Model Context Protocol (MCP)
Le Model Context Protocol (MCP) est une norme ouverte qui connecte les applications d’IA aux outils et aux données par l’intermédiaire d’une interface unique. Architecture, usages et code.
Le protocole de contexte des modèles (MCP) est une norme ouverte qui relie les applications d’IA à des outils, des sources de données et des flux de travail externes. Avant MCP, chaque application d’IA devait disposer d’une intégration personnalisée pour chaque service utilisé ; dix assistants et dix services pouvaient donc nécessiter jusqu’à cent connecteurs distincts. Avec MCP, un service est encapsulé une seule fois dans un serveur MCP, que toute application compatible avec MCP peut utiliser. Anthropic a présenté le protocole en novembre 2024, puis l’a cédé en décembre 2025 à l’Agentic AI Foundation, un fonds de la Linux Foundation qu’Anthropic a cofondé avec Block et OpenAI. Des hôtes comme Claude, ChatGPT, VS Code, Cursor et Gemini CLI le prennent en charge ; MCP est devenu le moyen standard permettant aux agents d’IA et aux grands modèles de langage (LLMs) d’accéder au monde extérieur.
Fonctionnement de MCP#
La spécification MCP définit trois rôles qui échangent des messages JSON-RPC 2.0. L’hôte est l’application d’IA utilisée par l’utilisateur, par exemple un agent conversationnel, un IDE ou un agent. Dans l’hôte, un client gère la connexion à chaque serveur, et chaque serveur expose un ensemble de capacités. Les serveurs locaux s’exécutent en tant que sous-processus et communiquent par l’entrée et la sortie standard (stdio), tandis que les serveurs distants utilisent Streamable HTTP. Depuis la révision du 28 juillet 2026, le protocole de base est sans état : chaque requête contient sa propre version du protocole et les capacités du client, l’ancienne poignée de main initialize et les identifiants de session ont disparu, et toute instance de serveur derrière un répartiteur de charge peut répondre à n’importe quelle requête.
Les serveurs proposent trois types de capacités :
- Outils : des fonctions que le modèle peut appeler, chacune décrite par un nom, une description et un schéma JSON pour ses arguments, par exemple
create_issueourun_query. Les outils peuvent renvoyer du texte, des images ou des données structurées. - Ressources : du contexte en lecture seule identifié par des URI, comme des fichiers, des schémas de base de données ou des extraits de journaux, que l’application peut ajouter au contexte du modèle.
- Invites : des modèles de message réutilisables que les utilisateurs choisissent explicitement, souvent proposés sous forme de commandes slash.
Les serveurs peuvent aussi demander à l’utilisateur les informations manquantes en cours de tâche par l’intermédiaire de l’élucidation. Des extensions facultatives apportent des fonctionnalités supplémentaires : Tasks gère les opérations de longue durée dont le client interroge les résultats, et MCP Apps permet à un outil de renvoyer une interface interactive, selon l’approche d’interface utilisateur générative qui affiche des graphiques et des formulaires dans la conversation.
Créer un serveur MCP#
Le SDK Python officiel MCP transforme une fonction Python typée en outil et génère son schéma JSON à partir des annotations de type. En encapsulant ainsi la prédiction Ultralytics YOLO26, tout hôte MCP peut effectuer de la détection d’objets : l’outil renvoie Results.summary(), une liste contenant le nom de classe, le niveau de confiance et les coordonnées de la boîte de chaque objet, que le modèle peut interpréter. Ici, un client dans le même processus découvre et appelle l’outil comme le ferait un hôte :
import asyncio
from mcp import Client
from mcp.server.mcpserver import MCPServer
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
server = MCPServer("vision")
@server.tool()
def detect(image_url: str) -> list[dict]:
"""Detect objects in an image and return each object's class, confidence, and box."""
results = model(image_url)
return results[0].summary()
async def main():
"""Discover the server's tools and call one, as an MCP host does."""
async with Client(server) as client:
tools = await client.list_tools()
print(tools.tools[0].name, tools.tools[0].input_schema)
result = await client.call_tool("detect", {"image_url": "https://ultralytics.com/images/bus.jpg"})
print(result.structured_content)
asyncio.run(main())Le premier print affiche le nom de l’outil et le schéma d’entrée que voit le modèle de l’hôte, qui exige un argument de type chaîne, image_url ; le second affiche la liste de détections renvoyée sous forme de contenu structuré.
