MCP : le protocole qui change l'intégration IA dans vos apps

4 min de lecture

Le Model Context Protocol (MCP) est en train de devenir le standard de facto pour connecter des LLMs à des outils externes. Ce que c'est, pourquoi ça change tout, et comment je l'utilise concrètement pour transformer un workspace Notion en agent interrogeable.

MCP : le protocole qui change l'intégration IA dans vos apps

Le problème que MCP résout

Depuis l'émergence des LLMs, l'intégration dans des applications réelles posait toujours la même question : comment donner au modèle accès à des données externes de façon propre, sécurisée et réutilisable ?

Les solutions historiques : des appels API codés en dur dans les prompts, des outils custom par application, des pipelines fragiles. Chaque intégration était un silo.

MCP (Model Context Protocol), introduit par Anthropic fin 2024, propose une réponse standardisée : un protocole client-serveur qui permet à n'importe quel LLM de découvrir et d'utiliser des outils externes de façon uniforme.

Comment fonctionne MCP

MCP définit trois composants :

  • MCP Server : expose des ressources (données) et des tools (actions) via le protocole.
  • MCP Client : le LLM (ou l'app qui l'encapsule) qui découvre et invoque les tools.
  • Transport : stdio (processus local) ou HTTP+SSE (distant).

Le serveur déclare ses capacités au démarrage. Le client (Claude, dans mon cas) lit cette liste et peut appeler les outils à la demande pendant une conversation. C'est une forme de plugin system standardisé pour les LLMs.

{
  "tools": [
    {
      "name": "search_pages",
      "description": "Search Notion pages by keyword",
      "inputSchema": {
        "type": "object",
        "properties": {
          "query": { "type": "string" }
        },
        "required": ["query"]
      }
    }
  ]
}

Le LLM appelle search_pages si et seulement si le contexte de la conversation le justifie. Pas de plumbing manuel.

Ce que j'ai construit avec MCP

Dans mon projet Notion Intelligence Layer, l'objectif était simple : pouvoir interroger l'ensemble de mon workspace Notion avec un prompt en langage naturel, et obtenir une réponse synthétisée en quelques secondes.

L'architecture :

  1. Notion MCP Server : serveur MCP open source qui expose les pages Notion comme ressources et les recherches comme tools.
  2. ChromaDB : base vectorielle locale qui indexe le contenu des pages pour la recherche sémantique (RAG).
  3. Claude comme client MCP : orchestre l'ensemble — décide quand chercher dans Notion, quand faire du RAG, quand synthétiser.

Un prompt comme "Résume ce que j'ai noté sur PAI ce mois-ci" déclenche automatiquement une recherche MCP dans Notion, une récupération sémantique dans ChromaDB, et une synthèse finale. Zéro plumbing visible pour l'utilisateur.

MCP vs Function Calling classique

La question revient souvent : quelle différence avec le function calling de l'API Anthropic ou OpenAI ?

| | Function Calling | MCP | |---|---|---| | Portée | App-specific | Protocole standard | | Réutilisation | Chaque app réimplante | Un serveur, N clients | | Découverte | Statique (défini au départ) | Dynamique (déclaré par le serveur) | | Déploiement | Couplé à l'app | Serveur indépendant |

MCP ne remplace pas le function calling — il le standardise. Un serveur MCP peut être utilisé par Claude Desktop, par une app Next.js, par un CLI Python, sans modification.

Pourquoi ça va devenir incontournable

Fin 2025, le nombre de serveurs MCP publics a explosé : Notion, GitHub, Slack, Linear, Postgres, Brave Search, et des dizaines d'outils métier spécialisés. La communauté construit l'écosystème.

Pour les développeurs, l'implication est directe : construire un serveur MCP une seule fois suffit pour intégrer l'outil dans n'importe quel environnement IA. Votre base de données interne, votre CRM, votre système de fichiers — tous peuvent devenir des sources de contexte pour un LLM sans dupliquer l'intégration.

Pour les équipes produit : MCP pousse vers une architecture où les données sont exposées proprement, avec des interfaces explicites. C'est une contrainte saine.

Pour commencer

Si vous voulez expérimenter MCP :

  • Claude Desktop est le client MCP le plus simple à configurer — il lit un fichier claude_desktop_config.json qui liste les serveurs à activer.
  • MCP Python SDK ou TypeScript SDK permettent de créer un serveur en quelques dizaines de lignes.
  • Les serveurs officiels (Notion, GitHub, filesystem) sont open source sur le GitHub d'Anthropic.

Le protocole est encore jeune. Certaines parties de la spec évoluent. Mais la direction est claire : MCP est en train de devenir la couche d'intégration standard entre les LLMs et le reste du monde logiciel.

Conclusion

MCP résout un problème réel : la fragmentation des intégrations LLM. Il impose une interface standard, favorise la réutilisation, et rend les agents plus composables. Ce n'est pas une abstraction de confort — c'est une pièce d'infrastructure pour les applications IA sérieuses.

Si vous construisez un produit avec de l'IA en 2026, la question n'est plus "est-ce que j'intègre MCP ?" mais "à quel moment ?"