Definition MCP (Model Context Protocol)
Le MCP, acronyme de Model Context Protocol, est un protocole open source introduit par Anthropic en novembre 2024. Son rôle est de fournir un standard universel pour connecter les modèles de langage (LLM) à des sources de données et des outils externes : bases de données, CRM, services cloud, plateformes collaboratives, APIs tierces.
Avant le MCP, chaque connexion entre un modèle d’IA et un service externe nécessitait un connecteur développé sur mesure. Multiplié par le nombre de modèles et d’outils disponibles sur le marché, ce mécanisme créait ce que les développeurs désignent comme le « problème N×M » : N modèles à connecter à M outils, avec autant de connecteurs spécifiques à construire et maintenir. Le MCP remplace cette mécanique par une interface unique, souvent comparée à un « USB-C de l’IA » : un seul standard de connexion, compatible avec tous les systèmes qui l’implémentent.
Depuis son lancement, le protocole a été adopté par les principaux acteurs du secteur : OpenAI, Google, Microsoft, ainsi que des plateformes comme Figma, Replit ou Sourcegraph. Cette adoption large en fait aujourd’hui un standard de facto dans l’écosystème IA. Le MCP constitue également la brique de base des agents IA, ces systèmes capables d’enchaîner des actions de façon autonome pour accomplir des tâches complexes.
Le MCP, une brique essentielle des agents IA
Comment fonctionne le MCP concrètement
L’architecture du MCP repose sur trois composants. L’hôte est l’application dans laquelle tourne le modèle d’IA (un chatbot, un IDE, un assistant intégré). Le client MCP, intégré à cet hôte, traduit les requêtes du modèle dans le langage du protocole. Le serveur MCP, côté service externe, reçoit ces requêtes et y répond.
Un exemple concret : on demande à un assistant IA de retrouver le dernier rapport de ventes dans une base de données et de l’envoyer par email. Le modèle identifie deux outils disponibles via le MCP, interroge le premier pour récupérer le rapport, puis sollicite le second pour l’expédier, le tout via un échange standardisé, sans que le développeur ait eu à coder un connecteur spécifique pour chaque service.
Cette capacité d’action distingue le MCP de la RAG (Retrieval-Augmented Generation), qui se limite à injecter des documents dans le contexte du modèle pour enrichir ses réponses. La RAG enrichit les réponses, le MCP permet aussi d’agir. Les deux approches coexistent fréquemment dans les architectures d’agents IA et répondent à des besoins complémentaires.
Ce que le MCP change pour les professionnels du digital
Pour les utilisateurs de l’IA en contexte professionnel, le MCP représente un changement d’infrastructure plus qu’une fonctionnalité visible. À court terme, il rend les assistants IA capables d’agir dans les systèmes existants : un community manager peut demander à son IA de planifier des publications en interrogeant directement son outil de programmation social media, un chef de projet peut faire analyser les données de son tableau de bord sans export manuel, un marketeur peut automatiser la mise à jour de ses reportings en connectant son modèle à ses sources de données.
À plus long terme, le MCP accélère le développement des agents IA autonomes. En normalisant la manière dont les modèles communiquent avec les outils externes, il réduit la complexité d’intégration pour les développeurs et ouvre la voie à des workflows multi-agents, où plusieurs systèmes coopèrent pour accomplir des tâches complexes. Les questions de sécurité restent centrales dans ce contexte : le protocole intègre un système d’autorisations pour contrôler quelles ressources sont accessibles et dans quelles conditions.
