MCP : le protocole open source qui connecte vos agents IA à vos outils

Fin 2024, Anthropic publie un protocole qui change la façon dont les agents IA accèdent aux données d’entreprise. Le Model Context Protocol (MCP) n’est pas un produit : c’est une spécification ouverte. N’importe quel LLM peut l’implémenter, n’importe quelle organisation peut exposer ses outils via ce standard.

Le problème qu’il résout est concret. Brancher un modèle de langage à une base de données, à Slack et à votre CRM nécessitait jusqu’ici trois intégrations spécifiques, souvent non transférables d’un modèle à l’autre. MCP unifie tout ça sous un seul contrat d’interface.

Architecture : trois couches, une seule interface

Le protocole repose sur trois composants interdépendants.

graph LR
    A["Application hôte\n(Claude Desktop, IDE, app)"] -->|protocole MCP| B["Serveur MCP\n(votre intégration)"]
    B -->|requêtes| C1["Base de données"]
    B -->|appels HTTP| C2["APIs externes"]
    B -->|lecture/écriture| C3["Filesystem"]

L’application hôte est l’environnement qui héberge le modèle — Claude Desktop, un IDE comme Cursor, ou votre propre application. Elle initie les connexions vers les serveurs MCP et orchestre les échanges.

Le serveur MCP est le pont que vous développez (ou installez depuis la communauté). Selon la spécification technique, il expose trois types de primitives :

• Resources : données lisibles (fichiers, logs, schémas BDD)
• Tools : fonctions que le LLM peut appeler (exécuter une requête SQL, poster un message Slack)
• Prompts : templates réutilisables pour des workflows récurrents

Les ressources sont vos systèmes existants. La communication entre client et serveur s’effectue via un protocole standardisé, sur deux modes de transport : local (processus stdio) ou distant (HTTP).

Trois cas d’usage PME concrets

1. Interroger une base de données en langage naturel

Un serveur MCP connecté à votre PostgreSQL expose un outil execute_query. L’agent peut alors répondre à « Quels clients ont commandé plus de dix fois ce mois-ci ? » sans interface de reporting dédiée. Le SQL est généré par le modèle, exécuté via MCP, le résultat revient en contexte.

2. Automatiser les actions CRM via API

Votre CRM expose une API REST ? Un serveur MCP avec les outils create_ticket, update_customer permet à Claude de gérer des actions depuis une interface conversationnelle. Zéro développement front — l’agent devient l’interface.

3. Parcourir et modifier un filesystem

Pour les équipes qui gèrent des projets documentaires ou du code, un serveur MCP filesystem donne à l’agent la capacité de lire, créer et modifier des fichiers dans un répertoire défini. Utile pour des pipelines de génération de rapports ou de traitement de documents en batch.

MCP vs function calls classiques

Les function calls permettent déjà d’appeler des outils depuis un modèle. La différence est architecturale :

	Function calls	MCP
Portabilité	Spécifique au modèle	Standard multi-modèles
Serveur dédié	Non	Oui (processus séparé)
Découverte dynamique	Non	Oui (liste des tools au runtime)
Écosystème	Propre au provider	Communauté open source

MCP est plus verbeux côté setup. Pour un cas simple à modèle unique, les function calls restent plus rapides à implémenter. MCP devient pertinent quand vous voulez partager une intégration entre plusieurs modèles ou plusieurs applications — ou quand vous anticipez une migration de modèle sans refonte des intégrations.

Lors de l’annonce de novembre 2024, Anthropic avait déjà convaincu plusieurs éditeurs d’adopter le standard : Zed, Replit, Codeium, Sourcegraph, Block et Apollo. La base d’adoption s’élargit depuis.

Démarrer en 30 minutes avec Claude

Anthropicpropose des SDKs officiels en Python et TypeScript. Le flux minimal :

1. Installer le SDK : pip install mcp (Python) ou npm install @modelcontextprotocol/sdk (TypeScript)
2. Créer un serveur MCP qui expose un outil simple (ex : lire un fichier)
3. Connecter Claude Desktop via son fichier de configuration
4. Tester en conversation : Claude voit et peut appeler votre tool

Anthropicfournit également des serveurs de référence prêts à déployer : GitHub, Postgres, Slack, Git et Puppeteer pour le scraping web.

MCP n’est pas encore universel. La majorité des agents d’entreprise fonctionnent encore avec des intégrations ad hoc. Mais l’écosystème de serveurs MCP disponibles sur GitHub croît rapidement, et plusieurs éditeurs de modèles adoptent progressivement le standard. Pour une équipe technique qui construit aujourd’hui son infrastructure IA, adopter MCP dès maintenant évite une migration coûteuse dans 18 mois — et ouvre la porte à un écosystème d’intégrations prêtes à l’emploi.