Comprendre les MCP : combler le fossé entre les modèles d’IA et les données externes
Les MCP peuvent être conceptualisés comme des API standardisées qui servent de lien crucial entre les sources de données ou les applications externes et les grands modèles de langage (LLM) tels que ChatGPT ou Claude. Ces protocoles permettent aux modèles d’IA d’accéder aux données en temps réel à partir de sites web de voyage, de gérer des calendriers et même de manipuler des fichiers sur un ordinateur.
Bien que certains outils d’IA comme Claude, Cursor et OpenAI utilisent déjà des fonctionnalités d’intégration personnalisées, les MCP offrent un format universel et standardisé pour toutes ces interactions, ce qui améliore considérablement leur polyvalence.
Un MCP se compose principalement de deux composants : un client (par exemple, ChatGPT) et un serveur (par exemple, un site web de planification de vols). Lorsqu’ils sont utilisés ensemble, ils permettent aux modèles d’IA d’accéder aux données en temps réel, d’effectuer des actions en ligne et de fonctionner davantage comme des agents proactifs que comme des chatbots statiques.
Actuellement, deux principaux types de MCP gagnent du terrain. Le premier type s’adresse aux développeurs, comme les outils tels que Cursor ou Claude Code, qui peuvent s’exécuter sur des appareils tels que des ordinateurs portables pour gérer des fichiers et exécuter des scripts. Le deuxième type est destiné aux applications du monde réel, en se concentrant sur des activités telles que la recherche de produits, l’enregistrement de domaines, la réservation d’événements ou l’envoi d’e-mails.
Pour explorer les implications pratiques, deux types distincts de MCP ont été développés. Le premier, nommé GPT Learner, est un serveur de développement conçu pour aider les utilisateurs à guider Cursor dans la mémorisation des erreurs et l’évitement des répétitions. Si Claude ou Cursor écrase incorrectement le code, l’outil permet aux utilisateurs d’enregistrer et de tirer des leçons de l’erreur, en stockant l’approche correcte pour référence future.
Le deuxième projet est un MCP de marché de prédiction qui connecte de grands modèles de langage à un site web, betsee.xyz, qui regroupe des marchés de prédiction en temps réel. Lorsqu’un utilisateur pose une question à Claude telle que : ‘Quels sont les effets secondaires de la suspension des tarifs douaniers par Trump et sur quoi les gens parient-ils ?’, le MCP renvoie les marchés pertinents et les cotes en temps réel de Polymarket ou Kalshi.
Pourquoi les MCP ne sont pas encore tout à fait prêts pour le grand public
La construction de ces deux MCP a révélé plusieurs informations clés, principalement que les MCP ne sont pas encore prêts pour une adoption généralisée.
L’expérience utilisateur actuelle avec les MCP est loin d’être idéale. La plupart des chatbots, comme ChatGPT, ne prennentpas encore en charge les serveurs MCP. Parmi ceux qui le font, l’installation nécessite souvent la modification manuelle de JSON, un processus qui est loin d’être convivial. Les chatbots comme Cursor et Claude ont tendance à inviter les utilisateurs à chaque requête et renvoient fréquemment des informations incomplètes ou une sortie JSON brute, ce qui rend l’expérience maladroite et insatisfaisante.
En utilisant la version de bureau de Claude pour interroger le MCP du marché de prédiction, il ne fournissait souvent pas de liens ou de prix à moins qu’on ne lui demande explicitement et, à l’occasion, n’appelait pas du tout le serveur. Les invites contextuelles constantes de Claude lors de l’utilisation des MCP ont encore diminué l’intérêt des utilisateurs. Bien qu’un traitement transparent et des réponses significatives des MCP soient attendus à l’avenir, la technologie n’a pas encore atteint ce stade.
