Chercheur d'Alliance DAO : Comprendre simplement le concept populaire de MCP dans le domaine de l'IA ces derniers temps
TechFlow SélectionTechFlow Sélection
Chercheur d'Alliance DAO : Comprendre simplement le concept populaire de MCP dans le domaine de l'IA ces derniers temps
Pour les applications d'IA, MCP est comme USB-C dans le matériel.
Dédié à des analyses Web3 approfondiesAuteur :Mohamed ElSeidy
Traduction : TechFlow
Introduction
Hier, le jeton $Dark axé sur l'IA sur Solana a été lancé sur Binance Alpha. À ce jour, sa capitalisation boursière atteint environ 40 millions de dollars.
Dans la dernière narration cryptographique autour de l'IA, $Dark est étroitement lié au « MCP » (Model Context Protocol), un domaine que des entreprises technologiques Web2 comme Google commencent également à explorer récemment.
Cependant, actuellement, il existe peu d'articles capables d'expliquer clairement le concept du MCP et son impact narratif.
Le texte ci-dessous est un article approfondi mais accessible rédigé par Mohamed ElSeidy, chercheur chez Alliance DAO, qui explique de manière très simple les principes et la position stratégique du MCP, pouvant nous aider à mieux comprendre rapidement cette nouvelle narration.
TechFlow en assure la traduction intégrale.
Au cours de mes années passées chez Alliance, j'ai vu d'innombrables fondateurs construire leurs propres outils spécialisés et intégrations de données, intégrés à leurs agents IA et flux de travail. Pourtant, ces algorithmes, formalisations et jeux de données uniques restent enfermés derrière des intégrations personnalisées, rarement utilisés par d'autres.
L'avènement du protocole de contexte pour modèles (Model Context Protocol, MCP) change rapidement cette situation. Le MCP est défini comme un protocole ouvert qui standardise la façon dont les applications communiquent avec les grands modèles linguistiques (LLM) et leur fournissent du contexte. Une métaphore que j’apprécie particulièrement est celle-ci : « Pour les applications d’intelligence artificielle, le MCP est ce que USB-C est au matériel » ; il est standardisé, plug-and-play, polyvalent, et transformateur.
Pourquoi choisir le MCP ?
Les grands modèles linguistiques (tels que Claude, OpenAI, LLAMA, etc.) sont extrêmement puissants, mais ils sont limités par les informations auxquelles ils peuvent accéder à un moment donné. Cela signifie qu'ils ont généralement une date limite de connaissance, ne peuvent pas naviguer indépendamment sur le web, ni accéder directement à vos fichiers personnels ou outils spécialisés, sauf via une forme d'intégration.
En particulier, jusqu'à présent, les développeurs faisaient face à trois défis majeurs lorsqu'ils connectaient des LLM à des données externes et des outils :
-
Complexité des intégrations : construire des intégrations séparées pour chaque plateforme (comme Claude, ChatGPT, etc.) nécessite des efforts redondants et l'entretien de plusieurs bases de code.
-
Fragmentation des outils : chaque fonctionnalité d'outil (accès aux fichiers, connexions API, etc.) requiert son propre code d'intégration dédié et un modèle d'autorisations spécifique.
-
Diffusion limitée : les outils spécialisés sont cantonnés à des plateformes spécifiques, ce qui limite leur portée et leur impact.
Le MCP résout ces problèmes en proposant une méthode standardisée permettant à n'importe quel LLM d'accéder de façon sécurisée à des outils externes et des sources de données via un protocole universel. Maintenant que nous comprenons le rôle du MCP, examinons ce que les gens construisent avec celui-ci.
Que construisent les gens avec le MCP ?
L'écosystème MCP se trouve actuellement en pleine explosion d'innovation. Voici quelques exemples récents que j'ai découverts sur Twitter où des développeurs montrent leurs réalisations :
-
Storyboard piloté par l'IA : une intégration MCP permettant à Claude de contrôler ChatGPT-4o pour générer automatiquement des storyboards complets dans le style Ghibli, sans aucune intervention humaine.
-
Intégration vocale ElevenLabs : un serveur MCP donnant à Claude et Cursor, via une simple invite textuelle, accès à toute la plateforme audio IA. Cette intégration est suffisamment puissante pour créer des agents vocaux capables d'effectuer des appels sortants. Elle illustre comment le MCP étend les outils IA actuels au domaine audio.
