Pourquoi le protocole de contexte modèle d’Anthropic constitue une étape importante dans l’évolution des agents d’IA

Les agents IA et les workflows agents sont les mots à la mode actuels parmi les développeurs et les décideurs techniques. Même s’ils méritent certainement l’attention de la communauté et de l’écosystème, l’accent est moins mis sur l’une des pièces les plus importantes du puzzle agent : l’intégration des systèmes existants et des applications métiers de l’entreprise. J’ai récemment expliqué en quoi la mise en œuvre d’agents IA est comparable à un projet complexe d’intégration d’applications d’entreprise.

ForbesPourquoi l’orchestration d’agents est la nouvelle épine dorsale de l’intégration d’entreprise à l’ère de l’IAPar Janakiram MSV

Anthropiquel’un des principaux fournisseurs de modèles d’IA, a proposé un protocole et une architecture permettant de fournir aux modèles de langage le contexte nécessaire obtenu à partir de systèmes externes. Le Protocole de contexte de modèlecomme son nom l’indique, définit comment connecter les sources de données existantes telles que les systèmes de fichiers, les bases de données relationnelles, les référentiels de code et presque tout le reste aux LLM et aux agents.

Le Model Context Protocol d’Anthropic représente une avancée significative dans l’intégration de l’IA, en fournissant une norme universelle qui simplifie les connexions entre les systèmes d’IA et diverses sources de données. Ce protocole open source répond aux défis de l’accès aux données fragmentées, permettant des applications d’IA plus efficaces et plus contextuelles. En facilitant l’interaction sans problème avec différentes sources de données, MCP améliore la pertinence et la précision des réponses générées par l’IA. Il s’agit d’une avancée majeure dans le développement des capacités de l’IA.

Architecture MCP

MCP fonctionne via une architecture client-serveur sophistiquée avec trois composants principaux :

1. Serveurs MCP : Agir en tant que passerelles de données, en exposant des ressources, des outils et des invites aux applications d’IA
2. Clients MCP : Des outils basés sur l’IA qui interagissent avec ces serveurs
3. Couche de communication : Garantit un échange de données bidirectionnel sécurisé entre les ressources locales et distantes.

MCP permet aux données de circuler dans les deux sens entre les modèles d’IA et les sources de données externes, ce qui rend les applications d’IA plus interactives et plus conscientes de leur environnement. Le protocole sert de couche fondamentale pour l’intégration de modèles d’IA avec divers outils, essentiels au développement d’applications d’IA plus nuancées et fonctionnelles.

En fournissant un cadre open source, MCP simplifie l’intégration des outils pour les développeurs, réduisant ainsi le besoin d’implémentations personnalisées pour chaque nouvelle source de données. Conçu pour fonctionner dans divers environnements, y compris les plateformes low-code et les services cloud, MCP offre polyvalence et adaptabilité.

Anthropic a déjà développé des SDK pour Python et TypeScript, ainsi que des serveurs prédéfinis pour les systèmes d’entreprise tels que Google Drive, Slack, GitHub et Postgres.

Rôle du MCP dans l’évolution des agents d’IA

Bien qu’il existe de nombreux frameworks pour créer des agents d’IA, presque tous s’appuient sur des outils qui exploitent les capacités d’appel de fonctions du LLM. Bien qu’il s’agisse de la bonne approche, ce mécanisme limite le nombre d’outils et de fonctions que le LLM peut mapper à une invite ou une requête.

Le MCP d’Anthropic améliore considérablement les capacités des agents d’IA en permettant une communication directe et bidirectionnelle avec des systèmes externes. Cette avancée permet aux agents d’IA d’accéder en temps réel aux informations provenant de bases de données externes, de gérer les systèmes de fichiers et d’interagir de manière transparente avec des plateformes comme GitHub. Par conséquent, les agents d’IA peuvent effectuer de manière autonome des tâches complexes, telles que la rationalisation des flux de développement de logiciels, augmentant ainsi l’efficacité et réduisant le besoin d’intervention manuelle.

En facilitant ces interactions, MCP permet aux agents d’IA d’exécuter des opérations sophistiquées dans divers domaines, marquant une progression substantielle dans l’évolution des flux de travail agents d’IA.

