Serveurs MCP avec GPT, Gemini, DeepSeek ou un modèle local
Les serveurs MCP se connectent au harnais d'agent, pas au modèle : tout modèle capable d'appeler des outils peut donc les utiliser. Dans OHarness, vous déclarez un serveur une seule fois dans ~/.oharness/mcp.json, et ses outils sont proposés au modèle en cours, qu'il ait été changé en pleine session ou non.
Mis à jour le
Pourquoi le modèle n'a pas d'importance
Un serveur MCP expose des outils. Le harnais s'y connecte, liste ces outils et les présente au modèle dans le même format d'appel d'outils que ses outils intégrés — avec l'espace de noms mcp__<server>__<tool>. Le modèle ne voit jamais que des définitions d'outils ; il ne parle jamais MCP lui-même. C'est pourquoi le même serveur fonctionne avec Claude, GPT, Gemini, DeepSeek ou un Qwen local.
Déclarer un serveur
Les deux transports sont intégrés — stdio pour un processus local, Streamable HTTP pour un serveur distant — sans SDK MCP en dessous. Placez la déclaration dans ~/.oharness/mcp.json :
{
"mcpServers": {
"fs": {
"type": "stdio",
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "."]
},
"github": {
"type": "http",
"url": "https://api.githubcopilot.com/mcp/",
"headers": { "authorization": "Bearer ${env:GITHUB_TOKEN}" },
"allowedTools": ["search_*", "get_*"]
}
}
}${env:NAME} est résolu au démarrage du serveur : le fichier ne contient donc jamais le secret et peut être partagé ou commité. Une variable non définie est signalée par son nom avant toute tentative de connexion. allowedTools restreint ce qu'un serveur peut proposer.
L'utiliser avec n'importe quel modèle
oharness -m openai/gpt-5.4-miniDans la session, /mcp affiche chaque serveur et son nombre d'outils. Changez avec /model google/gemini-3.6-flash ou /model ollama/qwen3-coder:30b : les mêmes outils sont toujours là. Dans le navigateur et l'application de bureau, le menu **+** de la zone de saisie liste les connecteurs et en connecte un en un clic ; les serveurs distants qui exigent OAuth ouvrent la connexion dans votre navigateur.
Garder les outils MCP sous contrôle
Les outils MCP passent par les mêmes règles de permission que les outils intégrés, appariées par nom. Les outils en lecture seule peuvent être autorisés et les écritures soumises à une demande d'autorisation :
{
"allow": ["mcp__github__get_*", "mcp__github__search_*"],
"ask": ["mcp__github__create_*"],
"deny": ["mcp__github__delete_*"]
}Permissions d'un agent de code explique où se trouvent ces règles et pourquoi deny l'emporte sur tout.
Ce qui varie selon le modèle
La qualité d'utilisation des outils. Les petits modèles locaux peuvent ignorer un outil ou transmettre des arguments mal formés ; OHarness valide les arguments avant l'exécution d'un outil et renvoie l'erreur au modèle, qui s'en remet généralement. Si un modèle échoue à répétition avec les outils d'un serveur, c'est le modèle qui est en cause, pas le serveur.
Questions fréquentes
Puis-je utiliser MCP avec GPT ou Gemini ?
Oui, via un harnais doté d'un client MCP. Les serveurs MCP se connectent au harnais, qui propose leurs outils au modèle par l'appel d'outils ordinaire. OHarness le fait pour OpenAI, Gemini, Anthropic, DeepSeek et tout modèle compatible OpenAI ou local.
Un modèle local prend-il en charge MCP ?
Un modèle local qui gère l'appel d'outils peut utiliser des outils MCP lorsqu'il tourne dans un harnais doté d'un client MCP. Le modèle ne parle jamais MCP ; OHarness se connecte au serveur et présente ses outils au modèle.
Où OHarness lit-il la configuration des serveurs MCP ?
Dans ~/.oharness/mcp.json, sous une clé mcpServers. Les serveurs ajoutés depuis le menu des connecteurs du navigateur ou de l'application de bureau y sont également enregistrés.
Quels transports MCP OHarness prend-il en charge ?
stdio et Streamable HTTP, via son propre client JSON-RPC plutôt qu'un SDK MCP. La connexion aux serveurs distants qui exigent OAuth se fait dans le navigateur, et les tokens sont stockés avec les identifiants des fournisseurs.