Transférer le titre original « La norme USB-C de l’IA : comprendre MCP »

Pendant mes années chez Alliance, j'ai vu d'innombrables fondateurs construire leurs propres outils spécialisés et intégrations de données intégrées à leurs agents AI et workflows. Cependant, ces algorithmes, formalisations et ensembles de données uniques sont enfermés derrière des intégrations personnalisées que peu de personnes utiliseraient jamais.

Cela a rapidement changé avec l'émergence du Protocole de Contexte du Modèle. MCP est défini comme un protocole ouvert qui standardise la manière dont les applications communiquent et fournissent un contexte aux LLMs. Une analogie que j'ai vraiment aimée est que les "MCP pour les applications d'IA sont comme l'USB-C pour le matériel"; c'est standardisé, plug-and-playable, polyvalent et transformateur.

Pourquoi MCP?

Les LLM comme Claude, OpenAI, LLAMA, etc. sont incroyablement puissants, mais ils sont limités par les informations auxquelles ils peuvent accéder pour le moment. Cela signifie qu'ils ont généralement des coupures de connaissance, ne peuvent pas naviguer sur le Web de manière indépendante, et n'ont pas un accès direct à vos fichiers personnels ou outils spécialisés sans une forme d'intégration.

En particulier, avant, les développeurs étaient confrontés à trois principaux défis lorsqu'ils connectaient les LLM aux données et outils externes :

1. Complexité de l'intégration : Construire des intégrations séparées pour chaque plateforme d'IA (Claude, ChatGPT, etc.) nécessitait de dupliquer les efforts et de maintenir plusieurs bases de code.
2. Fragmentation des outils : Chaque fonctionnalité de l'outil (par exemple, l'accès aux fichiers, les connexions API, etc.) nécessitait son propre code d'intégration spécialisé et son modèle d'autorisation
3. Distribution limitée : les outils spécialisés étaient confinés à des plateformes spécifiques, limitant leur portée et leur impact

MCP résout ces problèmes en fournissant une manière standardisée pour tout LLM d'accéder de manière sécurisée à des outils externes et des sources de données via un protocole commun. Maintenant que nous comprenons ce que fait le MCP, regardons ce que les gens construisent avec.

Que construisent les gens avec MC ?

L'écosystème MC est actuellement en pleine explosion d'innovation. Voici quelques exemples récents, que j'ai trouvés sur Twitter, de développeurs présentant leur travail.

• Storyboarding alimenté par l'IA: Une intégration MC qui permet à Claude de contrôler ChatGPT-4o, générant automatiquement des storyboards complets dans le style Ghibli sans aucune intervention humaine.
• Intégration vocale ElevenLabs: Un serveur MCP qui donne à Claude et Cursor accès à l'ensemble de leur plateforme audio IA via des instructions textuelles simples. L'intégration est assez puissante pour créer des agents vocaux capables de passer des appels sortants. Cela démontre comment le MCP peut étendre les outils IA actuels dans le domaine audio.
• Automatisation du navigateur avec Playwright: Un serveur MCP qui permet aux agents d'IA de contrôler les navigateurs Web sans nécessiter de captures d'écran ou de modèles de vision. Cela ouvre de nouvelles possibilités pour l'automatisation Web en donnant aux LLM un contrôle direct sur les interactions du navigateur de manière standardisée.
• Intégration personnelle de WhatsApp: Un serveur qui se connecte aux comptes WhatsApp personnels, permettant à Claude de rechercher des messages et des contacts, ainsi que d'envoyer de nouveaux messages.
• Outil de recherche Airbnb: Un outil de recherche d'appartements Airbnb qui met en valeur la simplicité et la puissance de MC pour créer des applications pratiques interagissant avec des services web.
• Système de contrôle de robot: Un contrôleur MCP pour un robot. L'exemple comble le fossé entre les LLM et le matériel physique, montrant le potentiel de MCP pour les applications IoT et la robotique.
• Google Maps et Recherche locale: En reliant Claude aux données de Google Maps, en créant un système capable de trouver et de recommander des entreprises locales comme des cafés. Cette extension permet aux assistants IA de bénéficier de services basés sur la localisation.
• Intégration de la blockchain: Le projet Lyra MCP apporte des capacités MCP à StoryProtocol et à d'autres plateformes web3. Cela permet d'interagir avec les données de la blockchain et les contrats intelligents, ouvrant de nouvelles possibilités pour des applications décentralisées améliorées par l'IA.

