Comprendre le Model Context Protocol (MCP) en 10 minutes

Le Model Context Protocol (MCP), développé par Anthropic, est en passe de devenir le standard pour connecter les LLMs à des outils et données externes. Voici tout ce que vous devez savoir.

Le problème que MCP résout

Jusqu'à présent, chaque application LLM devait :

Implémenter sa propre logique d'intégration avec des outils (APIs, DBs, fichiers)
Gérer l'authentification, les schémas JSON, les erreurs
Réinventer la roue à chaque projet

MCP standardise tout ça.

Comment ça marche ?

MCP définit un protocole client-serveur :

Serveur MCP Expose des "outils" (functions) que le LLM peut invoquer. Par exemple :

search_tickets(query: str) → cherche dans votre système de ticketing
create_issue(title: str, description: str) → crée un ticket
query_database(sql: str) → interroge votre DB

Client MCP Application LLM (Claude Desktop, ChatGPT, votre propre app) qui se connecte au serveur et invoque les outils.

Schéma JSON Chaque outil expose un schéma décrivant ses paramètres et son output. Le LLM sait ainsi comment l'utiliser.

Architecture

┌──────────────┐          ┌──────────────┐          ┌──────────────┐
│              │  MCP     │              │  HTTP    │              │
│ LLM (Claude) │ ◄──────► │  MCP Server  │ ◄──────► │  Votre API   │
│              │          │              │          │              │
└──────────────┘          └──────────────┘          └──────────────┘

Exemple concret : Serveur MCP pour Jira

Étape 1 : Définir les outils

tools = [
    {
        "name": "search_tickets",
        "description": "Search for Jira tickets",
        "parameters": {
            "type": "object",
            "properties": {
                "query": {"type": "string", "description": "JQL query"}
            },
            "required": ["query"]
        }
    },
    {
        "name": "create_ticket",
        "description": "Create a new Jira ticket",
        "parameters": {
            "type": "object",
            "properties": {
                "title": {"type": "string"},
                "description": {"type": "string"},
                "priority": {"type": "string", "enum": ["low", "medium", "high"]}
            },
            "required": ["title", "description"]
        }
    }
]

Étape 2 : Implémenter la logique

def handle_tool_call(tool_name, parameters):
    if tool_name == "search_tickets":
        return jira_client.search(parameters["query"])
    elif tool_name == "create_ticket":
        return jira_client.create_issue(
            title=parameters["title"],
            description=parameters["description"],
            priority=parameters.get("priority", "medium")
        )

Étape 3 : Exposer le serveur MCP

Votre serveur MCP écoute sur un port et répond aux requêtes du client.

Étape 4 : Connecter Claude Desktop

Configurez Claude Desktop pour pointer vers votre serveur MCP. Claude peut maintenant chercher et créer des tickets Jira en langage naturel !

Avantages de MCP

✅ Standardisation : Plus besoin de réinventer la roue ✅ Réutilisabilité : Un serveur MCP peut être utilisé par plusieurs clients ✅ Sécurité : Gestion centralisée de l'authentification et des permissions ✅ Évolutivité : Ajouter de nouveaux outils sans modifier le client

Cas d'usage

Intégration CRM : Salesforce, HubSpot
Outils de ticketing : Jira, Zendesk, Linear
Bases de données : PostgreSQL, MongoDB
APIs internes : Connecter le LLM à vos systèmes métiers
Outils de collaboration : Slack, Teams, Notion

Comment apprendre MCP ?

Chez Ikasia, nous proposons un atelier intensif de 3h30 pour construire votre premier serveur MCP et le connecter à Claude.

Programme :

Concepts MCP (serveurs, clients, outils, schémas)
Lab : Créer un serveur MCP avec 2 outils
Connecter Claude Desktop
Sécurité, logging, déploiement

Conclusion

MCP est en train de devenir le standard pour les intégrations LLM-outils. Si vous construisez des applications IA, c'est une technologie à maîtriser dès maintenant.