Accueil / Articles

MCP expliqué : pourquoi exposer des capacités est préférable aux points d’entrée fixes pour les agents.

Qu’est-ce que le MCP et pourquoi c’est important : clients et serveurs du Model Context Protocol, la manière dont il diffère d’une API fixe, et ce que Figma et Render révèlent sur les agents IA.

Éditeur : REACTAPP.TOP7 min de lecture1615 mots

Sources: **What are MCPs?… Why are they important**

Tôt ou tard, tout développeur se heurte aux trois lettres MCP. Essayez Supabase, Figma, ou presque n’importe quel produit destiné aux développeurs : vous découvrirez qu’ils proposent tous leur propre MCP. La réaction habituelle est d’acquiescer sans vraiment comprendre ce que ce terme désigne ni comment il est censé aider. Voici une explication en langage simple.

Un petit exemple illustre son efficacité. Il fallait créer une page d’accueil pour une application, en partant d’un design Figma. L’assistant IA a suggéré de se connecter au serveur MCP de Figma. Une fois connecté, la page a été mise en place en quelques minutes, sans que personne n’ait à écrire manuellement le code de mise en page. Les questions intéressantes sont : qu’est-ce que MCP et pourquoi cela change-t-il les choses ?

Comment fonctionnaient toujours les backends

Lorsqu’une API conventionnelle est conçue, son objectif est déjà défini. Un client souhaite obtenir une liste de produits, et le service fournit précisément cela, soit par l’utilisation de SELECT * FROM products, soit par une appel à un répertoire comme productRepository.find() lorsque l’on utilise un ORM. L’endpoint est conçu autour d’un objectif fixe, sans aucune possibilité d’adaptation.

Tel est le compromis des API traditionnelles : le client sait ce qu’il veut, et le développeur crée une solution ciblée pour répondre à cette demande. L’intention est déterminée avant même que la première ligne de code de l’endpoint ne soit écrite.

Ce que l’IA a changé

Les humains ne sont plus les seuls à interagir avec une application. Les agents d’IA doivent également pouvoir l’utiliser, ce qui soulève une question évidente : pourquoi ne pas leur permettre simplement d’appeler les API existantes, comme le fait n’importe quel client destiné aux humains ?

Le problème, c’est qu’une API suppose l’existence d’un cas d’usage connu. Avec les agents, le développeur ne peut souvent pas déterminer à l’avance ce qu’ils souhaitent faire. Ainsi, au lieu d’un point d’entrée encore plus rigide et restreint, MCP vise à ouvrir davantage des parties d’une application afin qu’une intelligence artificielle puisse les explorer et les utiliser selon ses besoins.

Une définition

MCP, le Model Context Protocol, est une norme ouverte introduite par Anthropic. Elle décrit une méthode commune permettant aux applications d’intelligence artificielle, comme Claude par exemple, de se connecter à des outils, des sources de données et des systèmes externes. Il s’agit d’un protocole, d’une convention que tous les agents doivent respecter, et non d’un produit ou d’une intégration spécifique. N’importe qui peut le mettre en œuvre.

En pratique, cela se divise en un client et un serveur. Une application, ou un service comme Figma ou Render, expose un serveur MCP. Une application d’IA telle que Claude agit comme client MCP et se connecte à lui. Le serveur indique ce qui est disponible, et le client le découvre et l’utilise.

Le côté serveur repose sur quelques éléments fondamentaux :

  • Des outils que l’agent peut invoquer.
  • Des ressources qu’il peut lire.
  • Des prompts qui peuvent être réutilisés, afin qu’il n’ait pas à deviner comment aborder une tâche courante.

Le côté client possède lui aussi un élément propre, appelé « roots », qui définit les limites de ce qu’un serveur peut accéder. Tout agent qui comprend MCP comprend déjà tous ces éléments, c’est pourquoi la connexion devient un simple branchement sans nécessiter de travail d’intégration personnalisé à chaque fois.

Un avantage en termes de sécurité

MCP contribue également à la sécurité. L’agent accède toujours à vos données, mais de manière indirecte seulement. Le serveur est le seul composant qui communique avec la base de données, et il ne propose que les fonctionnalités définies. L’agent ne peut pas exécuter de requêtes par lui-même ni voir le schéma. Il interagit avec l’interface prévue, tandis que le serveur effectue le travail réel à sa place. L’abstraction peut être poussée aussi loin que souhaité, de sorte que l’agent en sait très peu sur l’implémentation interne.

Tout ceci s’ajoute aux API existantes sans les remplacer. MCP les enrobe dans une interface standard et facile à découvrir à laquelle tout agent IA peut se connecter et comprendre. La principale différence par rapport à une API ordinaire est qu’aucun acteur ne décide à l’avance précisément ce qu’un client peut faire. Une plus grande variété de fonctionnalités, qu’il s’agisse d’outils, de ressources ou de données, est mise à disposition, et l’agent détermine lui-même, en fonction de la situation, comment les utiliser.

Lorsqu’un agent se connecte, il découvre les capacités mises à disposition et réfléchit à la manière de les utiliser pour accomplir une tâche, de sorte qu’il n’est pas nécessaire de coder manuellement chaque action qu’il pourrait jamais vouloir effectuer.

Un exemple concret avec Figma et Claude

L’histoire de la page d’accueil est le moyen le plus clair pour voir quels changements ont été apportés. Pour les travaux d’interface utilisateur et de mise en forme, la procédure habituelle repose sur des captures d’écran : on prend une image du design, on la transmet à un agent, puis on échange des retours en soulignant ce qui a été oublié, en zoomant sur des détails ou en expliquant l’intention derrière les modifications. Un œil humain perçoit des choses que l’agent, en regardant une image plate, ne peut pas juger avec autant de précision.