-
Automatisation de navigateur avec Playwright : un serveur MCP permettant à un agent IA de contrôler un navigateur web sans capture d'écran ni modèle visuel. Cela crée de nouvelles possibilités d'automatisation web en permettant aux LLM de contrôler directement les interactions via un mode standardisé.
-
Intégration WhatsApp personnelle : un serveur connecté à un compte WhatsApp personnel, permettant à Claude de rechercher des messages et contacts, ainsi que d'envoyer de nouveaux messages.
-
Outil de recherche Airbnb : un outil de recherche d'appartements Airbnb, illustrant la simplicité du MCP et sa capacité à créer des applications pratiques interagissant avec des services web.
-
Contrôleur robotique : un contrôleur MCP pour robots. Cet exemple comble l’écart entre les LLM et le matériel physique, montrant le potentiel du MCP dans les applications IoT et la robotique.
-
Google Maps et recherche locale : connexion de Claude aux données Google Maps pour créer un système capable de trouver et recommander des entreprises locales (comme des cafés). Cette extension permet aux assistants IA d'offrir des services basés sur la localisation.
-
Intégration blockchain : le projet Lyra MCP apporte les fonctionnalités MCP vers StoryProtocol et d'autres plateformes web3. Cela permet d'interagir avec les données blockchain et contrats intelligents, ouvrant de nouvelles possibilités pour des applications décentralisées renforcées par l'IA.
Ce qui rend ces exemples particulièrement frappants, c'est leur diversité. En peu de temps depuis le lancement du MCP, les développeurs ont créé des intégrations couvrant la production créative multimédia, les plateformes de communication, le contrôle matériel, les services géolocalisés et les technologies blockchain. Ces applications variées suivent toutes un même protocole standardisé, démontrant la polyvalence du MCP et son potentiel à devenir la norme universelle pour l'intégration des outils IA.
Pour consulter une collection complète de serveurs MCP, rendez-vous sur le dépôt officiel GitHub des serveurs MCP. Avant d'utiliser tout serveur MCP, veuillez lire attentivement les clauses de non-responsabilité et faites preuve de prudence quant au contenu exécuté et autorisé.
Promesses et spéculations
Face à toute nouvelle technologie, on peut se demander : le MCP est-il véritablement transformateur, ou s'agit-il simplement d'un autre outil surestimé voué à disparaître ?
Après avoir observé de nombreuses startups, je crois que le MCP représente un véritable tournant dans le développement de l'IA. Contrairement à de nombreuses tendances promettant la révolution mais n'apportant que des changements progressifs, le MCP constitue un gain significatif en productivité, résolvant un problème d'infrastructure bloquant tout l'écosystème.
Son originalité réside dans le fait qu'il ne cherche ni à remplacer les modèles IA existants ni à rivaliser avec eux, mais plutôt à les rendre plus utiles en les reliant aux outils et données externes dont ils ont besoin.
Néanmoins, des préoccupations légitimes subsistent concernant la sécurité et la standardisation. Comme tout protocole en phase initiale, nous risquons de voir des difficultés inhérentes à la croissance, tandis que la communauté explore les meilleures pratiques en matière d'audit, d'autorisations, d'authentification et de vérification des serveurs. Les développeurs doivent évaluer soigneusement les fonctionnalités des serveurs MCP, sans leur accorder une confiance aveugle, surtout à mesure qu'ils deviennent plus nombreux. Cet article mentionne certains vulnérabilités récentes exposées par une utilisation aveugle de serveurs MCP non rigoureusement examinés, même lorsqu'exécutés localement.
L'avenir de l'IA repose sur le contexte
Les applications IA les plus puissantes ne seront plus des modèles isolés, mais des écosystèmes de compétences spécialisées reliées par des protocoles standardisés comme le MCP. Pour les startups, le MCP représente une opportunité de construire des composants spécialisés adaptés à ces écosystèmes en pleine expansion. C’est une chance d’exploiter vos connaissances et capacités uniques tout en bénéficiant des investissements massifs réalisés dans les modèles de base.
À l’avenir, nous pouvons anticiper que le MCP deviendra une composante fondamentale de l’infrastructure IA, au même titre que HTTP l’a été pour le web. À mesure que le protocole mûrira et que son adoption s’étendra, nous assisterons probablement à l’émergence d’un marché spécialisé de serveurs MCP, permettant aux systèmes IA d’utiliser presque n’importe quelle capacité ou source de données imaginables.
