MCP (Model Context Protocol)
Définition express
Le Model Context Protocol (MCP) est un standard ouvert qui définit comment les applications d'IA se connectent à des outils et à des sources de données externes. Tout assistant compatible peut alors utiliser tout service compatible sans intégration sur mesure.
Sur cette page
Pourquoi le MCP existe
Avant le MCP, relier un assistant IA à un outil — un CRM, un espace de fichiers, un logiciel de tickets — supposait d'écrire une intégration propre à chaque couple assistant-outil. Le MCP remplace tout cela par un seul protocole : un service expose une fois ses capacités sous forme de serveur MCP, et toute application compatible peut les utiliser.
Anthropic a présenté le MCP comme standard ouvert en novembre 2024. En décembre 2025, l'entreprise a confié le protocole à l'Agentic AI Foundation, un fonds de la Linux Foundation, pour qu'il soit gouverné de façon ouverte. La spécification s'inspire du Language Server Protocol, qui a joué le même rôle pour la prise en charge des langages de programmation dans les éditeurs de code.
Comment ça marche
Le MCP distingue trois rôles. L'hôte est l'application d'IA dans laquelle travaille l'utilisateur. En son sein, un client maintient une connexion avec chaque serveur. Un serveur est un service qui propose des capacités. Les messages utilisent JSON-RPC 2.0.
Les serveurs peuvent offrir trois types de fonctionnalités : des outils, c'est-à-dire des fonctions que le modèle peut appeler (chercher des commandes, créer un ticket) ; des ressources, des données que l'utilisateur ou le modèle peuvent lire ; et des prompts, des modèles de messages réutilisables. Les serveurs distants sont en général protégés par OAuth : l'utilisateur autorise un assistant à accéder à son compte sans partager de mot de passe.
Questions de sécurité
La spécification le dit clairement : les outils équivalent à une exécution de code arbitraire et doivent être traités avec prudence. Les hôtes doivent obtenir le consentement de l'utilisateur avant d'exposer des données à un serveur ou d'appeler un outil, et la description du comportement des outils doit être tenue pour non fiable, sauf si elle provient d'un serveur de confiance.
En pratique : ne connectez que des serveurs de confiance, accordez les autorisations les plus restreintes possibles, et gardez à l'esprit que le texte renvoyé par un outil peut contenir des instructions qu'un attaquant espère voir suivies par le modèle.
Le MCP dans AI SmartTalk
AI SmartTalk utilise le MCP dans les deux sens. Un assistant peut se connecter à des serveurs MCP externes, avec OAuth quand le serveur l'exige, et utiliser leurs outils dans les conversations. Et AI SmartTalk est lui-même un serveur MCP distant, à l'adresse https://aismarttalk.tech/api/mcp, protégé par OAuth 2.1 : depuis une application compatible MCP, un utilisateur peut lister ses assistants, rechercher et auditer leurs connaissances, ajouter des documents ou des entrées de FAQ, et relire ou améliorer les consignes d'un assistant — dans la limite des assistants qu'il a le droit de gérer.
Questions fréquentes
Le MCP est-il réservé à Claude ?
Non. Le MCP est un standard ouvert, désormais placé sous l'Agentic AI Foundation de la Linux Foundation, et il est pris en charge par de nombreuses applications d'IA, outils de développement et services de différents éditeurs.
Quelle différence entre le MCP et une API ?
Une API est propre à un service. Le MCP est un protocole commun par-dessus lequel les services décrivent leurs capacités de façon standard, pour qu'une application d'IA puisse les découvrir et les utiliser sans code spécifique pour chacun.
Qu'est-ce qu'un serveur MCP ?
Un programme ou un service distant qui expose des outils, des ressources ou des prompts via le Model Context Protocol, pour que des applications d'IA jouant le rôle de clients MCP puissent les utiliser.
Est-il sûr de connecter des serveurs MCP à un assistant IA ?
Autant que les serveurs que vous choisissez et les autorisations que vous accordez. Utilisez des serveurs de confiance, limitez les autorisations et vérifiez quelles actions les outils peuvent effectuer.
Sources
Termes associés
- Agent IA
- Automatisation de workflows par IA
- Grand modèle de langage (LLM)
- Détection d'intention
- Embeddings (plongements vectoriels)
- Garde-fous de l'IA (AI guardrails)
- Génération augmentée par récupération (RAG)
- Hallucination d'IA (hallucination de LLM)
- Prompt engineering (ingénierie de prompt)
- Recherche vectorielle (recherche sémantique)