Gemini prend bien en charge le Model Context Protocol, mais chaque surface le gère différemment. Cet article compare Gemini CLI, l’API Gemini et le SDK, les agents gérés, l’application Gemini et Gemini Enterprise, avec les champs de configuration, les commandes, les limites et un snippet Python fonctionnel.
Oui, Gemini prend en charge le Model Context Protocol, mais la réponse change selon la porte que vous franchissez. Gemini CLI traite MCP comme une fonctionnalité intégrée. L’API Gemini y accède via un client SDK expérimental et, en préversion, via les agents gérés. L’application Gemini n’accepte les serveurs distants que pour un groupe restreint d’utilisateurs, et Gemini Enterprise laisse la configuration aux administrateurs. Si trois fils de forum vous ont donné trois réponses différentes, elles étaient probablement toutes justes, mais à propos de produits différents.
Cet article parcourt chaque voie selon ce que Google documente en date d’octobre 2026. Vous verrez quelle voie exécute un processus local, laquelle exige une adresse HTTPS publique, où se situent les limites des modèles et quels comptes peuvent utiliser chaque option. Vous trouverez un fichier de réglages fonctionnel, un snippet Python, un tableau de décision et une courte liste d’erreurs qui font perdre le plus de temps.
MCP, le Model Context Protocol, est une norme ouverte qui permet à un assistant d’IA d’appeler des outils et de lire des ressources depuis un serveur distinct. Vous écrivez un serveur une seule fois, et n’importe quel client MCP peut l’utiliser. Gemini joue le rôle de client sous cinq formes différentes, et chacune a ses propres règles sur l’emplacement du serveur, sur la personne qui se connecte et sur ce que le modèle est autorisé à toucher.
| Surface | Prise en charge de MCP | Emplacement du serveur | Statut |
|---|---|---|---|
| Gemini CLI | Intégrée | Processus local ou URL distante | Documentée |
| API Gemini avec SDK Python et JS | Session transmise en tant qu’outil | Partout où votre code peut se connecter | Expérimentale |
| API Gemini, agents gérés | Outil mcp_server | Serveurs distants | Préversion |
| Application Gemini, web et mobile | Applications personnalisées | Serveurs HTTPS distants | Éligibilité limitée |
| Gemini Enterprise | Serveur MCP personnalisé | Serveurs distants | Configuration par l’administrateur |
💡 Règle rapide : seuls Gemini CLI et votre propre code SDK peuvent lancer un serveur MCP local. Toutes les autres voies exigent une URL.
Gemini CLI est le client MCP le plus complet de la famille. Il parle trois transports (stdio, SSE et HTTP streamable), et il expose plus que des outils : les ressources et les prompts du serveur apparaissent aussi dans la session. Pour quiconque teste un nouveau serveur, c’est le chemin le plus court entre l’idée et un appel qui fonctionne.
La CLI fournit une petite famille de commandes pour gérer les serveurs :
gemini mcp add [options] <name> <commandOrUrl> [args...]
gemini mcp list
gemini mcp remove <name>
gemini mcp enable <name>
gemini mcp disable <name>
gemini mcp list affiche chaque serveur configuré avec son état de connexion, ce qui en fait la vérification la plus rapide après une modification. Si vous préférez éditer à la main, les serveurs se trouvent dans l’objet mcpServers de votre settings.json, soit au niveau utilisateur (~/.gemini/settings.json), soit au niveau du projet (.gemini/settings.json) :
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "./docs"],
"timeout": 30000
},
"remote-tools": {
"httpUrl": "https://example.com/mcp",
"headers": { "Authorization": "Bearer YOUR_TOKEN" },
"includeTools": ["search_docs"]
}
}
}
La première entrée lance un serveur local via stdio. La seconde se connecte à un serveur distant via HTTP streamable et n’expose qu’un seul outil, ce qui garde les options du modèle réduites et prévisibles.
Chaque entrée de serveur demande un seul champ de transport. Tout le reste est facultatif :
command : l’exécutable d’un serveur stdio local, avec args, cwd et env à côté. Les valeurs de env peuvent faire référence à des variables avec $VAR_NAME, ainsi les tokens restent hors du fichier.url : un point de terminaison SSE.httpUrl : un point de terminaison HTTP streamable.headers : des en-têtes HTTP personnalisés pour les deux transports par URL.timeout : délai d’expiration de la requête en millisecondes, 600 000 par défaut.includeTools et excludeTools : une liste d’autorisation et une liste de blocage pour les noms d’outils.trust : si la valeur est true, les boîtes de dialogue de confirmation des outils sont ignorées.authProviderType : choisit le fournisseur d’authentification : recherche automatique du point de terminaison OAuth, identifiants Google (google_credentials) ou usurpation d’un compte de service (service_account_impersonation).💡 Gardez
trustdésactivé pour tout serveur que vous n’avez pas écrit vous-même. La boîte de dialogue de confirmation est le dernier point de contrôle avant l’exécution d’un outil.