Cette fois, la première étape a été différente. On a indiqué à l’agent l’objectif à atteindre et on lui a demandé le meilleur moyen de l’accomplir ; il a alors proposé MCP de Figma. C’est en général une bonne habitude. Une intelligence artificielle est un moteur de prédiction, et la qualité de sa réponse dépend fortement du contexte qu’elle reçoit. Il est souvent avantageux de demander à l’IA elle-même la meilleure approche plutôt que de se limiter aux méthodes déjà connues. La contraindre à suivre des cadres prédéfinis gaspille ses forces, surtout lorsque la tâche est nouvelle. Ici, la recommandation était bien MCP.

Ensuite, le Figma MCP a été configuré localement, et Claude y a été connecté. Après l’authentification, les données de conception sont devenues accessibles, permettant ainsi à Claude de lire directement le design réel sans avoir besoin d’captures d’écran. Il a analysé le design étape par étape, a décomposé le travail en un plan et l’a mis en œuvre. Le résultat était presque final, une implémentation quasi immédiate et presque parfaite.

En fait, le MCP a donné à l’agent les mêmes capacités visuelles qu’un être humain. Personne n’a eu besoin de servir d’intermédiaire pour traduire ce qui est visible dans le design en quelque chose que l’agent puisse utiliser, car l’agent pouvait consulter directement le design lui-même.

Pourquoi les fournisseurs devraient s’en soucier

Le cas Figma concernait l’utilisation du serveur d’autrui. Cela soulève également la question de la création d’un tel serveur pour une application, afin que les agents et les personnes qui les gèrent puissent accomplir plus que ce qui était initialement prévu.

Render, une plateforme de déploiement d’applications, en offre un exemple. Son serveur MCP met à disposition les journaux de déploiement, des métriques de service telles que la CPU, la mémoire et le temps de réponse des requêtes, ainsi qu’un accès en lecture seule à une base de données Postgres. Normalement, tout cela nécessite de se connecter au tableau de bord de Render. Avec le serveur MCP connecté, quelqu’un peut demander à un agent de créer un tableau de bord personnalisé avec des statistiques de déploiement, de signaler une augmentation soudaine des journaux d’erreurs ou de suivre l’utilisation des ressources dans le temps. Render n’a jamais eu besoin d’anticiper ce type de tableau de bord ni de déployer une API à cette fin. Il expose les capacités de base, et l’agent les assemble selon les besoins.

Voici le point essentiel. Un développeur pourrait penser que les clients veulent la fonctionnalité ABC alors qu’en réalité ils souhaitent XYZ. Si seules des API fixes existent, les utilisateurs sont limités à ce que le développeur a jugé utile d’offrir. MCP inverse cette situation : il ne restreint ni l’agent, ni l’utilisateur qui l’utilise, à ce qui a été prédéfini. Il présente ce que l’application peut faire et laisse à l’agent la décision quant à ce qui doit être développé, tout comme le serveur de Render laisse à l’utilisateur la décision concernant le tableau de bord.

Ainsi, au lieu d’un tableau de bord utilisateur composé de quelques vues prédéfinies, l’utilisateur peut demander à un agent une vue entièrement personnalisée, et l’agent peut la créer, car il voit ce qui est possible au sein de l’application. Le message adressé aux utilisateurs passe d’une liste de choses fixes qu’ils peuvent faire avec l’application à une description de ce que l’application peut faire, leur permettant ainsi de déterminer eux-mêmes leurs besoins.

Puisque MCP est une norme, son champ d’application dépasse de loin le cadre d’une seule application et d’un seul agent. Tout agent capable de communiquer via MCP peut se connecter à n’importe quelle application qui le prend en charge, en utilisant le même protocole. C’est pourquoi cela représente un véritable changement et non simplement une fonctionnalité pratique.

Changement de mentalité

MCP n’est pas simplement des API pour l’IA. Il s’agit d’un changement d’attitude, passant de la conception pour un cas d’usage spécifique et connu à celle qui vise à mettre en avant des possibilités et à laisser l’IA, guidée par le contexte, décider de ce qu’elle en fait. C’est également un moyen plus sûr de permettre aux agents d’interagir avec une application, car ils n’ont jamais accès direct au database ou aux composants internes. Ils ne voient que l’interface choisie, tandis que le serveur MCP effectue le travail réel en arrière-plan.

Toute personne qui développe quelque chose que des agents d’IA pourraient utiliser doit comprendre cette distinction : ce qui est prédéfini par rapport à ce qui est rendu possible.

Lectures complémentaires

  • Explication du MCP à l’aide de diagrammes : un serveur pour ChatGPT, Claude et Cursor — Une présentation basée sur des diagrammes du Model Context Protocol : serveurs, outils, ressources et prompts, sa relation avec REST et les appels de fonction, ainsi que les mesures de sécurité qu’il apporte.
  • L’évasion des agents IA causée par des identifiants volés, et non par une faille zéro jour — Un agent d’évaluation a réussi à s’échapper en utilisant une faille zéro jour ainsi que de nombreux secrets divulgués. Pourquoi les clés statiques représentent un risque plus grand pour les agents, ce qui est fourni pour l’identification des agents, et six étapes à suivre immédiatement.
  • MCP est une prise, pas un cerveau : où s’arrête le protocole et où commence le cycle de l’agent — Appels d’outils, le problème de câblage résolu par MCP, ses rôles et transports, ses différences avec l’orchestration, un serveur FastMCP minimal, et quand l’ignorer.