MCP (Model Context Protocol) : le standard ouvert qui connecte l’IA au monde réel

Avant MCP, connecter un assistant IA à un outil externe demandait un développement sur mesure. Un connecteur pour Slack. Un autre pour GitHub. Un autre pour votre base de données. Chaque intégration était spécifique à un modèle et à un service, impossible à réutiliser ailleurs. Avec 10 outils et 5 modèles, vous aviez 50 intégrations à construire et à maintenir. C’est ce qu’on appelle le problème N×M : N assistants multipliés par M outils, chacun avec son code dédié.

Le Model Context Protocol transforme cette multiplication en addition. Un serveur MCP construit une fois rend un outil accessible à tous les clients compatibles : Claude, ChatGPT, Gemini, Cursor, VS Code Copilot, et des centaines d’autres. Un client compatible MCP peut utiliser tous les serveurs existants sans code supplémentaire. L’analogie la plus juste : MCP est l’USB-C de l’IA.

Qu’est-ce que MCP, concrètement

MCP est un protocole de communication ouvert publié par Anthropic en novembre 2024, sous licence libre. Il définit un langage commun pour qu’une application IA (le client) puisse découvrir, interroger et utiliser des outils et des données exposés par un serveur MCP.

Le protocole repose sur JSON-RPC 2.0, un standard léger d’échange de messages structurés. Les communications passent par deux modes de transport : stdio (entrée/sortie standard) pour les processus locaux, et HTTP/SSE (Streamable HTTP) pour les connexions à distance. En pratique, un serveur MCP local se lance comme un processus sur votre machine ; un serveur distant fonctionne comme un service web classique.

Chaque serveur MCP expose trois types de capacités :

• Tools (outils) — des fonctions que le modèle peut appeler. Exemples : rechercher un fichier, exécuter une requête SQL, envoyer un message Slack, créer un ticket GitHub.
• Resources (ressources) — des données que le client peut intégrer au contexte. Exemples : le contenu d’un fichier, le schéma d’une base de données, l’historique d’une conversation Slack.
• Prompts — des modèles de requêtes réutilisables exposés par le serveur. Exemples : un template « Résume ce document » ou « Analyse cette pull request ».

Le modèle IA ne voit pas le code du serveur : il reçoit une description structurée des outils disponibles (nom, paramètres, finalité) et décide dynamiquement lesquels utiliser en fonction de la requête de l’utilisateur. C’est cette découverte dynamique qui distingue MCP d’un simple appel API codé en dur.

Comment ça marche : l’architecture en 3 couches

MCP repose sur une architecture client-serveur avec trois rôles distincts.

Le flux est simple : l’utilisateur pose une question → le modèle identifie qu’il a besoin d’un outil → le client MCP appelle le serveur correspondant → le serveur exécute l’action et renvoie le résultat → le modèle intègre cette information dans sa réponse. Tout se fait en temps réel, de manière transparente pour l’utilisateur.

Qui utilise MCP en 2026

Le protocole a dépassé le stade expérimental. Le 9 décembre 2025, Anthropic a fait don de MCP à l’Agentic AI Foundation (AAIF), un fonds dédié hébergé par la Linux Foundation, où il rejoint goose (Block) et AGENTS.md (OpenAI) comme projets fondateurs. L’AAIF est co-fondée par Anthropic, Block et OpenAI, avec le soutien de Google, Microsoft, AWS, Cloudflare et Bloomberg. Le message est clair : MCP devient une infrastructure neutre, gouvernée à la manière de Kubernetes ou PyTorch, au-delà de son créateur d’origine.

Côté adoption :

• Anthropic — Claude Desktop, Claude Code et l’API Claude utilisent MCP nativement, avec un support de première classe du protocole.
• OpenAI — support MCP intégré dans le SDK Agents, déployé dans ChatGPT et l’API Responses depuis mars 2025.
• Google DeepMind — adoption annoncée pour Gemini en avril 2025.
• Éditeurs de code — Cursor, VS Code (GitHub Copilot), Zed, Replit, Windsurf, Sourcegraph Cody parlent tous MCP.
• Entreprises — Block (fintech), Bloomberg, Apollo, et un nombre croissant de SaaS lancent leurs propres serveurs MCP. Selon Gartner, 75 % des fournisseurs de passerelles API et 50 % des fournisseurs iPaaS auront des fonctionnalités MCP d’ici fin 2026.

Les SDK officiels (TypeScript et Python) dépassent 97 millions de téléchargements mensuels. La communauté a publié plus de 10 000 serveurs MCP, référencés sur GitHub, npm, PyPI et des registres spécialisés (Smithery, Glama, PulseMCP).

Les serveurs MCP les plus utiles

Parmi les milliers de serveurs disponibles, une poignée couvre la majorité des usages concrets. Les serveurs de référence maintenus par l’équipe MCP sont gratuits et open source.

