Guides

Comprendre le rôle de Model Context Protocol dans l’intégration des agents d’intelligence artificielle

Guide conceptuel expliquant, à partir des sources disponibles, comment Model Context Protocol organise l’accès des agents aux outils, aux données et au contexte, ainsi que son intégration avec la recherche, les Skills, la gouvernance et la supervision humaine.

Model Context Protocol, ou MCP, est mentionné parmi les projets associés à Agentic AI Foundation, une initiative de la Linux Foundation axée sur les infrastructures et les normes ouvertes pour l’exécution des agents d’intelligence artificielle. Dans les sources, MCP est présenté comme une méthode standardisée permettant aux agents d’accéder aux outils et aux données et de les appeler.

Quel problème MCP résout-il sur le plan conceptuel ?

Lorsque l’intelligence artificielle passe de la réponse textuelle à l’exécution de tâches en plusieurs étapes, l’agent doit interagir avec différents outils, données et services. MCP vise à fournir un mécanisme commun pour cette intégration, au lieu que chaque plateforme adopte une méthode fermée et différente.

La source n’indique pas que MCP résout à lui seul les problèmes d’autorisations, d’exactitude des résultats ou de sécurité. Il convient donc de le comprendre comme une couche d’intégration et d’accès aux outils et aux données, et non comme un substitut à la gouvernance ou à la supervision humaine.

Quel est le lien entre MCP, les outils et les données ?

  • Outils : MCP peut être utilisé pour mettre à disposition des outils appelés par l’agent, tels que des outils de recherche, de lecture de documents ou d’exécution d’actions liées à d’autres services.
  • Données : MCP peut aider l’agent à accéder à des sources externes ou internes, mais la qualité de la réponse reste liée à l’exactitude des données, à leur contexte et à leurs limites.
  • Contexte : il relie l’agent aux informations ou aux outils dont il a besoin pour exécuter la tâche, au lieu de se limiter au contenu présent dans la conversation.

Comment MCP s’intègre-t-il à RAG et aux Skills ?

Les sources indiquent que MCP, RAG et Skills jouent des rôles différents et peuvent fonctionner ensemble dans un même flux de travail.

  • MCP : fournit une méthode standardisée pour accéder aux outils et aux données et les appeler.
  • RAG : récupère des informations pertinentes dans des documents, des tickets d’assistance, des bases de connaissances ou le contexte d’une base de code.
  • Skills : fournissent des instructions et des connaissances liées aux méthodes de travail de l’équipe, aux règles de modification du projet ou aux conventions suivies.

Ainsi, l’agent peut utiliser MCP pour accéder à un outil, puis s’appuyer sur un Skill pour appliquer les instructions du projet et utiliser la recherche pour récupérer le contexte nécessaire.

Étapes conceptuelles pour concevoir un usage fondé sur MCP

  • Définir la tâche : précisez ce que l’agent est censé accomplir et si la tâche nécessite des données ou des outils externes.
  • Définir les outils requis : donnez à l’agent uniquement les outils dont il a besoin, plutôt qu’un accès étendu qui pourrait le désorienter ou l’amener à utiliser des outils inappropriés.
  • Relier les sources de contexte : utilisez des sources internes ou externes pertinentes, en gardant à l’esprit que la recherche ne suffit pas à trancher les contradictions entre les sources ou leur champ d’application.
  • Ajouter les instructions de travail : utilisez des Skills ou des consignes lisibles par l’humain pour clarifier les règles de l’équipe ou du projet lorsqu’elles sont pertinentes.
  • Rendre les appels observables : affichez les outils appelés, les paramètres ou requêtes envoyés et les résultats reçus par l’agent afin de détecter rapidement les problèmes.
  • Appliquer les autorisations et le consentement : tenez compte des restrictions d’accès aux sources et demandez une validation humaine pour les actions ayant un impact, comme une mise en production, l’envoi de messages ou la dépense d’argent lorsque ces actions sont disponibles.
  • Examiner les résultats : ne transférez pas la responsabilité au modèle ; l’humain doit examiner le résultat jusqu’à pouvoir l’expliquer et en assumer la responsabilité.
  • Tester la qualité : évaluez l’exactitude de la réponse, l’utilisation des outils appropriés et la récupération du contexte correct, plutôt que de vous limiter à des mesures générales telles que la pertinence ou la cohérence.

Exemple institutionnel d’organisation

Forter a utilisé un serveur interne fondé sur MCP, appelé Toolchain, qui fournissait une interface unique pour découvrir et tester les outils et créer les connexions propres à chaque agent. Il permettait également de sélectionner uniquement les outils nécessaires à l’agent, avec des fonctionnalités de suivi de la consommation de tokens et de l’utilisation des outils.

Forter a relié ce serveur à la plateforme Glean pour effectuer des recherches dans des sources internes et a fourni des outils permettant de rechercher des documents et des passages pertinents, de lire un document dans son intégralité et de le résumer selon une question ou un axe défini par l’agent. Cette expérience est présentée dans la source comme un cas pratique, et non comme la preuve que cette conception convient à toutes les organisations.

Que faut-il examiner avant de s’appuyer sur les résultats ?

Les sources recommandent d’examiner la source, le champ d’application, les autorisations, les contradictions et la propriété. Les éléments probants et l’historique de provenance des informations doivent pouvoir être examinés, avec la version, la région et les paramètres du client lorsque cela est nécessaire. Les consignes contradictoires doivent être affichées plutôt que masquées, et il faut identifier la personne capable de trancher ou d’interpréter l’exception.

Les sources soulignent également que l’utilisation de MCP ne supprime pas la nécessité de consulter les sources originales, notamment lorsqu’il s’agit de chiffres ou de décisions importantes. Les éléments disponibles n’ont pas fourni de mesures indépendantes démontrant l’exactitude de MCP ou sa supériorité dans tous les scénarios.

Conclusion

Model Context Protocol peut être compris comme un moyen standardisé de relier les agents aux outils, aux données et aux services. Son utilité conceptuelle augmente lorsqu’il est utilisé avec un contexte récupéré, des instructions claires, des autorisations définies, un suivi des appels d’outils et une supervision humaine. La réussite d’une mise en œuvre concrète dépend toutefois de la qualité des sources, de la conception des autorisations, de l’auditabilité et de la nature de la tâche ; ces aspects ne sont pas résolus par MCP seul.