MCP et concepts connexes#
- Appel de fonctions : capacité du modèle à émettre une requête structurée pour un outil. MCP normalise la découverte, la description et l’exécution des outils dans différentes applications, et l’hôte convertit les définitions des outils MCP au format natif d’appel de fonctions du modèle.
- API : une API REST ou GraphQL sert les clients d’un service. Un serveur MCP encapsule souvent une telle API et ajoute les noms, les descriptions et les schémas dont un modèle a besoin pour l’utiliser sans code personnalisé.
- Génération augmentée par récupération (RAG) : technique qui ancre les réponses dans des documents récupérés. MCP permet notamment de fournir ces documents par l’intermédiaire d’un outil de recherche ou de ressources jointes.
- Protocole Agent2Agent (A2A) : relie des agents à d’autres agents afin qu’ils puissent déléguer des tâches complètes. MCP relie un agent aux outils et aux données qu’il utilise directement.
- Compétences d’agent : dossiers d’instructions et de scripts qu’un agent charge dans son contexte lorsqu’une tâche les requiert. Les compétences apprennent à l’agent comment effectuer une tâche, tandis que les serveurs MCP lui donnent un accès en temps réel aux systèmes concernés ; les agents utilisent donc souvent les deux.
Applications concrètes#
- Programmation agentique : les agents de programmation se connectent à GitHub, aux systèmes de suivi des problèmes, aux bases de données et aux navigateurs par l’intermédiaire de serveurs MCP. Ainsi, si on leur demande pourquoi une connexion échoue, ils peuvent récupérer les journaux d’erreurs, lire le code d’authentification et consulter les problèmes ouverts au cours d’une même session.
- Assistants d’entreprise : des connecteurs aux systèmes de gestion documentaire, de messagerie instantanée, de billetterie et de CRM permettent à un assistant de répondre à des questions à partir des données de l’entreprise et d’effectuer des mises à jour pour le compte de l’utilisateur.
- Inspection visuelle : un agent appelle un outil de détection sur une image de caméra, interroge un serveur d’inventaire pour trouver des pièces de rechange lorsqu’il détecte un composant endommagé, puis rédige un ticket de maintenance ; une seule prédiction devient ainsi un flux de travail automatisé complet.
- Analyse de données : les serveurs de base de données exposent des outils de requête en lecture seule, ce qui permet aux analystes de poser des questions en langage courant et d’obtenir des réponses calculées à partir de tables actualisées.
Considérations de sécurité#
Un outil MCP peut exécuter n’importe quel code avec les identifiants de l’utilisateur ; chaque connexion étend donc les capacités du modèle ainsi que la portée d’un éventuel attaquant. Les résultats des outils et les ressources peuvent contenir des injections de prompt, c’est-à-dire du texte visant à inciter le modèle à appeler d’autres outils ou à divulguer des données. Un serveur malveillant peut aussi dissimuler des instructions dans les descriptions de ses propres outils : cette attaque est appelée empoisonnement d’outil. Les serveurs distants authentifient les utilisateurs au moyen d’une autorisation fondée sur OAuth, et les hôtes prudents limitent chaque serveur aux permissions nécessaires, exécutent les serveurs locaux dans des environnements isolés et ajoutent des garde-fous, comme des demandes d’approbation avant les actions sensibles. La spécification exige des hôtes qu’ils obtiennent le consentement explicite de l’utilisateur avant d’appeler un outil et qu’ils considèrent les descriptions d’outils comme non fiables, sauf si elles proviennent d’un serveur de confiance.










