Votre assistant IA sait écrire du code, résumer un document ou expliquer une erreur. Mais demandez-lui de lire votre base de données distante, d'ouvrir un ticket GitHub ou de consulter vos logs elasticsearch : sans aide extérieure, il en est incapable. Il ne « voit » que le texte de la conversation.
Le Model Context Protocol (MCP) règle exactement ce problème. C'est un standard ouvert qui permet à n'importe quelle application d'IA de se brancher sur n'importe quel outil ou source de données, de la même façon. Cet article est le premier d'une série de quatre :
- MCP, c'est quoi et à quoi ça sert ? (vous êtes ici)
- Comment fonctionne MCP : host, client, serveur, JSON-RPC et transports
- Tools, Resources et Prompts : les primitives MCP et votre premier serveur
- Créer un serveur MCP avec Symfony : le MCP Bundle pas à pas
Le problème : N applications × M outils
Avant MCP, chaque application d'IA devait écrire sa propre intégration pour chaque outil. Un chatbot qui voulait accéder à GitHub écrivait un connecteur GitHub. Un IDE qui voulait la même chose en écrivait un autre.
Avec N applications et M outils, on se retrouve avec N × M intégrations à écrire et à maintenir. Trois applications et quatre outils, c'est déjà douze connecteurs, chacun avec sa façon de valider les entrées, de gérer les erreurs et la sécurité. Et le moindre changement d'API oblige à corriger chacun de ces connecteurs.
MCP transforme ce N × M en N + M : chaque application implémente le protocole une fois (côté client), chaque outil l'implémente une fois (côté serveur), et tout le monde peut parler à tout le monde.
L'idée : une prise universelle
L'analogie la plus utilisée est celle de l'USB-C. Avant, chaque appareil avait son chargeur. Aujourd'hui, une seule prise sert à tout. MCP joue ce rôle pour l'IA : un connecteur standard entre les applications d'IA d'un côté, et les outils, fichiers, bases de données et API de l'autre.
Les développeurs ont déjà croisé ce schéma sans forcément le savoir, dans leur éditeur de code. Quand VS Code vous propose l'autocomplétion d'une méthode PHP, souligne une erreur ou vous emmène à la définition d'une classe, ce n'est pas VS Code qui comprend le PHP. C'est un petit programme à part, appelé serveur de langage (par exemple Intelephense ou Phpactor pour PHP), qui analyse votre code et répond aux questions de l'éditeur : « que peut-on écrire après $user-> ? », « où est définie cette classe ? ».
Avant 2016, chaque éditeur devait réécrire ces fonctions pour chaque langage : exactement le même problème N × M. Microsoft a alors publié le Language Server Protocol (LSP), un langage commun entre les éditeurs et les serveurs de langage. Depuis, le même serveur PHP fonctionne dans VS Code, Neovim ou Zed. MCP applique la même recette aux outils de l'IA, et réutilise le même format de messages : JSON-RPC 2.0, une façon standard d'écrire en JSON « appelle telle méthode avec tels paramètres » et la réponse qui va avec.
Un peu d'histoire : MCP a été publié par Anthropic fin 2024, puis largement adopté par l'industrie (OpenAI, Google, Microsoft, éditeurs d'IDE…). Fin 2025, sa gouvernance a été confiée à l'Agentic AI Foundation, hébergée par la Linux Foundation, pour garantir qu'il reste neutre et ouvert. La spécification évolue par révisions datées : la plus récente, celle du 28 juillet 2026, a nettement simplifié le protocole (on en parle dans le deuxième article).
D'abord, qu'appelle-t-on « le modèle » ?
Dans cette série, on distingue toujours deux choses qu'on confond facilement quand on « parle à une IA » :
- Le modèle, qu'on appelle aussi LLM (Large Language Model, « grand modèle de langage ») : les deux mots désignent exactement la même chose, et cette série emploie surtout « modèle ». C'est l'IA proprement dite, par exemple Claude Opus, GPT ou Gemini. Il tourne sur les serveurs de son éditeur (Anthropic, OpenAI, Google). Il ne sait faire qu'une chose : recevoir du texte et produire du texte en retour. Il n'a accès ni à Internet, ni à vos fichiers, ni à votre base de données.
- L'application : le logiciel que vous utilisez, comme Claude Desktop, ChatGPT, Cursor ou Claude Code. C'est elle qui affiche la conversation et qui envoie vos messages au modèle par une API. Et contrairement au modèle, elle tourne sur une machine où elle peut agir : lire un fichier, lancer une requête SQL, appeler une API.
Autrement dit, quand vous discutez avec « Claude », vous parlez à une application, qui transmet vos messages à un modèle. Toute la suite repose sur cette distinction.
Comment un modèle « utilise » un outil : le function calling
Si le modèle ne produit que du texte, comment peut-il lister vos tickets GitHub ? Il ne le peut pas directement. Mais on l'a entraîné à produire un texte très particulier : une demande d'appel d'outil, dans un format structuré que l'application sait lire. C'est ce qu'on appelle le function calling (ou tool use, « utilisation d'outils »). Voici ce qui se passe quand vous demandez « Quels tickets sont ouverts sur mon dépôt jpsymfony ? » :
- L'application envoie au modèle votre question, accompagnée de la liste des outils disponibles. Chaque outil est décrit par un nom, une phrase d'explication et ses paramètres :
{ "name": "list_issues", "description": "Liste les tickets ouverts d'un dépôt GitHub", "input_schema": { "type": "object", "properties": { "repo": { "type": "string" } }, "required": ["repo"] } } - Le modèle répond, non pas par une phrase, mais par une demande d'appel : « j'ai besoin de
list_issuesavecrepo = jpsymfony».
