MCP Server : Qu'est-ce que le Model Context Protocol ?

Qu'est-ce que le MCP (Model Context Protocol) ?

Le Model Context Protocol (MCP) est un protocole ouvert introduit par Anthropic en novembre 2024 qui standardise la manière dont les modèles d'intelligence artificielle interagissent avec le monde extérieur. Avant MCP, chaque intégration entre un LLM et un outil externe (base de données, API, système de fichiers) nécessitait un développement sur mesure. MCP propose un protocole universel, comparable à ce que USB a été pour les périphériques informatiques : une interface unique pour connecter n'importe quel outil à n'importe quel modèle IA.

L'architecture MCP repose sur un modèle client-serveur. Un MCP server est un programme léger qui expose des capacités spécifiques : des outils (fonctions que l'IA peut appeler), des ressources (données que l'IA peut lire) et des prompts (modèles d'instructions prédéfinis). Un MCP client (intégré dans un hôte comme Claude Desktop, Cursor ou Claude Code) découvre automatiquement les capacités exposées par les serveurs connectés et les rend disponibles au modèle IA.

Bien que très récent, MCP a connu une adoption rapide dans l'écosystème IA. Des MCP servers existent déjà pour les principales bases de données (PostgreSQL, MongoDB), les plateformes cloud (AWS, GCP), les outils de développement (GitHub, GitLab), les systèmes de fichiers et des dizaines d'API tierces. Pour les entreprises belges et européennes, MCP représente une opportunité de connecter leurs systèmes internes à des assistants IA de manière standardisée et sécurisée.

Pourquoi MCP est important

MCP résout un problème fondamental de l'écosystème IA : le cloisonnement des modèles. Son importance stratégique est considérable.

• Interopérabilité universelle : un MCP server écrit une fois fonctionne avec tout client compatible (Claude, Cursor, Claude Code et bientôt d'autres). Inversement, un client MCP accède à tout serveur compatible sans développement spécifique.
• Fin des intégrations N×M : sans MCP, connecter N modèles à M outils nécessite N×M intégrations. Avec MCP, chaque outil et chaque modèle n'ont besoin que d'une seule implémentation du protocole.
• Sécurité par design : MCP intègre des mécanismes de contrôle d'accès. L'utilisateur peut approuver ou refuser chaque appel d'outil, et les serveurs définissent précisément les permissions accordées.
• Standard ouvert : contrairement aux solutions propriétaires (comme les GPT Actions d'OpenAI), MCP est un standard ouvert que n'importe qui peut implémenter, évitant le verrouillage fournisseur.
• Accélérateur pour les agents IA : MCP est le maillon manquant pour les agents IA autonomes. En leur fournissant un accès structuré aux outils et données, il leur permet d'accomplir des tâches complexes dans le monde réel.

Comment ça fonctionne

L'architecture MCP comporte trois composants principaux. L'hôte (host) est l'application utilisateur qui intègre le modèle IA — par exemple Claude Desktop ou Cursor. Le client MCP, intégré dans l'hôte, gère les connexions avec les serveurs MCP. Les serveurs MCP sont des processus légers qui exposent des capacités via le protocole standardisé.

La communication utilise JSON-RPC 2.0 sur deux types de transports : stdio (entrée/sortie standard) pour les serveurs locaux, ou SSE (Server-Sent Events) sur HTTP pour les serveurs distants. Quand un hôte démarre, il lance les serveurs MCP configurés et le client effectue un handshake pour découvrir les capacités disponibles : la liste des outils (avec leur schéma de paramètres), les ressources accessibles et les prompts prédéfinis.

Lorsque le modèle IA décide d'utiliser un outil (via le function calling), le client transmet la requête au serveur MCP concerné, qui exécute l'action et retourne le résultat. Le modèle intègre alors ce résultat dans son raisonnement. Un serveur MCP typique est un script Python ou TypeScript de quelques centaines de lignes qui encapsule l'accès à un service spécifique.

Exemple concret

Chez KERN-IT, KERNLAB développe et déploie des MCP servers pour connecter les assistants IA aux systèmes d'information des clients. Un cas d'usage récent : pour un client industriel, l'équipe a créé un MCP server qui expose l'accès à leur ERP (lecture des commandes, statuts de production, niveaux de stock) et à leur base documentaire technique. L'assistant IA A.M.A, connecté via MCP, peut ainsi répondre aux questions des équipes en interrogeant directement les systèmes métier, sans que les données ne quittent l'infrastructure du client.

En interne, KERN-IT utilise également MCP pour enrichir ses propres outils de développement. Des MCP servers connectés à Cursor et Claude Code permettent aux développeurs d'interroger directement les bases de données de développement, d'accéder aux logs de production et d'interagir avec les API internes, le tout depuis leur éditeur de code via le modèle IA. Cette intégration fluide élimine les changements de contexte et accélère le diagnostic et la résolution de problèmes.

Mise en œuvre

1. Identifier les besoins : lister les outils, bases de données et API que vos équipes ou vos assistants IA doivent accéder. Prioriser les intégrations à fort impact.
2. Choisir les serveurs existants : vérifier le registre MCP (mcp.so, GitHub) pour des serveurs pré-construits couvrant les outils courants (PostgreSQL, GitHub, Slack, Google Drive, etc.).
3. Développer des serveurs custom : pour les systèmes internes, développer des MCP servers sur mesure en Python (avec le SDK mcp) ou TypeScript (avec @modelcontextprotocol/sdk).
4. Configurer la sécurité : définir les permissions granulaires pour chaque outil exposé. Limiter les accès en lecture/écriture selon le principe du moindre privilège.
5. Déployer et connecter : configurer les serveurs MCP dans les clients (Claude Desktop, Cursor) via les fichiers de configuration JSON. Tester chaque outil en isolation avant l'intégration complète.
6. Monitorer et itérer : suivre l'utilisation des outils MCP, les erreurs et les latences. Affiner les descriptions d'outils pour améliorer la précision du function calling par le modèle IA.

Technologies et outils associés

• SDK officiels : Python SDK (mcp), TypeScript SDK (@modelcontextprotocol/sdk) pour le développement de serveurs et clients
• Clients compatibles : Claude Desktop, Cursor, Claude Code, Continue.dev, Zed — l'écosystème s'étend rapidement
• Serveurs populaires : MCP servers pour PostgreSQL, GitHub, Slack, Filesystem, Brave Search, Google Drive, AWS
• Technologies liées : function calling (le mécanisme LLM sous-jacent), JSON-RPC 2.0 (le protocole de communication), SSE (le transport distant)
• Registre : mcp.so et le dépôt GitHub modelcontextprotocol/servers comme référence des serveurs disponibles

Conclusion

Le Model Context Protocol représente une évolution fondamentale dans l'écosystème IA, passant de modèles isolés à des agents connectés au monde réel. Bien que très récent, MCP est déjà adopté par les principaux outils de développement IA et son écosystème de serveurs croît rapidement. KERN-IT, via KERNLAB, est à la pointe de cette technologie en développant des MCP servers sur mesure qui connectent les assistants IA aux systèmes d'information des entreprises belges et européennes, avec une attention particulière à la sécurité et à la souveraineté des données.