Au-delà des serveurs de référence, des serveurs tiers couvrent Notion, Figma, Stripe, Sentry, Supabase, Brave Search, Redis, et des dizaines d’autres services. Chaque serveur s’installe en une ligne de commande et fonctionne avec n’importe quel client compatible.

MCP face au function calling : quelle différence

La confusion la plus fréquente : MCP remplace-t-il le function calling (l’appel de fonctions intégré à l’API des LLM) ? Non. Les deux sont complémentaires.

Le function calling est une capacité du modèle : le LLM peut décider d’appeler une fonction et produire les arguments nécessaires au format JSON. C’est le moteur.

MCP est la couche d’intégration au-dessus. Il standardise la façon dont les outils sont découverts, décrits et invoqués. C’est le réseau routier. Un serveur MCP construit pour GitHub fonctionne avec Claude, ChatGPT, Gemini et n’importe quel autre client compatible ; un outil défini via function calling dans l’API OpenAI ne fonctionne qu’avec OpenAI.

La plupart des systèmes en production en 2026 utilisent les deux : le function calling au niveau du modèle, MCP au niveau de l’infrastructure.

MCP et les agents IA

MCP est la brique qui rend les agents IA réellement fonctionnels. Un agent, par définition, est un LLM qui peut raisonner, décider d’agir, et exécuter des actions dans le monde réel. Sans accès à des outils, l’agent reste un chatbot sophistiqué. MCP lui donne des mains.

En pratique, un agent connecté à plusieurs serveurs MCP peut enchaîner des actions complexes : lire un email entrant (serveur Gmail) → chercher le ticket correspondant (serveur Jira) → consulter la documentation technique (serveur Filesystem) → rédiger une réponse → l’envoyer (serveur Gmail). Le tout orchestré par le modèle, sans intervention humaine sur la chaîne d’exécution.

Le protocole complémentaire A2A (Agent-to-Agent), porté par Google, gère un autre besoin : la communication entre agents. MCP connecte un agent à ses outils (intégration verticale) ; A2A connecte les agents entre eux (coordination horizontale). Les deux s’utilisent ensemble dans les architectures multi-agents.

Sécurité et limites

MCP donne aux modèles un accès réel à vos systèmes. Avec cette puissance viennent des responsabilités concrètes.

• Principe du moindre privilège — chaque serveur ne doit exposer que les outils et les périmètres nécessaires. Un serveur PostgreSQL en lecture seule est préférable à un accès complet. Un serveur Filesystem limité à un dossier vaut mieux qu’un accès à tout le disque.
• Frontière de confiance — chaque serveur MCP est un point d’entrée potentiel. Un serveur mal configuré ou malveillant peut exfiltrer des données ou exécuter des actions non souhaitées. La communauté recommande de traiter les serveurs MCP comme des dépendances logicielles : vérifier le code, la réputation du mainteneur, et la licence.
• Authentification — les serveurs locaux (stdio) héritent des permissions de l’utilisateur qui les lance. Les serveurs distants nécessitent une authentification propre (OAuth, tokens). Le standard évolue encore sur ce point ; c’est l’un des chantiers prioritaires de la feuille de route 2026.
• Audit — chaque appel d’outil devrait être journalisé (qui, quoi, quand, résultat). Les solutions d’entreprise matures ajoutent des passerelles MCP avec SSO, rate limiting et journalisation intégrée.

Autre limite pratique : chaque serveur MCP actif consomme de la mémoire (20-100 Mo par serveur en moyenne) et ajoute de la latence potentielle. Au-delà de 5-6 serveurs actifs simultanément, la sélection d’outils par le modèle peut devenir plus lente et moins fiable.

Ce que cela change pour vous

Si vous utilisez Claude, ChatGPT ou Gemini aujourd’hui, vous utilisez probablement déjà MCP sans le savoir. Les connecteurs Google Drive, Gmail, Slack et GitHub intégrés à Claude passent par ce protocole. Chaque fois que l’IA accède à un outil externe, MCP est le mécanisme sous-jacent.

Pour les développeurs, MCP signifie la fin des intégrations jetables. Un serveur construit une fois sert partout. Les SDK TypeScript et Python permettent de créer un serveur fonctionnel en moins de 50 lignes de code.

Pour les utilisateurs avancés, c’est l’infrastructure qui permet des workflows comme Obsidian connecté à Claude Code, un agent qui trie vos emails, ou un assistant qui interroge votre base de données en langage naturel.

Pour les entreprises, MCP est un standard à surveiller activement : les produits SaaS « agent-ready » en 2026 seront ceux qui exposent un serveur MCP. Les autres devront expliquer pourquoi ils ne le font pas.

Le protocole n’est pas parfait. L’authentification, la scalabilité horizontale et l’interopérabilité enterprise sont encore en chantier. Mais la trajectoire est limpide : MCP est en train de faire pour les agents IA ce que HTTP a fait pour le web. Et les fondations sont déjà en place.