La sécurité est une autre préoccupation importante. Compte tenu de leur capacité à effectuer des opérations externes et à accéder à des systèmes en temps réel, les MCP sont confrontés à de nombreux défis de sécurité. L’injection d’invites, l’installation d’outils malveillants, l’accès non autorisé et les attaques de chevaux de Troie sont des menaces bien réelles. Actuellement, il y a un manque de sandboxing, de couches de vérification et d’un écosystème mature pour gérer ces cas extrêmes.
Ces problèmes montrent clairement que le MCP est encore une technologie expérimentale.
Le rôle décisif du client
Une leçon importante apprise lors de la construction de ces serveurs est que le client, et non le serveur, décide en fin de compte de l’avenir des MCP.
Ceux qui contrôlent l’interaction avec les grands modèles contrôlent également les outils que les utilisateurs voient, ceux qui sont déclenchés et ceux qui sont affichés. On pourrait créer le serveur MCP le plus utile au monde, mais le client pourrait ne pas l’appeler, ne montrer que la moitié de sa sortie, ou même ne pas autoriser son installation.
Les MCP et l’émergence de gardiens
Le pouvoir critique du client signifie que les MCP seront en fin de compte gouvernés comme les moteurs de recherche et les magasins d’applications. Les principaux fournisseurs d’applications de grands modèles, tels que OpenAI et Anthropic, deviendront les nouveaux ‘gardiens’, décidant quels MCP peuvent être répertoriés et organisant leur découvrabilité grâce à des algorithmes de recommandation.
Depuis sa création à la fin des années 1990, Google a contrôlé le contenu présenté aux utilisateurs, ce qui l’a aidé à bâtir une entreprise extrêmement rentable. Les chatbots acquièrent maintenant cette capacité, remplaçant les ‘10 liens bleus’ traditionnels du moteur de recherche par des réponses directes. Ils peuvent décider quel contenu afficher, lequel exclure et comment le formater.
Le processus d’installation du MCP ressemblera probablement au modèle de magasin d’applications. Tout comme Apple et Google ont façonné l’écosystème mobile en décidant quelles applications sont recommandées, préinstallées ou approuvées, les grands clients modèles détermineront quels serveurs MCP sont présentés, promus et même autorisés sur la plateforme. Cette dynamique est susceptible de conduire à une concurrence entre les entreprises, impliquant potentiellement des paiements aux fournisseurs de modèles pour les recommandations et l’exposition dans le nouvel écosystème, favorisant la création de plateformes de distribution de MCP à forte rentabilité.
Les utilisateurs installeront des MCP ou des ‘applications de chat IA’ à partir de ‘magasins de MCP’ soigneusement organisés. Des outils comme Gmail, HubSpot, Uber et Kayak ajouteront des points de terminaison MCP, s’intégrant directement dans les flux de travail basés sur le chat. Bien que les utilisateurs puissent théoriquement choisir d’installer n’importe quel MCP qu’ils souhaitent, la plupart s’appuieront probablement sur les recommandations fournies par le client, telles que celles de ChatGPT. Ces recommandations ne seront pas arbitraires, mais découleront de partenariats lucratifs, les grandes entreprises payant pour devenir l’option par défaut dans les catégories d’achat, de voyage, de recherche de domaines ou de recherche de services. Ce niveau de visibilité se traduirait par des millions d’utilisateurs, offrant une immense exposition, des données et une valeur commerciale.
Certains magasins d’applications MCP côté client (MAS) offriront une sélection de MCP plus indulgente et plus ouverte, permettant une plus large gamme d’expérimentations et de MCP développés par la communauté. D’autres auront des processus d’approbation stricts, privilégiant la qualité, la sécurité et la monétisation. Dans les deux cas, le client fixe les conditions de participation et les règles de réussite.
Les clients MCP comme OpenAI et Claude deviendront les nouvelles plateformes iOS et Android, les serveurs MCP jouant le rôle d’applications. Au lieu d’icônes, ces applications seront invoquées via des commandes utilisateur, offrant des réponses riches, structurées et interactives aux besoins des utilisateurs grâce à l’interaction linguistique.