Ce qui rend ces exemples particulièrement convaincants, c'est leur diversité. En peu de temps depuis son introduction, les développeurs ont créé des intégrations couvrant la production de médias créatifs, les plateformes de communication, le contrôle du matériel, les services de localisation et la technologie blockchain. Toutes ces applications variées suivent le même protocole standardisé, démontrant la polyvalence de MCP et son potentiel pour devenir une norme universelle pour l'intégration d'outils AI.

Pour une collection complète de serveurs MCP, consultez ledépôt officiel des serveurs MCP sur GitHub. Avec un avertissement attentif, avant d'utiliser un serveur MC, soyez prudent quant à ce que vous exécutez et aux autorisations que vous accordez.

Promesse vs. Hype

Avec toute nouvelle technologie, il vaut la peine de se demander : MC est-il vraiment transformateur, ou juste un autre outil surévalué qui disparaîtra ?

Ayant observé de nombreuses startups dans cet espace, je crois que MCP représente un véritable point d'inflexion pour le développement de l'IA. Contrairement à de nombreuses tendances qui promettent une révolution mais apportent un changement incrémentiel, MCP est un coup de pouce productif qui résout un problème d'infrastructure fondamental qui a freiné l'ensemble de l'écosystème.

Ce qui le rend particulièrement précieux, c'est qu'il ne cherche pas à remplacer les modèles d'IA existants ou à rivaliser avec eux, mais plutôt à les rendre tous plus utiles en les connectant à des outils externes et aux données dont ils ont besoin.

Cela dit, il existe des préoccupations légitimes concernant la sécurité et la standardisation. Comme pour tout protocole à ses débuts, nous verrons probablement des difficultés croissantes alors que la communauté peaufine les meilleures pratiques en matière d'audits, de permissions, d'authentification et de vérification du serveur. Le développeur doit avoir confiance dans la fonctionnalité de ces serveurs MCP et ne doit pas leur faire aveuglément confiance, surtout qu'ils sont devenus nombreux.Cet articlediscute certaines des vulnérabilités récemment exposées par l'utilisation aveugle des serveurs MCP qui n'ont pas été soigneusement vérifiés, même si vous l'exécutez localement.

L'avenir de l'IA est contextuel

Les applications d'IA les plus puissantes ne seront pas des modèles autonomes mais des écosystèmes de capacités spécialisées connectées via des protocoles standardisés comme MCP. Pour les startups, MCP représente une opportunité de construire des composants spécialisés qui s'intègrent dans ces écosystèmes en croissance. C'est une chance de tirer parti de vos connaissances et capacités uniques tout en bénéficiant des investissements massifs dans les modèles de base.

En regardant vers l'avenir, nous pouvons nous attendre à ce que MCP devienne une partie fondamentale de l'infrastructure de l'IA, tout comme HTTP l'est devenu pour le web. À mesure que le protocole mûrit et que l'adoption se développe, nous verrons probablement émerger des marchés entiers de serveurs MCP spécialisés, permettant aux systèmes d'IA de puiser dans pratiquement n'importe quelle capacité ou source de données imaginable.

Annexe

Pour ceux qui souhaitent comprendre le fonctionnement réel de MCP sous-jacent, l'appendice suivant fournit une analyse technique de son architecture, de son flux de travail et de sa mise en œuvre.

Sous les capots de MCP

De la même manière que HTTP a standardisé la façon dont le web accède aux sources de données externes et aux informations, le MC le fait pour les cadres d'IA, créant un langage commun qui permet à différents systèmes d'IA de communiquer de manière transparente. Alors explorons comment il le fait.

