YooMoney lance un serveur MCP pour les paiements et explique comment concevoir une API pour les IA
YooMoney a lancé un serveur MCP : via le protocole MCP, le modèle appelle lui-même les fonctions du service de paiement. Constat : sans la ligne « n'invente pas le montant, demande-le à l'utilisateur », le modèle créait régulièrement un paiement pour un montant inventé. L'équipe rédige donc les descriptions de paramètres et les messages d'erreur comme des instructions destinées au modèle. Conclusion : dans MCP, le champ description fait office de partie du prompt et décide du bon fonctionnement de l'intégration.
Traité par IA depuis Habr AI ; édité par Hamidun News
YooMoney a lancé un serveur MCP pour les paiements et les factures. MCP (Model Context Protocol) est un protocole par lequel un modèle de langage (LLM, c'est-à-dire une IA du type ChatGPT) appelle lui-même les fonctions d'un service externe : créer un paiement, envoyer un reçu, vérifier un statut. Jusqu'ici, ces fonctions étaient exposées via une API REST classique, c'est-à-dire un ensemble de requêtes appelées par du code écrit par un humain.
Roma, développeur backend chez YooMoney, fait évoluer l'API de paiement publique depuis près de dix ans. Il explique qu'il faut concevoir l'interface différemment pour une IA. L'exemple principal : sans une seule ligne dans la description d'un paramètre, le modèle créait régulièrement un paiement pour un montant inventé.
La description d'un paramètre est un prompt
Dans une API classique, la documentation s'écrit pour des humains. Si un champ est mal décrit, le développeur consulte un forum ou écrit au support. Dans MCP, la description d'un outil devient de fait une partie du prompt système, c'est-à-dire une instruction que le modèle exécute à la lettre. Le nommage et la clarté du champ description déterminent donc si l'intégration fonctionnera.
Dans la documentation standard de YooMoney, le montant du paiement est décrit avec toutes ses nuances : commissions des partenaires de YooKassa, code de devise, correspondance avec la devise du sous-compte ou de la boutique. Pour MCP, la description a été raccourcie et complétée par une instruction directe : il est interdit d'inventer la valeur, et si le montant n'est pas indiqué, il faut le demander à l'utilisateur. Pour un humain, il va de soi que c'est le client qui donne le montant ; pour un modèle, non. Sans cette ligne, il créait un paiement pour un montant inventé.
La même logique vaut pour les erreurs. Une réponse du type insufficient_funds convient à du code, mais c'est une impasse pour un modèle. Dans MCP, on ajoute un texte à la réponse : « Fonds insuffisants pour effectuer l'opération. Informe l'utilisateur. N'essaie pas de relancer le paiement ». Une erreur compréhensible permet au modèle soit de corriger sa requête et de la renvoyer, soit de s'arrêter et d'expliquer honnêtement la situation.
Autre piège : les schémas surchargés. Si une requête contient des champs proches comme billing_address, shipping_address et user_address, un humain s'y retrouve et vérifie avant de lancer l'appel, alors qu'un modèle peut placer les données au mauvais endroit. L'auteur conseille d'éviter les champs sémantiquement proches, de ne garder dans le serveur que les scénarios les plus utiles, ou de détailler précisément quel champ remplir dans quel cas.
Sécurité et appels répétés
Le serveur MCP ignore qui l'appelle : un puissant modèle cloud ou un petit modèle local de 7 milliards de paramètres (7B). Les modèles faibles confondent l'ordre des appels et répètent leurs requêtes au moindre doute. D'où la règle : toutes les méthodes doivent être idempotentes, c'est-à-dire qu'un second appel ne doit pas débiter l'argent une deuxième fois. YooMoney va pour l'instant plus loin : elle n'autorise tout simplement aucune opération financièrement significative via MCP sans intervention humaine.
L'auteur recommande de séparer l'autorisation MCP de celle de l'API classique. Sinon, un modèle cherchant à accomplir sa tâche pourrait se tourner vers l'API classique avec sa propre clé. Par ailleurs, les données entrantes doivent être vérifiées plus strictement que d'habitude : le modèle peut générer une requête invalide, voire malveillante.
Ce point dissipe aussi le mythe de la « liberté vis-à-vis des versions ». Dans MCP, la liste des outils est mise à jour à la volée via tools/list, et le modèle relit le schéma à chaque fois. Mais on ne peut toujours pas supprimer une fonction en usage : les processus métier des clients seraient cassés, même si le client est une IA.
