Le Model Context protocole (MCP) permet aux agents IA d’accéder à des outils et des sources de données externes afin d'agir plus efficacement.
Cet article s'articule autour des points suivants :
Copier le lien de l'article
Le protocole Model Context est un moyen standard de mettre des informations à la disposition des grands modèles de langage (LLM). Un peu similaire au fonctionnement d'une interface de programmation d'application (API), le MCP propose un moyen documenté et normalisé permettant à un programme informatique d'intégrer les services à partir d'une source externe. Il prend en charge l'IA agentique, c'est-à-dire des programmes intelligents capables de poursuivre des objectifs et d'entreprendre des actions de manière autonome.
Concrètement avec le MCP, les programmes d'IA sont littéralement capables d'aller plus loin que ce pour quoi ils ont été entraînés. Il leur permet d'intégrer de nouvelles sources d'informations à leurs processus de prise de décision et de génération de contenus, tout en les aidant à se connecter aux outils externes.
Imaginez un assistant qui doit effectuer une réservation au restaurant pour son chef. L'assistant appelle le numéro de téléphone du restaurant, demande les heures de disponibilité et demande une table. Le MCP est un moyen de fournir un « numéro de téléphone » aux agents IA afin qu'ils puissent obtenir les informations dont ils ont besoin pour effectuer des tâches.
Le MCP a été développé par l'entreprise spécialisée dans l'IA Anthropic, avant de devenir un logiciel open source. Depuis son passage en open source à la fin de l'année 2024, le MCP est rapidement devenu une norme dans le secteur, permettant une utilisation plus généralisée des agents IA.
Les agents IA sont des programmes d'IA basés sur des LLM. Ils utilisent les fonctionnalités de traitement de l'information des LLM pour obtenir des données, prendre des décisions et agir au nom des utilisateurs humains.
Le MCP est un moyen pour les agents IA de trouver les informations dont ils ont besoin et d'agir en conséquence. Il permet de connecter les agents IA au « monde extérieur », pour ainsi dire, c'est-à-dire le monde au-delà des données d'entraînement des LLM. (Parmi les autres méthodes figurent les intégrations des API et la navigation headless.)
Le MCP est un protocole, c'est-à-dire un ensemble convenu d'étapes et d'instructions à appliquer entre divers appareils informatiques connectés au réseau. Le MCP suppose une architecture client-serveur dans laquelle une entité, le client (l'agent IA ou un programme auxiliaire) envoie des requêtes aux serveurs, qui y répondent.
Les clients MCP opèrent dans des hôtes MCP. Les clients conservent une connexion un à un avec les serveurs MCP, mais plusieurs clients peuvent s’exécuter à partir du même hôte MCP. Par conséquent, les hôtes MCP peuvent extraire des données de plusieurs serveurs MCP simultanément. Les serveurs MCP, à leur tour, peuvent utiliser les intégrations des API pour obtenir des données à partir de sources supplémentaires.
Cela signifie qu'un agent IA peut utiliser le MCP pour se connecter à plusieurs serveurs à la fois, toutefois, chaque connexion est établie indépendamment de toute autre connexion. Pensez à une équipe de reporters d'un journal, qui contactent toutes les sources individuellement, mais réunissent ensuite leurs informations pour produire un article de presse.
Le MCP utilise quatre types de messages :
Les connexions MCP peuvent être soit distantes, soit locales. Des connexions à distance sont établies entre les agents IA et les serveurs MCP sur Internet. Les connexions locales ont lieu au sein de la même machine (les clients MCP et les serveurs MCP sont des programmes logiciels fonctionnant séparément les uns des autres).
Les communications réseau MCP se déroulent en trois phases :
Pour rendre le MCP plus sûr, des étapes supplémentaires d’authentification et d'autorisation peuvent précéder ces trois phases.
Un serveur MCP est un programme hébergé sur un serveur ou dans le cloud qui expose les fonctionnalités que les agents IA peuvent utiliser via le MCP. Les serveurs MCP peuvent fournir aux agents IA un accès à de nouveaux ensembles de données ou à d'autres outils dont ils ont besoin. Par exemple, un serveur MCP peut permettre à un agent IA d'utiliser un service de courrier électronique, afin que l'agent puisse envoyer des e-mails au nom de l'utilisateur humain qu'il aide.