Une fois la CLI lancée, /mcp affiche le statut de chaque serveur, ses outils, ses ressources et ses prompts. /mcp auth [serverName] gère OAuth, et /mcp enable et /mcp disable activent ou désactivent un serveur pour la session en cours uniquement.
Quelques comportements surprennent la première fois :
mcp_{serverName}_{toolName}, ce qui évite les collisions entre serveurs et outils intégrés.@server://resource/path dans votre prompt.~/.gemini/mcp-oauth-tokens.json, et les Google Application Default Credentials sont également prises en charge.L’API Gemini n’ouvre pas de connexion vers votre serveur toute seule. Le SDK le fait. Il se connecte au serveur, demande sa liste d’outils et transmet ces outils au modèle sous forme de fonctions appelables. Dans le dépôt python-genai, Google décrit cette prise en charge MCP intégrée comme une fonctionnalité expérimentale, et l’exemple est marqué comme réservé à l’API Gemini Developer, et non à l’Enterprise Agent Platform.
Cette approche nécessite le paquet mcp à côté de google-genai. Vous ouvrez une session client vers un serveur, puis vous la transmettez directement dans la configuration de génération :
import asyncio
from google import genai
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
client = genai.Client() # reads the API token from the environment
server = StdioServerParameters(
command="npx",
args=["-y", "@modelcontextprotocol/server-filesystem", "./docs"],
)
async def main():
async with stdio_client(server) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
response = await client.aio.models.generate_content(
model="gemini-flash-latest",
contents="List the markdown files in the docs folder.",
config=genai.types.GenerateContentConfig(tools=[session]),
)
print(response.text)
asyncio.run(main())
Comme votre code détient la session, la connexion s’exécute dans votre propre processus. C’est pourquoi cette voie fonctionne avec les serveurs locaux. Le prix à payer est la gestion du cycle de vie : vous ouvrez la session, l’initialisez, effectuez l’appel puis la refermez.
Le 7 juillet 2026, Google a annoncé le MCP distant pour les agents gérés dans l’API Gemini. Au lieu d’écrire un middleware proxy, vous transmettez un outil mcp_server au moment de l’interaction, à côté d’outils comme Google Search ou l’exécution de code. Les identifiants passent par des en-têtes personnalisés, si bien qu’un en-tête Authorization peut protéger votre point de terminaison. L’agent appelle ensuite vos points de terminaison depuis son propre bac à sable sécurisé.
Les exemples de l’annonce utilisent l’agent antigravity-preview-05-2026, et la fonctionnalité est en préversion, donc attendez-vous à ce que certains détails évoluent.
La présentation de l’API Interactions indique clairement une limitation : Gemini 3 ne prend pas en charge le MCP distant, et la page précise que cela arrive bientôt. Google présente les agents gérés et la voie du modèle simple comme des capacités distinctes, donc lisez les limites de la surface exacte que vous appelez. La voie SDK décrite plus haut est encore différente, puisque la connexion vit dans votre code, mais testez-la avec votre modèle cible avant de bâtir dessus.
💡 Quand une page de documentation et une annonce semblent se contredire, vérifiez la date. Les fonctionnalités en préversion évoluent vite, et c’est généralement la page la plus ancienne qui est en retard.
L’aide de Gemini Apps énumère les conditions pour ajouter votre propre serveur MCP à l’application Gemini :
Les actions d’écriture demandent actuellement une confirmation manuelle : l’application demande donc avant qu’un outil modifie, envoie ou supprime quoi que ce soit. C’est un choix par défaut raisonnable pour un produit grand public, même si cela ralentit une longue chaîne d’étapes.
La page d’aide décrit l’ajout d’un serveur depuis l’application web :
L’enregistrement dynamique du client permet à un client de s’enregistrer lui-même auprès du fournisseur OAuth du serveur. Sans lui, vous créez d’abord le client côté fournisseur, puis vous collez les identifiants dans Gemini.
Les organisations suivent une voie distincte. Google Cloud documente la connexion d’un serveur MCP personnalisé à Gemini Enterprise, et c’est un administrateur qui effectue la configuration, non chaque employé. Des articles communautaires sur les notes de version indiquent que depuis le 15 juin 2026, un serveur MCP personnalisé peut s’authentifier avec un access token de compte de service Google Cloud, ce qui convient aux serveurs internes qui ne rencontrent jamais d’écran de connexion humain.
Google a aussi annoncé la prise en charge officielle de MCP pour ses propres services, donc certains des serveurs dont une équipe a besoin existent peut-être déjà sous forme de points de terminaison gérés. Vérifiez-le avant d’en construire un personnalisé.
