans le portail que pour les personnes qui correspondent à une politique Allow. Les intitulés des menus peuvent changer pendant qu’une fonctionnalité est en bêta, alors fiez-vous au tableau de bord actuel plutôt qu’à une capture d’écran.
Dans les paramètres du portail, vous pouvez désactiver le bouton à côté de n’importe quel outil ou prompt que vous voulez masquer. Chaque serveur affiche un compteur Tools authorized qui vous indique combien d’outils vous exposez. Quelques contrôles méritent d’être connus :
{server_id}_{tool_name}, si bien que deux serveurs peuvent avoir chacun un outil search sans conflit.Les journaux du portail enregistrent l’heure, le statut, le nom du serveur, la capacité et la durée, par portail ou par serveur. Ils peuvent être exportés avec Logpush vers un stockage tiers ou un SIEM. Pour un déploiement en équipe, c’est là que vous répondez à la question posée par la sécurité dans le premier paragraphe : qui a appelé quoi, et quand.
Un ordre de déploiement qui limite les mauvaises surprises :
/mcp en production avant de l’ajouter à un portail.💡 Test rapide : ouvrez le portail en tant qu’utilisateur qui ne figure pas dans votre politique Allow. Si vous voyez un serveur, votre politique est incorrecte.
Quel que soit le client qui appelle votre serveur, il lui faut un modèle performant derrière. Ces modèles de langage PicassoIA valent tous la peine d’être testés avec vos outils :
| Modèle | Point fort indiqué |
|---|---|
| Claude Sonnet 5 | Automatisation des tâches de programmation |
| GPT 5.6 Sol | Résolution de tâches de programmation complexes |
| Kimi K2.6 | Création d’agents d’IA et écriture de code |
| Gemini 3.5 Flash | Chat rapide, code et images |
Ils sont aussi utiles avant tout déploiement : demandez à l’un d’eux de rédiger les descriptions d’outils, d’écrire le TypeScript que vous fourniriez à Code Mode, ou de relire votre document OpenAPI pour repérer les opérations que vous préféreriez ne pas exposer.
Un Worker peut appeler n’importe quelle API HTTP, donc un outil MCP peut appeler celle de PicassoIA. La PicassoIA API se trouve à https://api.picassoia.com/v1, accepte un jeton d’accès (bearer) qui commence par pia_sk_, et suit un modèle inspiré de Replicate : POST /v1/models/{owner}/{name}/predictions crée une tâche et GET /v1/predictions/{id} lit son statut. Les tâches sont asynchrones, et un compte peut lancer jusqu’à 5 prédictions simultanément.
Cette structure se traduit naturellement en deux outils : l’un qui lance une génération et renvoie un identifiant, et l’autre qui interroge le résultat. Stockez le jeton avec npx wrangler secret put PICASSOIA_API_TOKEN, et ne l’affichez jamais dans un résultat d’outil. Si vous préférez ne rien construire, PicassoIA propose aussi sa propre connexion MCP, qui donne directement à votre client les mêmes modèles d’image et de vidéo.
Vous avez maintenant le parcours complet : un Worker qui sert MCP, OAuth devant lui, Code Mode pour garder un contexte réduit, et un portail pour tout gouverner. La récompense la plus rapide consiste à faire faire quelque chose de visuel à votre serveur.
Ouvrez Seedream 5 Pro, GPT Image 2 ou FLUX 2 Pro et rédigez un prompt pour la photo que vous auriez voulu avoir pour votre dernier projet. Poussez ensuite plus loin avec Seedance 2.0 ou Veo 3.1 Fast pour transformer l’image fixe en mouvement. Expérimentez la lumière, l’objectif et l’angle jusqu’à ce que le résultat ressemble à un vrai tournage.
Chaque modèle est listé à l’adresse picassoia.com/en/all-models. Choisissez-en un, lancez un prompt et voyez ce qui en ressort.
Choisissez votre langue
