MCP (Model Context Protocol) désigne un standard ouvert et interopérable qui permet de connecter des applications pilotées par l’intelligence artificielle à des sources de données, des outils et des systèmes externes, via une interface normalisée d’échange de contexte.
Le MCP permet de faire la connexion entre l’agent et les outils externes.
Ce que MCP permet concrètement
| Fonction | Explication simple | Exemple |
|---|---|---|
| Découverte | L’agent demande : « Quelles ressources peux-tu me fournir ? » | Un serveur MCP expose : « J’ai accès à ton calendrier, ta base FAQ et l’API météo » |
| Invocation | L’agent utilise un outil via une commande standardisée | « Exécute l’outil search_knowledge_base avec la requête X » |
| Échange de contexte | Les données circulent dans un format structuré et prédictible | L’outil renvoie un résultat en JSON Schema, que l’agent comprend nativement |
| Gestion des permissions | L’accès aux ressources est contrôlé et traçable | L’agent ne peut lire que les documents publics, pas les données RH |
Il ne s’agit pas d’un framework propriétaire : c’est un protocole de communication qui définit comment un client IA (ex. : assistant, agent) découvre, interroge et utilise des ressources externes (fichiers, APIs, bases de données) sans dépendre d’intégrations ad hoc pour chaque connexion.
Termes francophones recommandés : protocole de contexte pour modèles d’IA ou standard d’interopérabilité contextuelle.
Note d’usage : L’acronyme MCP est d’usage courant dans la francophonie technique. Le protocole est maintenu par Anthropic en open-source. Aucun équivalent officiel n’est encore enregistré dans FranceTerme ; cette proposition s’appuie sur les principes de clarté terminologique et les référentiels d’interopérabilité logicielle (W3C, IETF).
Finalité
L’adoption du MCP permet de :
- Standardiser les connexions IA / systèmes externes : remplacer les intégrations sur-mesure par un protocole unique, réduisant la complexité technique et la dette de maintenance
- Renforcer l’interopérabilité des écosystèmes : permettre à un même agent IA d’accéder à des sources hétérogènes (cloud, local, APIs métier) via une interface cohérente
- Faciliter l’extension des capacités des agents : ajouter de nouvelles sources de contexte ou outils sans modifier le cœur de l’application, par simple connexion de serveurs MCP compatibles
- Améliorer la sécurité et la gouvernance des accès : centraliser la gestion des permissions, des flux de données et de l’audit via un protocole conçu avec des garde-fous intégrés
- Accélérer l’innovation par la modularité : permettre à des éditeurs, intégrateurs ou communautés de développer des connecteurs réutilisables, partageables et évolutifs
Composantes techniques du MCP
| Élément | Description | Pertinence technique / opérationnelle |
|---|---|---|
| Architecture client-serveur normalisée | Séparation claire entre le client IA (qui demande du contexte) et le serveur MCP (qui expose des ressources via le protocole) | Découplage des responsabilités, évolutivité, testabilité isolée des connecteurs |
| Découverte dynamique des ressources | Mécanisme permettant au client d’interroger le serveur pour connaître les données, outils ou prompts disponibles | Flexibilité d’usage, adaptation aux évolutions des sources sans reconfiguration manuelle |
| Transport agnostique | Support de plusieurs canaux de communication (stdio, HTTP/SSE, WebSockets) selon le contexte de déploiement | Portabilité entre environnements (local, cloud, hybride), intégration fluide dans des stacks variées |
| Schémas de données structurés | Définition formelle des formats d’échange (JSON Schema) pour les ressources, outils et erreurs | Interopérabilité garantie, validation automatique, documentation auto-générée |
| Gestion des permissions et de la sécurité | Mécanismes pour contrôler l’accès aux ressources, limiter les actions et tracer les échanges | Conformité RGPD, prévention des usages non autorisés, auditabilité des flux de contexte |
| Extensibilité par design | Possibilité d’ajouter des fonctionnalités ou des métadonnées personnalisées sans rompre la compatibilité | Adaptation aux besoins métier spécifiques, pérennité face aux évolutions du protocole |
| Écosystème open-source et communautaire | Développement transparent, contributions externes, bibliothèques clientes dans plusieurs langages | Innovation accélérée, réduction de la dépendance à un fournisseur, adoption facilitée |
Cas d’usage stratégiques (niveaux 1 & 2)
Connexion d’assistants IA à des données métier → Une organisation expose ses bases de connaissances internes (documentation, procédures, FAQ) via un serveur MCP, permettant à ses assistants IA d’y accéder de manière sécurisée et contextualisée, sans duplication ni export manuel. → Un éditeur de logiciel intègre un connecteur MCP à son produit, permettant aux utilisateurs de connecter leur assistant IA préféré à leurs données sans développement spécifique, renforçant l’attractivité et l’interopérabilité de la solution.
Orchestration d’outils et d’automatisations → Une équipe d’automatisation expose des outils métier (ex. : « créer un ticket », « générer un rapport », « vérifier une conformité ») via MCP, permettant à un agent IA de les invoquer de manière dynamique en fonction des besoins de l’utilisateur. → Un intégrateur compose un workflow intelligent en chaînant plusieurs serveurs MCP (données CRM + outils de production + base de connaissances), créant un assistant transversal sans recoder les connecteurs.
Prototypage rapide et expérimentation → Une équipe R&D utilise des serveurs MCP existants (fichiers locaux, APIs publiques, bases de test) pour prototyper rapidement un nouvel usage d’IA générative, sans investir dans des développements d’intégration lourds. → Une communauté de pratique partage des connecteurs MCP open-source pour des usages courants (analyse de logs, synthèse de documents, veille réglementaire), accélérant l’adoption de l’IA par des structures aux ressources limitées.
Limites et vigilances à anticiper → MCP standardise l’accès au contexte, mais ne résout pas les défis de qualité des données, de sémantique ou de gouvernance métier : ces aspects doivent être traités en amont ou en parallèle. → L’ouverture du protocole implique une vigilance accrue sur la sécurité des serveurs exposés : appliquer le principe du moindre privilège, chiffrer les flux et auditer régulièrement les accès.
Outils et référentiels (liste publique)
| Outil / Référentiel | Type | Apport principal |
|---|---|---|
| Model Context Protocol – Spécification officielle | Standard open-source / Gratuit | Documentation de référence, schémas, exemples d’implémentation et guides de conception |
| GitHub – SDK MCP (Python, TypeScript, etc.) | Bibliothèques clientes / Open-source | Accélération du développement de clients et serveurs compatibles, avec typage et validation |
| Anthropic – Documentation Claude + MCP | Officiel / Gratuit | Guides d’intégration pour connecter Claude Desktop ou l’API Claude à des sources de contexte via MCP |
| OpenAPI / AsyncAPI | Standards d’API / Open-source | Complémentarité pour décrire les APIs exposées via MCP, facilitant la documentation et la découverte |
| OWASP – Top 10 for LLM Applications | Référentiel sécurité / Gratuit | Bonnes pratiques pour sécuriser les flux de contexte et les invocations d’outils via MCP |
| W3C – Web of Things / WoT | Standard d’interopérabilité / Gratuit | Principes d’architecture modulaire et de découverte de ressources, inspirants pour l’usage de MCP |
Voir aussi
- Interopérabilité logicielle et standards ouverts
- Architecture client-serveur et APIs contextualisées
- Agents IA et orchestration de capacités
- Sécurité des flux de données et gouvernance des accès
- Open-source et communautés de développement
- Intégration de systèmes hétérogènes et middleware
- IA responsable et traçabilité des contextes d’exécution