MCP : le protocole qui permet d’intégrer votre app avec les LLMs
Ce protocole est en train de devenir le standard pour intégrer des LLM dans vos applications. Mais qu’est-ce que c’est concrètement et est-ce que ça peut être intéressant pour votre produit ?
Commençons par expliquer le concept à ta grand-mère
Pour connecter des appareils entre eux, nous utilisons habituellement des normes de connecteurs comme l’USB-C. MCP est une norme similaire, mais qui sert à connecter non pas des appareils physiques, mais des modèles d’intelligence artificielle à des applications.
Let’s dive in !
Le Model Context Protocol (MCP) est une norme mise au point par Anthropic (la société derrière le modèle d’IA « Claude ») afin de connecter facilement des modèles d’intelligence artificielle à des sources de données et à des applications externes.
Aujourd’hui, les modèles d’IA font partie de notre quotidien, notamment dans le cadre professionnel. Cependant, l’un des principaux freins à l’amélioration de la pertinence de leurs réponses reste l’accès limité au contexte réel de nos demandes.
Imaginons que l’on souhaite poser une question concernant un terme précis mentionné dans une pull request (PR) réalisée par un des développeurs sur GitHub. Jusqu’à présent, il fallait copier manuellement le contenu de cette PR dans le prompt de l’IA pour lui fournir le contexte nécessaire. Avec MCP, le modèle IA peut directement accéder à GitHub pour consulter automatiquement la PR dont on parle, sans intervention manuelle.
Un standard en train de naître
Le protocole MCP a été annoncé pour la première fois par Anthropic en novembre 2024, dans un bref article de présentation. Il a été développé pour résoudre un problème majeur qui ne cesse de s’accentuer avec l’usage généralisé des modèles IA :
Même les modèles les plus sophistiqués sont limités par le fait qu’ils restent isolés des données, coincés dans des silos d’information ou des systèmes existants. — Anthropic
Lors de sa première annonce, MCP n’avait pas provoqué beaucoup d’enthousiasme, car il était limité à quelques early adopters et uniquement au modèle Claude AI. Mais tout a changé en mars 2025, lorsque OpenAI a annoncé son soutien à ce protocole, rapidement suivi par Google.
Une architecture pas si complexe qu’elle en à l’air
Au premier abord, l’architecture du MCP peut sembler complexe, car elle implique plusieurs éléments distincts :
MCP Host : Il s’agit de l’application qui souhaite accéder à des données externes. Ce pourrait être, par exemple, un client d’IA comme ChatGPT Desktop, ou un outil de développement tel que Cursor AI.
MCP Client : C’est le composant qui communique avec le serveur afin d’envoyer des requêtes et récupérer les informations. On peut imaginer ce client comme une extension intégrée à l’application.
MCP Server : Ce programme expose des données ou des fonctionnalités en utilisant le protocole MCP. Il répond aux requêtes transmises par le MCP Client.
Prenons un cas concret pour mieux comprendre :
Imaginons que je sois un développeur en train de finaliser une fonctionnalité dans mon IDE, Cursor AI. Grâce au MCP, je peux simplement demander à mon IA :
« Push le code sur la branche new-feature-branch, ouvre une PR, lance la review et envoie-moi un message sur Slack dès qu’elle est validée.
Ici, l’application Host est l’IDE Cursor AI, qui possède un client MCP intégré lui permettant d’interagir avec les serveurs MCP de GitHub, de Slack, ou de gestion des fichiers locaux.
Dans cet exemple précis, le modèle d’IA va :
Récupérer le code rédigé dans l’IDE grâce au serveur MCP qui gère les accès aux fichiers locaux.
Créer une nouvelle branche sur GitHub, pousser le code, ouvrir une PR et lancer une review grâce au serveur MCP qui expose les fonctionnalités de GitHub.
Envoyer un message via le serveur MCP de Slack dès que la validation de la PR est confirmée.
Chaque serveur MCP définit une liste spécifique de fonctionnalités accessibles via des requêtes en langage naturel, transformées automatiquement en appels d’API.
Et d’un point de vue Product ?
En tant que Product Manager, il est pertinent de mener une phase exploratoire afin d’évaluer si le MCP peut représenter une réelle opportunité pour votre produit. Voici quelques questions clés à se poser pour identifier cette opportunité :
Mes utilisateurs doivent-ils souvent faire des allers-retours entre mon produit et un modèle de langage (LLM) ?
Mes utilisateurs utilisent-ils principalement une application qui pourrait devenir un MCP host ?
Certaines actions au sein de mon produit seraient-elles plus simples ou plus intuitives si elles étaient déclenchées par une demande formulée en langage naturel ? Ou nécessitent-elles actuellement de traiter une grande quantité d’informations ?
Si la réponse à l’une de ces questions est positive, il serait judicieux d’approfondir l’étude pour déterminer si la création d’un serveur MCP pourrait réellement apporter de la valeur à vos utilisateurs. Cela est particulièrement vrai si votre produit dispose déjà d’une API publique assez complète. En effet, un serveur MCP est essentiellement une surcouche permettant d’interagir facilement avec une API existante : si vous disposez déjà de cette API, une grande partie du travail est déjà accomplie.