Architecture et flux de MC

L'architecture principale suit un modèle client-serveur avec quatre composants clés travaillant ensemble :

• Hôtes MCP : applications d'IA de bureau telles que Claude ou ChatGPT, IDE comme cursorAI ou VSCode, ou autres outils d'IA nécessitant l'accès à des données et capacités externes
• Clients MCP : Gestionnaires de protocoles intégrés dans des hôtes qui maintiennent des connexions un-à-un avec des serveurs MCP
• Serveurs MCP : Programmes légers exposant des fonctionnalités spécifiques via le protocole standardisé
• Sources de données : Vos fichiers, bases de données, API et services auxquels les serveurs MC peuvent accéder de manière sécurisée

Maintenant que nous avons discuté des composants, voyons comment ils interagissent dans un flux de travail typique :

1. Interaction utilisateur : cela commence par un utilisateur posant une question ou faisant une demande dans un hôte MC, par exemple, Claude Desktop.
2. Analyse LLM : L'LLM analyse la demande et détermine si elle a besoin d'informations externes ou d'outils pour fournir une réponse complète
3. Découverte d'outil : Le client MCP interroge les serveurs MCP connectés pour découvrir quels outils sont disponibles
4. Sélection des outils : Le LLM décide quels outils utiliser en fonction de la demande et des capacités disponibles
5. Demande d'autorisation : L'hôte demande à l'utilisateur l'autorisation d'exécuter l'outil sélectionné crucial pour la transparence et la sécurité.
6. Exécution de l'outil : Après approbation, le client MC envoie la demande au serveur MC approprié, qui exécute l'opération avec son accès spécialisé aux sources de données
7. Traitement des résultats : Le serveur renvoie les résultats au client, qui les met en forme pour le LLM
8. Génération de réponse : Le LLM intègre les informations externes dans une réponse globale
9. Présentation de l'utilisateur : Enfin, la réponse est affichée à l'utilisateur final

Ce qui rend cette architecture puissante, c'est que chaque serveur MCP se spécialise dans un domaine spécifique mais utilise un protocole de communication standardisé. Ainsi, au lieu de reconstruire des intégrations pour chaque plateforme, les développeurs peuvent se concentrer uniquement sur le développement d'outils une seule fois pour l'ensemble de leur écosystème IA.

Comment construire votre premier serveur MCP

Maintenant, voyons comment on peut mettre en œuvre un serveur MCP simple en quelques lignes de code en utilisant le SDK MCP.

Dans cet exemple simple, nous voulons étendre la capacité de Claude Desktop à pouvoir répondre à des questions telles que "Quels sont quelques cafés près de Central Park?" depuis Google Maps. Vous pouvez facilement étendre ceci pour obtenir des avis ou des évaluations. Mais pour l'instant, concentrons-nous sur l'outil MCP find_nearby_places qui permettra à Claude d'obtenir ces informations directement depuis Google Maps et de présenter les résultats de manière conversationnelle.

Comme vous pouvez le voir, le code est vraiment simple. 1) Il transforme la requête en une recherche sur l'API Google Maps et 2) renvoie les meilleurs résultats sous une forme structurée. Ainsi, les informations sont renvoyées au LLM pour prendre des décisions supplémentaires.

Maintenant, nous devons informer Claude Desktop de cet outil, donc nous l'enregistrons dans son fichier de configuration comme suit.

• macOS: ~/Bibliothèque/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

Et voilà, c'est fait. Maintenant, vous venez d'étendre Claude pour trouver des emplacements en temps réel à partir de Google maps.

Avertissement：

1. Cet article est repris de [GateX]. Transmettre le titre original 'Norme USB-C de l'IA : Comprendre le MCP'. Tous les droits d'auteur appartiennent à l'auteur original [@Drmelseidy]. If there are objections to this reprint, please contact the Porte Apprendreéquipe, et ils s'en occuperont rapidement.

2. Clause de non-responsabilité : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent aucun conseil en investissement.

3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits est interdit.