Avec le temps, nous pourrions voir apparaître des clients spécialisés, adaptés à des secteurs ou à des domaines spécifiques. Imaginez un assistant de chat IA axé sur la planification de voyages, intégrant de manière transparente les services des compagnies aériennes, des chaînes hôtelières et des agences de voyage pour offrir aux utilisateurs une expérience de planification de voyages complète. Ou un client MCP axé sur les ressources humaines, fournissant un accès unifié aux données juridiques, aux dossiers des employés et aux outils organisationnels, transformant la façon dont les entreprises sont gérées.
Bien que la plupart des utilisateurs s’en tiennent aux clients traditionnels, certains chatbots IA open source verront le jour. Ces chatbots plairont aux professionnels qui souhaitent un contrôle total sur les MCP qu’ils installent, sans les limitations imposées par les gardiens. Cependant, comme les systèmes de bureau Linux, ces produits open source resteront probablement des marchés de niche.
Nouvelles opportunités dans l’écosystème émergent
Plusieurs types d’entreprises et d’outils devraient émerger pour servir le paysage MCP en évolution, notamment :
Wrappers MCP et packs de serveurs : Ceux-ci regrouperont plusieurs MCP connexes dans un seul package d’installation, rationalisant la configuration. Imaginez un seul package fournissant un calendrier, un e-mail, une gestion de la relation client et un MCP de stockage de fichiers qui est prêt à être utilisé sans aucune configuration. De tels packages simplifieront les processus du personnel et seront particulièrement utiles sur les marchés verticaux. Ils peuvent également inclure des outils d’emballage (‘Configurer le calendrier et envoyer un e-mail’).
Moteurs de recherche MCP : Certains serveurs MCP agiront comme des moteurs de comparaison alimentés par l’IA, offrant des prix et des listes de produits en temps réel provenant de divers fournisseurs. Ils seront monétisés par le biais de liens d’affiliation, gagnant des frais de parrainage. Cette approche reflète l’optimisation des moteurs de recherche et le marketing d’affiliation précoces.
Applications de contenu MCP-First : Ces services optimiseront la diffusion de contenu pour les grands modèles de langage via des serveurs MCP, plutôt que de concevoir des sites web pour les téléspectateurs humains. Imaginez des données riches et structurées et des balises sémantiques renvoyées via des appels MCP. Les revenus proviendront d’abonnements ou de parrainages intégrés et de placements de produits, plutôt que de pages vues.
Fournisseurs API vers MCP : De nombreux fournisseurs d’API existants souhaitent participer à ce nouvel écosystème, mais n’ont pas les ressources nécessaires pour le faire. Cela entraînera l’émergence d’outils intermédiaires qui convertiront automatiquement les API REST traditionnelles en serveurs MCP conformes et détectables, facilitant ainsi l’adhésion des plateformes SaaS.
Cloudflare pour MCP : La sécurité est une préoccupation majeure. Ces outils se situeront entre le client et le serveur, assainissant les entrées, enregistrant les requêtes, bloquant les attaques et surveillant les anomalies. Tout comme Cloudflare a rendu le web moderne plus sûr, ce type de service jouera un rôle similaire dans l’écosystème MCP.
Solutions MCP ‘privées’ d’entreprise : Les grandes entreprises commenceront à connecter leurs services internes à des serveurs MCP privés et à utiliser des produits d’IA open source. Ces configurations internes feront partie des flux de travail d’IA derrière le pare-feu, donnant aux entreprises le contrôle.
Clients MCP axés sur la verticale : Bien que de nombreux chatbots puissent répondre aux besoins généraux des utilisateurs, certains scénarios, tels que les achats industriels et les travaux de conformité, nécessitent des interfaces utilisateur et une logique métier spécifiques. Des clients MCP axés sur la verticale émergeront, avec des opérations, un langage et des mises en page personnalisés pour répondre à ces besoins uniques.