MCP (Model Context Protocol)
En une ligne : Le standard ouvert d'Anthropic pour connecter les assistants IA aux sources de données et aux outils. Comme l'USB-C pour l'IA.
Qu’est-ce que MCP (Model Context Protocol) ?
Model Context Protocol (MCP) est un standard ouvert introduit par Anthropic fin 2024. Il définit une méthode uniforme permettant à tout Agent IA ou un assistant de se connecter à des sources de données et à des outils externes - de la même façon que l’USB-C a standardisé les connecteurs matériels. Avant MCP, chaque application d’IA avait besoin d’un code d’intégration sur mesure pour chaque service externe, ce qui rendait l’écosystème fragmenté et difficile à maintenir.
Le problème que résout MCP
Imaginez créer un Agent IA qui doit lire une base de données Postgres, effectuer des recherches sur GitHub, interroger Slack et récupérer des pages web. Sans MCP, vous écrivez quatre intégrations distinctes, chacune avec son propre processus d'authentification, son format de données, sa gestion des erreurs et sa charge de maintenance. Avec MCP, chaque service publie un serveur standardisé que tout client IA compatible MCP peut découvrir et utiliser immédiatement. Le développeur de l'IA écrit l'agent une seule fois ; les créateurs d'outils gèrent leurs propres serveurs MCP. La séparation des responsabilités s'effectue au niveau du protocole.
Comment fonctionne MCP
- Un développeur écrit un Serveur MCP pour une source de données (par exemple, une base de données Postgres). Le serveur décrit ses capacités - les requêtes qu’il accepte et les données qu’il renvoie - dans un schéma standardisé.
- Un client IA compatible MCP (comme l’application Claude exécutant Claude Sonnet 4) se connecte au serveur au démarrage et lit son manifeste de capacités.
- Quand le LLM décide d’utiliser un outil, il appelle le point de terminaison approprié du serveur MCP en utilisant utilisation d’outils (appel de fonctions).
- Le serveur MCP exécute la requête (interroge la base de données, récupère le fichier, envoie le message) et renvoie un résultat dans un format standardisé que le LLM peut lire.
- Le LLM intègre le résultat à son raisonnement et décide de l’étape suivante.
Serveurs MCP courants
| Serveur MCP | Objectif | Exemple d’utilisation |
|---|---|---|
| Système de fichiers | Lire/écrire des fichiers et répertoires locaux | L’agent lit votre base de code et modifie des fichiers |
| GitHub | Rechercher des dépôts, lire des tickets, créer des PR | L’agent signale automatiquement un bug |
| Postgres / SQLite | Interroger des bases de données relationnelles | L’agent répond aux questions sur vos données |
| Slack | Lire les canaux, envoyer des messages | L’agent publie un résumé dans le canal de votre équipe |
| Récupération de contenu Web | Télécharger et analyser des pages Web | L’agent vérifie les tarifs actuels sur le site d’un concurrent |
| Linear / Jira | Créer et mettre à jour des tâches | L’agent crée un ticket à partir d’un signalement de bug |
MCP vs utilisation classique des outils
Utilisation d’outils (appel de fonctions) est la capacité du LLM, c’est-à-dire son aptitude à émettre des appels structurés vers des fonctions externes. MCP est la couche de transport et de découverte construite sur cette capacité. Vous pouvez avoir utilisation d’outils sans MCP (définitions de fonctions codées en dur dans votre application) ; MCP rend l’utilisation des outils plus standardisée, portable et composable entre différents clients IA et développeurs de serveurs.
MCP concerne surtout les développeurs qui créent des applications d’IA. Le Guides pratiques sur l'IA abordent l’architecture des agents plus en détail. Voir aussi : Agent IA, RAG, prompt système.
Exemple de MCP (Model Context Protocol)
Si vous utilisez AskAI.free, une façon pratique de comprendre MCP (model context protocol) consiste à demander à un modèle de vous l’expliquer, puis de donner un exemple concret dans votre propre méthode de travail. Par exemple : "Explique MCP (model context protocol) à une personne qui utilise l’IA pour écrire, coder, faire des recherches ou créer des images."
Le terme passe ainsi d’une définition de dictionnaire à un outil d’aide à la décision : vous voyez dans quels cas il influe sur la qualité des instructions, le choix du modèle, la fiabilité des résultats, la confidentialité, le coût ou la quantité de contexte utilisable par l’IA.
Pourquoi MCP (Model Context Protocol) est important
MCP (Model Context Protocol) est important, car il change votre façon de choisir, d’interroger, de comparer les systèmes d’IA ou de leur faire confiance. Comprendre ce terme vous aide à poser de meilleures questions, à repérer plus vite les réponses faibles et à choisir le bon modèle ou outil pour la tâche.
Une erreur courante consiste à considérer MCP (protocole de contexte de modèle) comme un terme de jargon isolé. Il est généralement lié à des notions voisines comme Mogging et Multimodal, consultez-les ensuite pour avoir une vue d'ensemble.
Erreur courante avec MCP (Model Context Protocol)
L’erreur la plus courante consiste à employer le terme comme une étiquette sans changer ses pratiques. Quand il est question de MCP (protocole de contexte du modèle), demandez-vous ce qui doit changer : le prompt, le modèle, la longueur du contenu fourni, les preuves demandées ou la manière de vérifier la réponse.
Découvrez-le en action - Interrogez l’IA de votre choix sur MCP (protocole de contexte de modèle) sur AskAI.free.
Demander à l’IA