Apprendre du passé : l’évolution de la SOA

Bien que MCP se concentre sur l’intégration de l’IA, il vaut la peine de le comparer aux protocoles SOA, qui ont contribué à façonner l’architecture d’entreprise. Protocoles SOA, tels que SAVONWSDL et WS-*ont été conçus pour la communication de services Web à l’aide de messages XML. Ils offrent une sécurité robuste et une gestion fiable des erreurs, adaptés aux applications de niveau entreprise et fournissent des normes complètes pour les descriptions de services et des fonctionnalités supplémentaires telles que la sécurité et les transactions.

En revanche, MCP est spécifiquement conçu pour l’intégration de modèles d’IA avec des sources de données externes, prenant en charge la communication bidirectionnelle et permettant des interactions d’IA plus dynamiques. Il se concentre sur la simplification de l’intégration de l’IA sur divers outils et plates-formes.

Alors que les protocoles SOA ont joué un rôle crucial pour permettre l’interopérabilité entre des systèmes disparates, MCP relève les défis uniques de l’intégration de modèles d’IA avec diverses sources de données et outils. L’accent mis par MCP sur la communication bidirectionnelle et l’intégration spécifique à l’IA le rend particulièrement adapté au paysage émergent des applications basées sur l’IA.

Défis et limites du MCP

Sans aucun doute, MCP a le potentiel de devenir un élément clé pour rendre les flux de travail agents IA possibles et plus rapides. Il s’agit de flux de travail qui utilisent des systèmes d’IA autonomes et axés sur des objectifs. Il permet aux agents d’IA de prendre des décisions éclairées basées sur des données en temps réel provenant de diverses sources. La capacité du protocole à maintenir le contexte sur divers outils et ensembles de données soutient le développement d’agents d’IA plus indépendants. En intégrant plusieurs outils et sources de données, MCP permet la coordination de flux de travail complexes basés sur l’IA.

Le succès et l’adoption généralisée de protocoles tels que MCP dépendent fortement de la participation de l’industrie et des efforts de normalisation. La normalisation garantit que les systèmes d’IA peuvent fonctionner sur différentes plates-formes et juridictions, ce qui est crucial pour les entreprises mondiales. Il contribue à instaurer la confiance en garantissant que les systèmes d’IA sont transparents, fiables et sécurisés. Des directives claires réduisent la complexité de la conformité, réduisant ainsi les obstacles à l’innovation et permettant un développement plus rapide des produits d’IA. Les normes peuvent intégrer les principes d’équité, de responsabilité et de non-discrimination dans les systèmes d’IA. Le respect des normes internationales facilite l’accès au marché, en particulier pour les petites entreprises. L’élaboration de normes en matière d’IA favorise la collaboration entre les parties prenantes, garantissant ainsi des meilleures pratiques complètes et réfléchies.

La participation d’entités de premier plan en matière d’IA, telles que OpenAI, Google, Microsoft, Méta et Mistral– joue un rôle essentiel dans la normalisation et l’adoption de protocoles tels que MCP. Leur participation peut conduire au développement de systèmes interopérables adhérant à des normes communes, réduisant ainsi la fragmentation et favorisant l’innovation.

En établissant un parallèle avec l’évolution de protocoles tels que SOAP, WSDL et la suite WS-* dans le contexte de la SOA, l’acceptation à l’échelle de l’industrie a joué un rôle déterminant dans leur établissement en tant que technologies fondamentales pour les services Web. De même, l’approbation collective du MCP par les principaux acteurs de l’industrie peut accélérer son intégration dans les systèmes d’IA, favorisant ainsi un écosystème d’IA cohérent et efficace.

Le protocole de contexte de modèle d’Anthropic représente une avancée significative dans l’intégration de l’IA, offrant une approche standardisée pour connecter les modèles d’IA à des sources de données externes.

Le succès du MCP dépend de son adoption généralisée par l’industrie et des efforts collaboratifs des principales organisations d’IA pour l’établir comme protocole standard, favorisant ainsi un paysage d’IA plus intégré et plus efficace.