MCP (Model Context Protocol)

#Définition MCP (Model Context Protocol)

MCP (Model Context Protocol) est un protocole de communication client/serveur open source, publié par Anthropic le 25 novembre 2024, visant à standardiser les interfaces entre les LLM et leurs sources de contexte externes. Spécification JSON-RPC 2.0 transportée sur stdio (locaux) ou SSE/HTTP (distants). Pour approfondir, consultez la page service Agents IA Nehos.

Du point de vue technique, Trois primitives fondamentales : (1) Resources — données en lecture exposées par le serveur (fichiers, enregistrements BDD, emails, résultats d'API) avec URI adressable, (2) Tools — fonctions appelables par le LLM avec un schéma JSON de paramètres et de retour, permettant des effets de bord (écriture, envoi, exécution), (3) Prompts — templates de messages réutilisables avec paramètres dynamiques. Le client MCP (agent ou IDE) découvre les capacités disponibles via les méthodes initialize / list_resources / list_tools / list_prompts. Adoption : intégration native dans Claude Desktop, Cursor, Windsurf, VSCode Copilot Chat, LangGraph, CrewAI. Plus de 2 000 serveurs MCP publics documentés sur modelcontextprotocol.io au T1 2026.

Le concept de MCP (Model Context Protocol) prend tout son sens dans un contexte B2B où chaque décision technique impacte directement le ROI.

#MCP (Model Context Protocol) expliqué simplement

MCP, c'est la prise USB-C pour les agents IA. Avant USB-C, chaque fabricant avait son propre câble. Avant MCP, connecter un agent IA à votre CRM demandait une intégration API sur mesure — spécifique au modèle, à l'agent, à la version. Ça prenait des semaines. Avec MCP : vous construisez un serveur MCP une fois pour votre CRM, et n'importe quel client compatible (Claude, Cursor, votre agent LangGraph) peut s'y connecter. Le serveur 'dit' ce qu'il peut faire : 'je peux lire les contacts, je peux créer des opportunités, je peux envoyer des emails'. L'agent choisit ce dont il a besoin et l'utilise. Même logique que les APIs REST, mais optimisé pour le workflow agent — le LLM comprend nativement ce que le serveur expose.

Imaginez que vous dirigez une PME ou une scale-up. C'est la réalité du terrain — loin des définitions académiques.

#Cas d'usage concrets

Serveur MCP ERP — ETI manufacturing (5 000 références, SAP S/4HANA) — Serveur MCP développé par Nehos exposant 12 tools SAP (lecture stock, création commande d'achat, mise à jour prix, suivi livraison) et 8 resources (fiche article, historique fournisseur, grille tarifaire). Connexion à un agent IA commercial : les commerciaux interrogent leur agent en langage naturel ('quel est le délai de livraison pour la référence 4721 chez Schneider ?') sans accéder directement à SAP. Temps de réponse moyen : 2,3 secondes vs 4-5 minutes de navigation SAP manuelle.

Serveur MCP documentation interne — collectivité territoriale (12 000 documents réglementaires) — Serveur MCP exposant une base documentaire réglementaire (marchés publics, urbanisme, RH) indexée dans un vector store Qdrant. Tools : recherche sémantique, récupération du texte officiel, lien vers source DILA. Intégration avec Claude Desktop pour 45 juristes et agents administratifs. Réduction du temps de recherche réglementaire : de 22 minutes à 3 minutes en moyenne. Taux de réponses sourcées correctement : 94 %.

Serveur MCP IDE — équipe développement (25 devs, monorepo 800k lignes) — Serveur MCP interne exposant le README des services, les schémas de base de données, les conventions de code et les logs d'erreurs récents aux devs via Cursor. Accélération de l'onboarding nouveaux devs : de 3 semaines à 8 jours pour être productif sur le monorepo. Réduction des questions Slack répétitives : -60 %.

#MCP (Model Context Protocol) chez Nehos Groupe

L'équipe Nehos travaille avec cette technologie depuis ses débuts. Sur les 3 derniers projets impliquant MCP (Model Context Protocol), on a documenté les résultats avec des KPIs précis. Notre service Agents IA Nehos couvre ce périmètre de A à Z.

Chaque mission démarre par un cadrage structuré : objectifs chiffrés, périmètre technique, jalons à 30/60/90 jours. Les résultats mesurés sur nos clients : 3 semaines est un ordre de grandeur courant. On livre, on mesure, on itère. Pas de slides sans livrable.

#Termes associés

Ce concept ne vit pas isolé.

• Agent IA
• Agentic AI
• LLM (Large Language Model)
• RAG (Retrieval-Augmented Generation)
• Agents autonomes
• Claude (Anthropic)

Chaque terme est défini dans notre glossaire avec la même approche : définition technique, vulgarisation, cas concrets et méthode Nehos.