Anthropic propose une nouvelle norme pour connecter les assistants IA aux systèmes où résident les données.
Appelé Model Context Protocol, ou MCP en abrégé, Anthropic affirme que la norme, dont la source est désormais ouverte aujourd’hui, pourrait aider les modèles d’IA à produire des réponses meilleures et plus pertinentes aux requêtes.
MCP permet aux modèles (tous les modèles, pas seulement ceux d’Anthropic) d’extraire des données à partir de sources telles que des outils et des logiciels professionnels pour effectuer des tâches, ainsi qu’à partir de référentiels de contenu et d’environnements de développement d’applications.
« À mesure que les assistants IA gagnent en popularité, le secteur a investi massivement dans les capacités des modèles, réalisant des progrès rapides en matière de raisonnement et de qualité », a écrit Anthropic dans un article de blog . « Pourtant, même les modèles les plus sophistiqués sont limités par leur isolement par rapport aux données, piégés derrière des silos d’informations et des systèmes hérités. Chaque nouvelle source de données nécessite sa propre implémentation personnalisée, ce qui rend les systèmes véritablement connectés difficiles à faire évoluer. »
MCP résout apparemment ce problème grâce à un protocole qui permet aux développeurs de créer des connexions bidirectionnelles entre les sources de données et les applications basées sur l’IA (par exemple les chatbots). Les développeurs peuvent exposer les données via des « serveurs MCP » et créer des « clients MCP » (par exemple des applications et des flux de travail) qui se connectent à ces serveurs sur commande.
Anthropic affirme que des entreprises telles que Block et Apollo ont déjà intégré MCP dans leurs systèmes, tandis que des sociétés d’outils de développement telles que Replit, Codeium et Sourcegraph ajoutent le support MCP à leurs plateformes.
« Au lieu de maintenir des connecteurs distincts pour chaque source de données, les développeurs peuvent désormais s’appuyer sur un protocole standard », a écrit Anthropic. « À mesure que l’écosystème mûrit, les systèmes d’IA conserveront le contexte lorsqu’ils se déplaceront entre différents outils et ensembles de données, remplaçant les intégrations fragmentées d’aujourd’hui par une architecture plus durable. »
Les développeurs peuvent commencer à créer des applications avec les connecteurs MCP dès maintenant, et les abonnés au plan Claude Enterprise d’Anthropic peuvent connecter le chatbot Claude de l’entreprise à leurs systèmes internes via des serveurs MCP. Anthropic a partagé des serveurs MCP pré-construits pour les systèmes d’entreprise comme Google Drive, Slack et GitHub, et indique qu’il fournira bientôt des boîtes à outils pour le déploiement de serveurs MCP de production qui peuvent servir des organisations entières.
« Nous nous engageons à faire de MCP un projet et un écosystème collaboratifs et open source », a écrit Anthropic. « Nous invitons [les développeurs] à construire ensemble l’avenir de l’IA sensible au contexte. »
En théorie, le MCP semble être une bonne idée. Mais il est loin d’être certain qu’il gagnera beaucoup de terrain, en particulier auprès de concurrents comme OpenAI, qui préféreraient certainement que les clients et les partenaires de l’écosystème utilisent leurs approches et spécifications de connexion de données.
En fait, OpenAI a récemment apporté une fonctionnalité de connexion de données à ChatGPT, sa plateforme de chatbot alimentée par l’IA, qui permet à ChatGPT de lire le code dans les applications de codage axées sur le développement, similaires aux cas d’utilisation proposés par MCP. OpenAI a déclaré qu’elle prévoyait d’apporter cette fonctionnalité, appelée Work with Apps, à d’autres types d’applications à l’avenir, mais elle recherche des implémentations avec des partenaires proches plutôt que de rendre la technologie sous-jacente open source.
Il reste également à voir si MCP est aussi bénéfique et performant qu’Anthropic le prétend. L’entreprise affirme, par exemple, que MCP peut permettre à un robot IA de « mieux récupérer des informations pertinentes pour mieux comprendre le contexte d’une tâche de codage », mais elle ne propose aucun point de référence pour étayer cette affirmation.
