Le Model Context Protocol (MCP) est apparu en 2024 comme une norme ouverte conçue pour remédier à la fragmentation dans la manière dont les systèmes d'intelligence artificielle se connectent aux outils, bases de données et services externes. Développé initialement par Anthropic, MCP fournit un protocole universel basé sur JSON qui permet aux applications de grands modeles de langage de découvrir, d'invoquer et de gérer des outils et des sources de données de manière cohérente. Son introduction a marqué une étape significative vers la standardisation de l'intégration de l'IA, réduisant le besoin de connecteurs personnalisés et ponctuels qui dominaient auparavant le domaine.
MCP fonctionne sur une architecture client-serveur, où les applications d'IA agissent comme des hôtes qui se connectent à des serveurs MCP exposant des ressources, des outils et des invites. Cette conception permet aux développeurs de créer une fois et de déployer sur plusieurs plateformes d'IA, favorisant l'interopérabilité entre les systèmes de fournisseurs comme OpenAI, Google DeepMind et d'autres. Le protocole inclut des fonctionnalités de sécurité intégrées telles que des étendues de permissions et une journalisation d'audit, répondant aux préoccupations croissantes concernant la confidentialité des données et le contrôle dans les déploiements d'IA.
Origines et développement
Les racines du protocole remontent à 2023, lorsque les ingénieurs d'Anthropic ont identifié le besoin d'une manière standardisée de connecter leurs modèles Claude (AI model family) à des API et sources de données externes. En novembre 2024, MCP a été open-sourcé sous licence MIT, avec des contributions de partenaires incluant OpenAI, Microsoft (AI) et google. La spécification initiale définissait des primitives de base - des ressources pour les données, des outils pour les actions et des invites pour les modèles réutilisables - ainsi que des mécanismes de transport sur HTTP et l'entrée/sortie standard.
La décision d'Anthropic de publier MCP comme norme ouverte a été influencée par les efforts antérieurs en interopérabilité de l'IA, tels que les capacités de appel de fonction dans l'API d'OpenAI et les fonctionnalités d'utilisation d outils dans les modèles Gemini de Google DeepMind. Cependant, ceux-ci étaient propriétaires et spécifiques à une plateforme, limitant l'adoption inter-fournisseurs. MCP visait à unifier ces approches sous une spécification unique et neutre vis-à-vis des fournisseurs.
Architecture technique
MCP définit trois abstractions principales : les ressources (données en lecture seule comme des fichiers ou des enregistrements de base de données), les outils (fonctions exécutables qui effectuent des actions) et les invites (modèles réutilisables pour des interactions courantes). Chacune est identifiée par une URI et peut être découverte dynamiquement par le client. Le protocole prend en charge à la fois les interactions requête-réponse et en streaming, avec JSON-RPC 2.0 comme format de message.
La sécurité est gérée via OAuth 2.1 pour l'authentification, avec des permissions étendues optionnelles qui limitent les outils ou ressources qu'une IA peut accéder. La spécification inclut une phase de « négociation de capacités » où les serveurs déclarent leurs fonctionnalités prises en charge, permettant aux clients d'adapter leur comportement. Cette conception a été saluée pour sa simplicité - une implémentation minimale ne nécessite que quelques centaines de lignes de code - tout en restant extensible pour des cas d'utilisation complexes.
Adoption par l'industrie
En quelques mois après sa sortie, MCP a gagné du terrain auprès des grandes entreprises technologiques. Amazon Web Services a intégré MCP dans ses services AWS Trainium et Amazon Bedrock, permettant aux clients de connecter leurs charges de travail d'IA aux outils natifs d'AWS. Microsoft Azure a ajouté le support de MCP à sa plateforme azure-ai, tandis que Google Cloud a annoncé la compatibilité avec sa suite Vertex AI. Ces intégrations ont permis aux développeurs d'utiliser MCP pour connecter des modèles à des bases de données cloud, du stockage et des outils de surveillance sans écrire de code de colle personnalisé.
Les fabricants de matériel ont également adopté la norme. AMD, Intel et NVIDIA (via son écosystème CUDA) ont annoncé des optimisations pour les charges de travail d'inférence basées sur MCP, reconnaissant le rôle du protocole dans la simplification du déploiement de l'IA sur leurs puces. Samsung Electronics et Apple ont exploré MCP pour des applications d'IA sur appareil, en particulier pour connecter des modèles de reseau de neurones aux capteurs de l'appareil et aux magasins de données locaux.
Cas d'utilisation et applications
L'impact le plus immédiat de MCP a été dans les logiciels d'entreprise. Salesforce et sap ont adopté MCP pour permettre à leurs assistants IA d'interagir avec les systèmes de gestion de la relation client et de planification des ressources d'entreprise. Dans le secteur de la santé, Commure et Intuitive Surgical ont utilisé MCP pour connecter des modèles d'IA aux dossiers de santé électroniques et à la robotique chirurgicale, respectivement, avec des contrôles de permission stricts pour se conformer à des réglementations comme HIPAA.