Tokens, intégration et latence
Dans une API classique, la taille du schéma JSON n'importe guère que pour le trafic. Dans MCP, chaque description de fonction et chaque champ entre dans la fenêtre de contexte du modèle, ce qui consomme des tokens et donc l'argent de l'utilisateur. Des schémas et des réponses concis réduisent directement le coût.
L'intégration change elle aussi. En REST, vous fournissez des méthodes atomiques et le client écrit le code : créer un paiement, envoyer un reçu, confirmer l'opération. Dans MCP, il n'y a pas de séquence rigide : le modèle choisit l'ordre des appels selon la demande et le contexte de la conversation. L'utilisateur peut figer les scénarios types avec des règles (Rules) et des jeux d'instructions (Skills) dans son agent IA, sans écrire une seule ligne de code. Selon l'auteur, le coût d'intégration via LLM tend vers zéro.
La latence est plus délicate. Le temps perçu par l'utilisateur additionne la « réflexion » du modèle, les délais réseau et le traitement de la requête par le serveur, et le cycle peut se répéter en cas de précisions ou d'erreurs. Le développeur du serveur agit surtout sur le dernier maillon, et indirectement sur le nombre d'itérations : plus les descriptions sont claires, moins il y a de tentatives inutiles.
Ce qu'il faut en retenir
L'article est le point de vue d'un praticien, pas une étude : il ne contient aucune métrique mesurable, et « le coût d'intégration tend vers zéro » reste une prévision de l'auteur. En revanche, l'ensemble de règles est applicable par toute équipe qui prépare un serveur MCP. Rédigez description comme une instruction, rendez les erreurs conversationnelles, raccourcissez les schémas, rendez les méthodes idempotentes, séparez les autorisations et gardez un humain dans la chaîne pour les opérations d'argent. L'auteur s'attend à ce que les grandes entreprises utilisent de plus en plus MCP en B2C, avant tout là où une erreur du modèle n'entraîne pas de catastrophe. YooMoney compte étoffer les fonctionnalités et prévoit un hackathon public en ligne.
- 21 nov. 2026OpenAI GPT-6 Cyber a trouvé une trentaine de failles dans les iPhone, Mac et autres appareils Apple
- 21 nov. 202622 agents Claude ont cherché pendant six semaines des réponses sur les trous noirs — et ont résolu deux problèmes
- 21 nov. 2026Google sépare le stockage des conversations et l'entraînement de Gemini : refuser sans perdre l'historique
- 21 nov. 2026Apple : la macOS 27.3 bêta 2 permettra de restreindre l'accès des agents IA aux fichiers du Mac
Questions clés sur cet article
Que sait-on sur La description d'un paramètre est un prompt ?
Dans une API classique, la documentation s'écrit pour des humains. Si un champ est mal décrit, le développeur consulte un forum ou écrit au support. Dans MCP, la description d'un outil devient de fait une partie du prompt système, c'est-à-dire une instruction que le modèle exécute à la lettre. Le nommage et la clarté du champ description déterminent donc si l'intégration fonctionnera.
Que sait-on sur Sécurité et appels répétés ?
Le serveur MCP ignore qui l'appelle : un puissant modèle cloud ou un petit modèle local de 7 milliards de paramètres (7B). Les modèles faibles confondent l'ordre des appels et répètent leurs requêtes au moindre doute. D'où la règle : toutes les méthodes doivent être idempotentes, c'est-à-dire qu'un second appel ne doit pas débiter l'argent une deuxième fois. YooMoney va pour l'instant plus loin : elle n'autorise tout simplement aucune opération financièrement significative via MCP sans intervention humaine.
Que sait-on sur Tokens, intégration et latence ?
Dans une API classique, la taille du schéma JSON n'importe guère que pour le trafic. Dans MCP, chaque description de fonction et chaque champ entre dans la fenêtre de contexte du modèle, ce qui consomme des tokens et donc l'argent de l'utilisateur. Des schémas et des réponses concis réduisent directement le coût. L'intégration change elle aussi. En REST, vous fournissez des méthodes atomiques et le client écrit le code : créer un paiement, envoyer un reçu, confirmer l'opération.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.