Ce n'est que du texte : à ce stade, rien n'a été exécuté.{ "type": "tool_use", "name": "list_issues", "input": { "repo": "jpsymfony" } } - L'application exécute réellement l'outil (elle appelle l'API de GitHub), puis renvoie le résultat au modèle dans un nouveau message : « voici les 3 tickets ouverts : … ».
- Le modèle rédige la réponse finale à partir de ce résultat : « Vous avez 3 tickets ouverts, dont un bug sur la pagination. »
Les exemples ci-dessus suivent le format de l'API d'Anthropic ; OpenAI et Google utilisent des formats très proches. Le function calling existe donc sans MCP : c'est une fonctionnalité de l'API de chaque éditeur de modèle. Mais il ne dit pas d'où viennent les outils, ni qui les exécute. Sans MCP, le développeur de l'application doit écrire lui-même la description et le code de chaque outil. Avec MCP, l'application demande à des serveurs MCP la liste de leurs outils, la transmet au modèle, puis, quand le modèle demande un appel, le fait suivre au bon serveur, qui l'exécute.
Le principe clé : le modèle propose, le système exécute
C'est LE point à retenir, et c'est souvent celui qu'on vous demandera d'expliquer en entretien. Comme on vient de le voir, le modèle n'exécute jamais rien lui-même. Il ne fait que proposer une action, sous une forme structurée : « je veux appeler l'outil create_ticket avec ces arguments ». Avec MCP, trois acteurs se partagent ensuite le travail :
- Le modèle propose : grâce au function calling, il choisit un outil parmi ceux que l'application lui a présentés, et remplit ses arguments.
- L'application valide : elle vérifie que l'outil existe, que les arguments respectent le schéma attendu, et demande si besoin l'accord de l'utilisateur (« Autoriser l'outil supprimer_fichier ? »).
- Le serveur exécute : c'est lui qui a réellement accès à la base de données ou à l'API. Il applique ses propres contrôles d'accès, puis renvoie un résultat.
Le résultat revient dans la conversation, et le modèle s'en sert pour continuer son raisonnement. Cette séparation rend le système auditable : on sait toujours où une action a été décidée, où elle a été autorisée et où elle a été exécutée.
Ce que MCP n'est pas
- Ce n'est pas un modèle d'IA, ni un framework d'agents : c'est un protocole de communication, comme LSP.
- Ce n'est pas un remplaçant des API : un serveur MCP « GitHub » appelle tout simplement l'API REST de GitHub. MCP ajoute une couche que les IA savent découvrir et utiliser seules.
- Ce n'est pas un remplaçant du function calling : le function calling, c'est la façon dont le modèle demande un outil. MCP, c'est la façon dont l'application trouve les outils disponibles et les fait exécuter par des serveurs. Les deux travaillent ensemble : l'application traduit les outils MCP en descriptions de function calling pour le modèle.
Concrètement, on l'utilise où ?
Côté applications (les hosts) : Claude Desktop, Claude Code, ChatGPT, Cursor, VS Code, les IDE JetBrains… Côté serveurs, il en existe des milliers : système de fichiers, Git, GitHub, bases de données, navigateur piloté (Playwright), Sentry, Slack, Google Drive… Vous ajoutez un serveur à votre application, et votre IA gagne instantanément de nouvelles capacités, sans une ligne de code. À condition de choisir des serveurs de confiance : on y revient dans le troisième article.
Questions d'entretien : les réponses courtes
- Quel problème résout MCP ?
- L'explosion N × M des intégrations entre applications d'IA et outils. Avec un protocole commun, on passe à N + M.
- Sur quoi repose-t-il techniquement ?
- Sur des messages JSON-RPC 2.0 échangés entre l'application et un serveur MCP. En local, le serveur est un programme lancé sur votre machine, avec lequel l'application échange par l'entrée et la sortie standard (stdio) ; à distance, les messages passent par HTTP.
- Quelle différence entre le modèle et l'application ?
- Le modèle (Claude Opus, GPT, Gemini…) ne fait que produire du texte, sur les serveurs de son éditeur. L'application (Claude Desktop, Cursor…) gère la conversation, interroge le modèle par API et peut agir sur votre machine : c'est elle qui parle aux serveurs MCP.
- Qu'est-ce que le function calling ?
- La capacité d'un modèle à répondre par une demande d'appel d'outil structurée (le nom de l'outil et ses arguments en JSON) au lieu d'une phrase. L'application exécute l'appel, renvoie le résultat au modèle, et le modèle rédige sa réponse.
- MCP ou function calling ?
- Les deux sont complémentaires. Le function calling, c'est la façon dont le modèle demande un outil. MCP, c'est la façon dont l'application découvre les outils disponibles et les fait exécuter par des serveurs. L'application traduit les outils MCP en function calling pour le modèle.
- Qui exécute vraiment une action ?
- Le serveur MCP, jamais le modèle. Le modèle propose (par function calling), l'application valide, le serveur exécute sous ses propres contrôles d'accès.
Vous savez maintenant pourquoi MCP existe. Dans l'article suivant, on ouvre le capot : qui sont le host, le client et le serveur, et quels messages ils s'échangent exactement.




Commentaires