Il y a un standard que vous n’entendez pas encore beaucoup dans les médias grand public, mais qui est en train de devenir aussi fondamental pour l’IA que USB-C l’est pour vos appareils. Il s’appelle le Model Context Protocol, ou MCP. Créé par Anthropic fin 2024, adopté par OpenAI, Google DeepMind et la Linux Foundation en 2025, il est en 2026 le protocole de facto pour connecter les agents IA au monde réel.

Si vous construisez, utilisez ou évaluez des systèmes IA en 2026, ignorer MCP revient à construire une maison sans comprendre comment fonctionne l’électricité. Ce guide vous explique ce que c’est, pourquoi ça compte, et comment le mettre en œuvre concrètement.

Le problème que MCP résout

Avant MCP, connecter un agent IA à un outil externe (une base de données, une API, un navigateur web, un fichier local) nécessitait une intégration custom pour chaque combinaison modèle/outil. Si vous vouliez que Claude accède à votre Notion, vous écriviez une intégration. Si vous vouliez qu’il accède à votre GitHub, vous en écriviez une autre. Et si vous changiez de modèle IA, vous réécriviez tout.

MCP introduit une couche d’abstraction universelle : un serveur MCP expose des outils (tools), des ressources (resources) et des prompts. N’importe quel client MCP compatible — Claude, GPT-4o, Gemini, ou votre propre agent open source — peut s’y connecter sans réécriture. C’est exactement comme USB-C : un standard, des centaines d’appareils compatibles.

Architecture MCP : les trois composants fondamentaux

MCP repose sur une architecture client-serveur simple mais puissante :

Le serveur MCP expose les capacités : outils (fonctions appelables par l’IA), ressources (données accessibles en lecture), et prompts (templates de requêtes). Le serveur peut être local (un processus sur votre machine) ou distant (une API HTTPS).

Le client MCP est l’application hôte qui pilote l’IA : Claude Desktop, un agent LangChain, une app Next.js avec l’Anthropic SDK. Le client négocie la liste des capacités disponibles et orchestre les appels.

Le modèle IA reçoit la description des outils disponibles dans son contexte et décide, de façon autonome, quand et comment les appeler pour accomplir une tâche.

# Exemple minimaliste : serveur MCP Python exposant un outil de météo
from mcp.server import Server
from mcp.server.models import InitializationOptions
import mcp.types as types

app = Server("meteo-server")

@app.list_tools()
async def handle_list_tools() -> list[types.Tool]:
    return [
        types.Tool(
            name="get_weather",
            description="Retourne la météo actuelle pour une ville donnée",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "Nom de la ville"}
                },
                "required": ["city"]
            }
        )
    ]

@app.call_tool()
async def handle_call_tool(name: str, arguments: dict):
    if name == "get_weather":
        city = arguments["city"]
        # Appel API météo ici
        return [{"type": "text", "text": f"Météo à {city} : 22°C, ensoleillé"}]

Pourquoi l’adoption a été aussi rapide

MCP est devenu standard en moins de 18 mois pour plusieurs raisons qui dépassent la qualité technique du protocole. OpenAI a annoncé son support natif dans l’API Assistants en mars 2025, ce qui a rendu toute résistance inutile pour les développeurs qui voulaient rester cross-plateforme. La Linux Foundation a accueilli MCP dans son portfolio en mai 2025, garantissant une gouvernance neutre et pérenne.

Mais la vraie raison de l’adoption massive, c’est la communauté open source. Des milliers de serveurs MCP ont été publiés sur GitHub en quelques mois : accès à Notion, GitHub, Slack, bases de données PostgreSQL et SQLite, navigateurs web, systèmes de fichiers, APIs REST génériques. Un développeur qui veut donner à son agent l’accès à un nouvel outil peut trouver un serveur MCP existant dans 80 % des cas.

MCP vs function calling : la différence fondamentale

Le function calling (ou tool use) que vous connaissez depuis 2023 reste présent. La différence avec MCP est structurelle : le function calling est défini inline dans chaque requête à l’API — vous envoyez la définition de vos outils à chaque appel. MCP externalise cette définition dans un serveur dédié, persistant et réutilisable.

En pratique, pour un agent simple avec 2-3 outils, le function calling reste la solution la plus simple. MCP devient pertinent dès que vous gérez plus de 5 outils, des outils partagés entre plusieurs agents, des ressources à accès contrôlé, ou une architecture multi-modèles où différents LLM doivent accéder aux mêmes capacités.

Les serveurs MCP incontournables en 2026

L’écosystème MCP a mûri rapidement. Voici les serveurs qui ont acquis le statut de standard de facto :

MCP Filesystem : accès sécurisé au système de fichiers local avec des permissions granulaires. Indispensable pour les agents de développement.

MCP Browser Use : pilotage d’un navigateur Chromium depuis un agent IA. L’équivalent de Playwright mais exposé via MCP.

MCP GitHub : lecture/écriture de repos, gestion des issues et PR, revue de code automatisée.

MCP PostgreSQL/SQLite : accès en lecture aux bases de données avec protection contre les requêtes destructives.

MCP Memory : mémoire persistante entre sessions pour les agents long-terme.

Les limites actuelles et les chantiers ouverts

MCP n’est pas parfait. En 2026, plusieurs problèmes restent ouverts. La sécurité est le plus critique : un serveur MCP malveillant peut injecter des instructions dans le contexte de l’IA (prompt injection via MCP). Les meilleures pratiques de validation et de sandboxing sont encore en cours de standardisation.

L’authentification inter-serveurs est un autre chantier : comment un agent authentifie-t-il ses appels vers des serveurs MCP distants de façon sécurisée et sans gestion manuelle de tokens ? OAuth 2.0 est la voie privilégiée, mais l’implémentation varie encore d’un serveur à l’autre.

Comment démarrer avec MCP en 2026

Le point d’entrée le plus accessible reste Claude Desktop, qui supporte nativement les serveurs MCP locaux via sa configuration JSON. En quelques minutes, vous pouvez brancher votre instance Claude Desktop sur un serveur MCP filesystem et donner à Claude l’accès à votre dossier de travail.

Pour les développeurs Python, le SDK officiel (mcp sur PyPI) offre une API propre et bien documentée. Pour JavaScript/TypeScript, le package @modelcontextprotocol/sdk est la référence. Les deux supportent le transport stdio (local) et HTTP+SSE (distant).

MCP : un standard qui va durer

En 2026, MCP a passé le test de la survie en milieu hostile : adoption massive, concurrence (Microsoft a proposé son propre standard avant de rejoindre MCP), et gouvernance ouverte. Il a toutes les caractéristiques d’un standard qui s’installe durablement dans l’écosystème.

Comprendre MCP aujourd’hui, c’est se positionner pour les deux prochaines années de l’IA agentique. C’est le socle sur lequel sont construits les agents les plus avancés — et comprendre le socle est toujours la meilleure façon de comprendre ce qu’on peut construire dessus.

Sources :

G
WP Admin Lab

Architecte web full-stack. WordPress, performance, data et sécurité. Notes de terrain, tests reproductibles et retours d'expérience.