Déployer des Agents IA en Entreprise avec le Model Context Protocol (MCP)
Normaliser l'accès aux bases de données, API et moteurs OCR sans adhérence forte aux modèles de fondation.
Le Model Context Protocol (MCP), initié par Anthropic fin 2024 et soutenu par la communauté open-source, introduit un standard ouvert de communication bidirectionnelle entre modèles de fondation et outils d'entreprise. Cet article analyse les gains d'architecture apportés par MCP en termes de sécurité, de modularité contractuelle et de mitigation des injections indirectes de prompts.
L'intégration d'outils externes (bases de données relationnelles, CRM, pipelines OCR, serveurs de fichiers) avec des agents d'intelligence artificielle souffrait historiquement d'une fragmentation marquée : chaque bibliothèque ou fournisseur de modèles (OpenAI Assistants, LangChain, LlamaIndex) imposait son propre format d'appel d'outils (Function Calling). Le Model Context Protocol (MCP), standardisé en protocole ouvert reposant sur JSON-RPC 2.0 (Anthropic, 2024), standardise cette interface client-serveur et assure l'interopérabilité entre modèles et services d'entreprise.
1. Architecture Fondamentale : Découplage Modèle-Outils
Dans une architecture agentique conventionnelle, le code d'orchestration applicative injecte manuellement des définitions d'outils et du contexte dans le prompt système. Avec MCP, les outils (Tools), les ressources en lecture seule (Resources) et les modèles de requêtes (Prompts) sont exposés par des serveurs MCP autonomes et interrogés par des clients hôtes via des canaux standardisés (stdio ou HTTP/SSE).
2. Mise en Œuvre et Contrat d'Interface Typé
Validation Déclarative des Schémas d'Entrée (Zod / JSON Schema)
Pour prémunir les systèmes d'entreprise contre l'exécution de requêtes malformées, chaque outil MCP définit un schéma de validation strict de ses paramètres à l'aide de JSON Schema ou de bibliothèques de validation telles que Zod.
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { ListToolsRequestSchema } from "@modelcontextprotocol/sdk/types.js";
const server = new Server(
{ name: "pragma-procurement-mcp", version: "1.0.0" },
{ capabilities: { tools: {} } }
);
// Contrat d'interface strict pour la recherche d'appels d'offres
server.setRequestHandler(ListToolsRequestSchema, async () => ({
tools: [
{
name: "search_public_tenders",
description: "Recherche des avis de marchés publics filtrés par secteur et plafond budgétaire",
inputSchema: {
type: "object",
properties: {
sector: { type: "string", description: "Secteur d'activité (infrastructures, santé, IT)" },
maxBudgetUSD: { type: "number", description: "Plafond budgétaire indicatif" },
status: { type: "string", enum: ["open", "evaluating", "awarded"] }
},
required: ["sector"]
}
}
]
}));3. Sécurité et Mitigation des Injections Indirectes de Prompts
Dès lors qu'un agent autonome analyse des flux de données non fiables (documents numérisés, courriels, soumissions de candidats), il est exposé au risque d'injection indirecte de prompt (Greshake et al., 2023 ; OWASP Top 10 for LLM Applications, 2025, risque LLM01). L'architecture MCP permet d'isoler hermétiquement l'exécution des outils, de restreindre les permissions selon le principe du moindre privilège, et d'intégrer une validation humaine obligatoire (Human-in-the-Loop) sur les actions transactionnelles irréversibles.
Conclusion & Perspectives
En standardisant les interfaces entre agents d'intelligence artificielle et systèmes d'information d'entreprise, le Model Context Protocol apporte la maturité architecturale nécessaire aux déploiements critiques. Il permet de construire des systèmes modulaires, auditables et résistants aux évolutions des modèles sous-jacents.
References & Bibliography
- [1]Anthropic (2024). 'Model Context Protocol Specification'. Anthropic Open Source Documentation.
- [2]JSON-RPC Working Group (2013). 'JSON-RPC 2.0 Specification'.
- [3]OWASP Foundation (2025). 'OWASP Top 10 for Large Language Model Applications (v2.0): LLM01 - Prompt Injection'. OWASP Foundation.
- [4]Greshake, K., Abdelnabi, S., Mishra, S., Endres, C., Holz, T., & Fritz, M. (2023). 'Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection'. In Proceedings of the 16th ACM Workshop on Artificial Intelligence and Security (AISEC '23), pp. 79-90.