Votre startup a-t-elle déjà essayé d’implémenter le MCP ? Je serais ravi d’entendre parler de votre expérience dans les commentaires. Si vous développez quelque chose d’intéressant dans ce domaine, contactez-nous via @alliancedao pour postuler.
Annexe
Pour ceux intéressés par le fonctionnement pratique du MCP, l’annexe suivante fournit une analyse technique détaillée de son architecture, de son flux de travail et de son implémentation.
Le fonctionnement interne du MCP
De même que HTTP a standardisé la manière dont le web accède aux sources de données externes et aux informations, le MCP fait de même pour les cadres IA, créant un langage universel permettant aux différents systèmes d’intelligence artificielle de communiquer sans heurts. Examinons comment cela fonctionne.
Architecture et flux du MCP
L’architecture principale suit un modèle client-serveur, composé de quatre éléments clés travaillant ensemble :
-
Hôte MCP : inclut des applications IA de bureau comme Claude ou ChatGPT, des environnements de développement intégrés (IDE) comme cursorAI ou VSCode, ou tout autre outil IA nécessitant un accès à des données et fonctionnalités externes.
-
Client MCP : processeur de protocole intégré à l’hôte, maintenant une connexion point à point avec le serveur MCP.
-
Serveur MCP : programme léger exposant une fonctionnalité spécifique via un protocole standardisé.
-
Sources de données : incluent fichiers, bases de données, API et services auxquels le serveur MCP peut accéder de manière sécurisée.
Maintenant que nous avons présenté ces composants, examinons comment ils interagissent dans un flux de travail typique :
-
Interaction utilisateur : l'utilisateur pose une question ou formule une demande dans l'hôte MCP (par exemple, Claude Desktop).
-
Analyse par le LLM : le LLM analyse la demande et détermine qu'il a besoin d'informations ou d'outils externes pour fournir une réponse complète.
-
Découverte des outils : le client MCP interroge les serveurs MCP connectés afin de découvrir les outils disponibles.
-
Sélection de l'outil : le LLM décide quels outils utiliser selon la demande et les fonctionnalités disponibles.
-
Demande d'autorisation : l'hôte demande à l'utilisateur l'autorisation d'exécuter l'outil sélectionné, garantissant transparence et sécurité.
-
Exécution de l'outil : après approbation, le client MCP envoie la requête au serveur MCP approprié, qui utilise son accès spécialisé aux sources de données pour effectuer l'opération.
-
Traitement des résultats : le serveur renvoie les résultats au client, qui les met en forme pour être utilisés par le LLM.
-
Génération de la réponse : le LLM intègre les informations externes pour produire une réponse complète.
-
Présentation à l'utilisateur : enfin, la réponse est affichée à l'utilisateur final.
La force de cette architecture réside dans le fait que chaque serveur MCP se concentre sur un domaine spécifique, tout en utilisant un protocole de communication standardisé. Ainsi, les développeurs n'ont plus besoin de reconstruire des intégrations pour chaque plateforme : un outil développé une seule fois peut servir à l'ensemble de l'écosystème IA.
Comment construire votre premier serveur MCP
Voyons maintenant comment implémenter un serveur MCP simple en quelques lignes de code à l'aide du SDK MCP.
Dans cet exemple simple, nous souhaitons étendre les capacités de Claude Desktop afin qu'il puisse répondre à des questions comme « Quels sont les cafés près de Central Park ? », en puisant l'information dans Google Maps. Vous pouvez facilement étendre cette fonctionnalité pour récupérer des avis ou des notes. Pour l'instant, nous nous concentrons sur l'outil MCP find_nearby_places, qui permettra à Claude d'obtenir directement ces informations depuis Google Maps et de présenter les résultats de manière conversationnelle.
Comme vous pouvez le constater, le code est très simple. Il convertit d'abord la requête en recherche via l'API Google Maps, puis renvoie les meilleurs résultats sous format structuré. Ainsi, les informations sont transmises au LLM pour une prise de décision ultérieure.
Nous devons maintenant informer Claude Desktop de l'existence de cet outil. Nous l'enregistrons donc dans son fichier de configuration comme suit :
Chemin macOS :
~/Library/Application Support/Claude/claude_desktop_config.json
Chemin Windows :
%APPDATA%\Claude\claude_desktop_config.json
Voilà, c'est terminé ! Vous avez désormais étendu avec succès les fonctionnalités de Claude pour lui permettre de rechercher des lieux en temps réel via Google Maps.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
Alliance