Dans le secteur des véhicules autonomes, Waymo et Tesla ont exploré MCP pour intégrer des données de capteurs en temps réel avec des modèles de prise de décision. La capacité du protocole à diffuser des données efficacement l'a rendu adapté aux applications sensibles à la latence, bien que les déploiements en production soient restés limités à la fin 2024. Les entreprises de services financiers comme jpmorgan et goldman-sachs ont piloté MCP pour connecter des assistants de trading basés sur des grands modeles de langage aux flux de données de marché et aux systèmes de gestion des risques.
Comparaison avec les alternatives
Avant MCP, les développeurs s'appuyaient sur des API propriétaires ou des frameworks comme LangChain et LlamaIndex pour connecter des modèles d'IA à des outils. Ces frameworks offraient des abstractions de plus haut niveau mais liaient les utilisateurs à des écosystèmes spécifiques. L'approche de plus bas niveau de MCP a donné aux développeurs plus de contrôle tout en maintenant la portabilité entre les plateformes.
Le protocole a concurrencé l'API d'appel de fonction d'OpenAI et la fonctionnalité d'utilisation d outils de Google DeepMind, mais sa gouvernance ouverte sous la linux foundation (annoncée en décembre 2024) a fourni un foyer neutre. Ce modèle de gouvernance, similaire à celui de kubernetes, a été considéré comme un facteur clé de son adoption rapide, car il assurait aux fournisseurs qu'aucune entreprise unique ne contrôlerait l'évolution de la norme.
Défis et critiques
Malgré sa promesse, MCP a fait face à plusieurs défis. Les premières versions manquaient de support intégré pour les réponses en streaming, qui a été ajouté dans la version 0.2 en janvier 2025. Certains critiques ont fait valoir que la flexibilité du protocole conduisait à des implémentations incohérentes entre les fournisseurs, sapant l'objectif d'une véritable interopérabilité. La dépendance de la spécification à JSON-RPC a également été considérée comme moins efficace que des protocoles binaires comme grpc, bien que cela ait été atténué par une compression optionnelle.
Les chercheurs en sécurité ont soulevé des préoccupations concernant le potentiel d'attaques par injection d'invites via le mécanisme d'invocation d'outils de MCP. En réponse, le groupe de travail a ajouté des directives pour la validation des entrées et le sandboxing dans la version 0.3, publiée en mars 2025. La documentation du protocole a souligné que MCP lui-même ne fournit pas de garanties de sécurité - il s'appuie sur l'application hôte pour appliquer les politiques.
Orientations futures
Le groupe de travail MCP, comprenant des représentants d'Anthropic, OpenAI, google, Microsoft (AI) et amazon, a publié une feuille de route au début de 2025. Les fonctionnalités prévues incluaient le support de la coordination multi-agents, où plusieurs modèles d'IA pourraient partager le contexte et les outils via MCP, et des mécanismes améliorés de découverte d'outils utilisant des métadonnées sémantiques. Le groupe a également exploré l'intégration avec les normes de graphe de connaissances pour permettre des connexions de données plus riches.
À la mi-2025, MCP avait été implémenté dans plus de 200 projets open-source et était pris en charge par plus de 50 produits commerciaux. Son adoption était particulièrement forte dans le domaine de l'ia generative, où les startups et les entreprises établies l'utilisaient pour différencier leurs offres. Le succès du protocole a démontré une tendance plus large vers la standardisation de l'infrastructure de l'IA, similaire à la manière dont TensorFlow et PyTorch ont standardisé le développement de modèles à la fin des années 2010.
Impact sur l'écosystème de l'IA
L'introduction de MCP a eu un effet d'entraînement sur l'industrie de l'IA. Elle a réduit la barrière à l'entrée pour les développeurs créant des outils alimentés par l'IA, car ils pouvaient désormais s'appuyer sur une norme d'intégration unique plutôt que de construire des connecteurs pour chaque fournisseur d'IA. Cela a conduit à une prolifération de serveurs compatibles MCP pour tout, de github à slack en passant par postgresql, souvent créés par des développeurs tiers.
Le protocole a également influencé la manière dont les entreprises d'IA ont conçu leurs API. OpenAI et Google DeepMind ont tous deux annoncé le support de MCP dans leurs plateformes de développement, reconnaissant la demande d'interopérabilité. Ce changement était notable compte tenu de leur accent précédent sur les écosystèmes propriétaires. L'accent mis par la norme sur le consentement de l'utilisateur et l'étendue des permissions s'aligne sur les tendances réglementaires plus larges, telles que l'acte sur l ia de l ue, qui exige transparence et contrôle dans les systèmes d'IA.
À la fin de 2024, MCP était devenu une norme de facto pour l'intégration d'outils d'IA, avec des analystes de l'industrie comparant son impact potentiel à celui des API rest dans le développement web. Sa gouvernance ouverte et son adoption rapide suggéraient qu'il resterait une technologie fondamentale pour un avenir prévisible, façonnant la manière dont les systèmes d'intelligence artificielle interagissent avec le monde numérique.