Intégrer les grands modèles de langage (LLM) avec des données externes a historiquement nécessité une approche fragmentée. Les développeurs construisaient généralement des connecteurs personnalisés pour chaque source de données ou outil spécifique, créant un problème d’intégration « N×M » où chaque nouveau modèle nécessitait de nouvelles pipelines pour chaque outil existant [1].
Présenté par Anthropic en novembre 2024, le Model Context Protocol (MCP) est une norme open source conçue pour réduire cette complexité [S1, S5]. Il fonctionne comme une interface universelle, à l’instar de l’USB‑C qui standardise les connexions des appareils électroniques, permettant aux applications d’IA de se connecter à des bases de données, des fichiers locaux et des API sans code propriétaire [4].
Fonctionnement de l’architecture MCP
MCP fait passer l’intégration de l’IA d’un modèle centré sur les invites à un modèle centré sur le protocole [3]. Au lieu de décrire manuellement les schémas de données dans une invite texte, ce qui est fragile et consomme la fenêtre de contexte du modèle, les outils sont déclarés une fois au niveau du protocole [3].
Le cadre fonctionne à travers trois composants distincts :
- MCP Host : L’application parent, comme un IDE ou un runtime d’IA, qui gère l’environnement et coordonne la communication [S3, S7].
- MCP Client : Le pont au sein du runtime d’IA qui effectue une poignée de main de « découverte » avec les serveurs pour apprendre dynamiquement les capacités disponibles [3].
- MCP Server : La passerelle vers les capacités externes. Ces serveurs appliquent de manière indépendante les protocoles de sécurité, incluant l’autorisation et la journalisation, tout en exposant des outils ou ressources spécifiques [3].
La communication entre ces composants utilise des messages JSON‑RPC 2.0 [S1, S3]. Selon l’environnement, le protocole prend en charge deux méthodes de transport : stdio pour la communication de processus locaux et HTTP avec Server‑Sent Events (SSE) pour les serveurs distants basés sur le cloud [S3, S7].
Primitives de base : outils, ressources et invites
Pour standardiser la façon dont un agent interagit avec un système, le MCP définit trois primitives principales [S5, S7].
Ressources fournissent à l’IA des données, fonctionnant comme des chemins de fichiers ou des lignes de base de données identifiées par des URI personnalisées [7]. Elles peuvent être des documents statiques, comme une FAQ, ou des flux de données dynamiques [S1, S7].
Outils permettent à l’IA d’effectuer des calculs ou des actions réelles [5]. Lorsqu’un LLM décide d’utiliser un outil, il envoie une charge JSON correspondant à un schéma prédéfini ; le serveur exécute alors la logique (par exemple déclencher une pipeline de construction ou interroger une base de données SQL) et renvoie le résultat [7].
Invites sont des modèles réutilisables et paramétrés fournis par le serveur [S5, S7]. Elles aident à structurer les flux de travail, comme une invite de revue de code qui récupère automatiquement un diff Git avant que le modèle ne commence son analyse [7].
Applications pratiques et adoption dans l’écosystème
Comme le MCP est neutre quant à ce qu’un serveur expose, il est adopté dans divers domaines techniques [5]. En développement logiciel, des IDE tels que Visual Studio Code et des plateformes comme Replit utilisent le MCP pour offrir aux assistants IA un accès en temps réel au contexte du projet [1].
Au‑delà du codage, le protocole s’étend aux services gouvernementaux et d’entreprise. L’U.S. General Services Administration (GSA) a étudié l’utilisation du MCP pour créer des prototypes permettant aux agents IA d’interroger des jeux de données gouvernementaux ouverts et de soumettre des informations aux services publics via des environnements sandbox [2].
Les principaux fournisseurs d’IA, dont OpenAI et Google DeepMind, ont adopté le protocole [1]. En décembre 2025, l’écosystème comptait plus de 10 000 serveurs MCP publics actifs et avait atteint 97 millions de téléchargements mensuels du SDK [5]. Pour garantir une gouvernance neutre, Anthropic a fait don du MCP à l’Agentic AI Foundation sous l’égide de la Linux Foundation en décembre 2025 [S1, S5].
Compromis de sécurité et de gouvernance
Bien que le MCP simplifie la connectivité, le protocole lui‑même n’impose pas la qualité des données ni la gouvernance [5]. Un serveur MCP peut exposer des données brutes, mais il incombe à l’implémentation du serveur de fournir un contexte gouverné, incluant la provenance, la propriété et les règles d’accès [5].
La sécurité est gérée au niveau du serveur, permettant un contrôle granulaire [3]. Par exemple, certaines implémentations utilisent Microsoft Entra ID pour authentifier les utilisateurs lorsqu’ils se connectent depuis des clients pré‑autorisés, garantissant que l’agent IA n’accède qu’aux données que l’utilisateur spécifique est autorisé à voir [8].
Pour ceux qui souhaitent mettre en œuvre ces normes, le protocole fournit des SDK en Python, TypeScript, Java, Kotlin, C#, Go, PHP, Perl, Ruby, Rust et Swift [1].
Sources
- Model Context Protocol - Wikipedia
- What Is MCP (Model Context Protocol)? Complete Guide 2026
- What is Model Context Protocol (MCP)? - Cisco
- Model Context Protocol (MCP) - GeeksforGeeks
- Model Context Protocol Server and AI Agent Government Hackathon - GSA
- What is the Model Context Protocol (MCP)?
- Microsoft | Dev Tools & Languages | Model Context Protocol
- PDF Model Context Protocol (MCP): Security Design Considerations for AI …