Le meilleur choix dépend de l’endroit où tourne votre serveur et de la personne qui l’utilise. Servez-vous de ce tableau comme premier filtre :
| Ce dont vous avez besoin | Meilleure voie | Pourquoi |
|---|---|---|
| Fichiers locaux et outils shell | Gemini CLI | Les serveurs stdio tournent sur votre propre machine |
| Un backend Python ou JS avec une logique personnalisée | Session SDK | Votre code contrôle toute la boucle |
| Un agent hébergé qui appelle des points de terminaison distants | Agents gérés | Pas de couche proxy, encore en préversion |
| Un assistant personnel avec vos propres outils | Application Gemini | URL uniquement, anglais des États-Unis, compte personnel |
| Un déploiement à l’échelle de l’entreprise | Gemini Enterprise | Les administrateurs gèrent les connexions |
Deux schémas reviennent sans cesse. Les développeurs prototypent dans Gemini CLI parce que la boucle de rétroaction tient en une seule commande, puis déplacent le même serveur vers une URL distante une fois qu’il fonctionne. Ce déplacement ne coûte presque rien, car un serveur écrit pour un client MCP se comporte généralement de la même façon avec un autre. Les équipes qui commencent par l’application se heurtent souvent tôt au mur de l’éligibilité, car les conditions liées aux États-Unis, au compte personnel et à l’anglais écartent beaucoup de configurations professionnelles.
Dans Gemini CLI, url désigne SSE et httpUrl désigne HTTP streamable. Un serveur qui parle HTTP streamable mais figure sous url ne parviendra pas à se connecter, et l’erreur indique rarement pourquoi. Vérifiez quel transport votre serveur documente, puis adaptez le champ. gemini mcp list affiche immédiatement l’état de la connexion.
Mettre trust à true désactive les boîtes de dialogue de confirmation, ce qui semble pratique jusqu’au moment où un outil fait quelque chose d’inattendu. Commencez avec les confirmations activées. Utilisez includeTools pour n’exposer que les outils dont une tâche a besoin, et élargissez la liste une fois que vous avez vu le serveur se comporter correctement.
L’application Gemini prend une URL, pas une commande. Un serveur sur votre ordinateur portable n’est pas joignable depuis là. Déployez-le d’abord derrière HTTPS, puis collez cette adresse sous Applications connectées. Si le serveur demande OAuth sans enregistrement dynamique du client, gardez les identifiants client prêts avant de commencer.
Les projets MCP impliquent beaucoup de rédaction : blocs de configuration, descriptions d’outils, prompts de test et notes de relecture. PicassoIA héberge plusieurs modèles Gemini dans sa catégorie Large Language Models, dont Gemini 3.5 Flash pour les brouillons rapides, Gemini 3 Flash pour le chat rapide, ainsi que Gemini 3.1 Pro et Gemini 3 Pro pour les relectures plus exigeantes. Dans ce flux de travail, PicassoIA sert de bureau de rédaction. La connexion MCP elle-même se fait toujours dans la surface Gemini que vous avez choisie plus haut.
settings.json qui utilise httpUrl.excludeTools pour une session en lecture seule ? »/mcp.💡 Les prompts précis font la différence. « Rédigez une configuration pour un serveur distant avec un en-tête bearer et un seul outil autorisé » l’emporte à chaque fois sur « configure MCP ».
MCP ne sert pas qu’au texte et au code. Une équipe créative peut connecter un générateur d’images ou de vidéos comme outil, si bien qu’un assistant produit des visuels dans le cadre d’une tâche plus longue, par exemple la rédaction d’une publication et la génération de son en-tête dans la même session.
PicassoIA propose une API pour développeurs et des connexions MCP pour ses modèles d’images et de vidéos. L’API suit un schéma asynchrone : vous créez une prédiction, interrogez son statut, puis récupérez le résultat. Au début d’octobre 2026, la limite est de 5 prédictions simultanées par compte, partagées entre vos tokens d’API et vos connexions MCP. Les exigences liées aux forfaits et les tarifs peuvent changer, donc consultez la page des tarifs avant de bâtir dessus. Qu’une surface Gemini donnée accepte cette connexion dépend des règles ci-dessus : la CLI et le SDK peuvent l’atteindre avec le bon transport, tandis que l’application Gemini exige que les conditions d’éligibilité soient remplies.
Vous n’avez pas besoin d’API pour commencer. PicassoIA Image transforme un prompt écrit en photo photoréaliste, et PicassoIA Image Editor Pro retouche une photo existante avec des modifications formulées en langage courant. Pour la vidéo, parcourez le catalogue complet sur picassoia.com/en/all-models.
Essayez dès maintenant : ouvrez PicassoIA, décrivez une scène avec un objectif, une direction de lumière et une ambiance, puis lancez-la. Modifiez un détail, relancez et comparez. Votre première image réussie ne demande généralement que deux ou trois prompts.
Choisissez votre langue