Aucune fonctionnalité d'authentification, d'autorisation ou de chiffrement n'est nativement intégrée dans le MCP, de sorte que les développeurs doivent la mettre en œuvre eux-mêmes ou utiliser un service qui facilite la mise en œuvre.
Le MCP ne nécessite pas l'utilisation de HTTPS ; de nombreuses mises en oeuvre fonctionnent en HTTP. Il peut donc manquer de chiffrement et d'authentification, à moins que les développeurs ne mettent en œuvre de manière anticipée l'utilisation de Transport Layer Security (TLS). À l'instar de tout protocole de réseau, le MCP peut être vulnérable à l'usurpation d'identité ou aux attaques de l'homme du milieu en l'absence de TLS.
Le MCP offre des fonctionnalités similaires à celles d'une API (c'est-à-dire des parties externes demandant des données et des services), bon nombre des principales considérations de sécurité des API s'appliquant également aux mises en œuvre MCP. Les entreprises mettant à disposition des serveurs MCP doivent s’assurer que les données confidentielles ne sont pas exposées, que les ressources sont protégées, que les requêtes excessives sont arrêtées par le contrôle du volume des requêtes, que les agents d’IA n’ont pas trop d’autorisations et que les entrées sont validées et nettoyées.
Certains serveurs MCP proposent des bibliothèques qui facilitent la mise en œuvre d'OAuth. Cloudflare fournit une bibliothèque de fournisseurs OAuth, qui met en œuvre le côté fournisseur du protocole OAuth 2.1, ce qui vous permet d'ajouter facilement une autorisation à votre serveur MCP.
Les développeurs peuvent utiliser la bibliothèque fournisseur OAuth de trois manières :
Cloudflare met plusieurs serveurs MCP à la disposition des développeurs créant de l'IA agentique. Cloudflare permet également aux développeurs de créer et de déployer leurs propres serveurs MCP pour prendre en charge les agents IA. Découvrez comment démarrer avec MCP sur Cloudflare.
Le protocole MCP (Model Context Protocol) est une norme qui permet aux agents IA et aux grands modèles de langage (LLM) de se connecter à des outils externes et d’accéder à de nouvelles informations au-delà de leurs données d’entraînement d’origine. Ils peuvent ainsi prendre des décisions et agir plus efficacement au nom des utilisateurs.
MCP fonctionne selon un modèle client-serveur. Un agent IA (le client) envoie des requêtes à un ou plusieurs serveurs MCP. Ces serveurs renvoient alors les informations demandées ou permettent l’accès à des outils externes via des connexions API supplémentaires.
Les agents IA sont des programmes d’IA avancés, basés sur des LLM, qui peuvent poursuivre de manière autonome les objectifs d’un utilisateur. MCP constitue l’un des principaux moyens par lesquels ces agents se connectent au « monde extérieur », leur permettant de trouver en temps réel les informations et outils dont ils ont besoin pour effectuer des tâches.
MCP utilise quatre types de messages : les requêtes d’information envoyées par le client, les résultats du serveur contenant les informations, les erreurs lorsque le serveur ne peut pas répondre et les notifications, qui sont des messages unidirectionnels ne nécessitant pas de réponse.
MCP ne dispose pas nativement de fonctionnalités de sécurité telles que l’authentification, l’autorisation ou le chiffrement. Les développeurs doivent mettre en œuvre eux-mêmes ces protections, par exemple en utilisant Transport Layer Security (TLS) pour empêcher les attaques de l’homme-du-milieu (on-path).
Étant donné que MCP offre des fonctionnalités similaires à une API en permettant à des parties externes de demander des données et des services, bon nombre des mêmes considérations de sécurité s’appliquent. Les organisations qui mettent des serveurs MCP à la disposition de tiers doivent protéger leurs données confidentielles, mettre en place un contrôle du volume des requêtes pour arrêter les requêtes excessives et s’assurer que les agents IA ne disposent pas d’un trop grand nombre d’autorisations.