Que sont les outils MCP et comment les modèles d'IA les utilisent-ils?

Les outils MCP sont des fonctions qu'un modèle d'IA peut appeler pour effectuer une tâche en dehors de la conversation, par exemple chercher dans vos notes ou interroger une base de données. Chaque outil réside sur un serveur MCP (Model Context Protocol) et possède un nom ainsi qu'une courte description qui aident le modèle à déterminer quand l'utiliser.

Le terme « outil MCP » s'emploie aussi dans d'autres sens. Dans l'usage courant, on parle d'« outils MCP » pour désigner les serveurs MCP (les applications qui offrent des outils) ou les annuaires qui recensent ces serveurs. MCP Tools est également le nom d'un programme en ligne de commande permettant de lister et d'appeler les outils d'un serveur MCP.

Ce guide porte sur les fonctions du protocole, et non sur les serveurs, les annuaires ou les lignes de commande. Il explique de quoi se compose un outil, quels types d'outils les serveurs offrent et en quoi les outils diffèrent des ressources, des invites et de l'appel de fonctions. Il présente ensuite les étapes que suit un modèle pour utiliser un outil, puis se termine par les problèmes les plus courants liés à leur utilisation.

Que sont les outils MCP?

Un outil MCP est une fonction qui permet aux modèles d'IA d'accomplir des tâches dans d'autres applications logicielles. Par exemple, mes agents IA et mes flux de travail utilisent des outils MCP pour rédiger des brouillons de courriels dans Gmail (create_draft), créer des cartes Trello (trelloWriteCard) et extraire des résultats de recherche en direct de DataForSEO (serp_organic_live_advanced), pour ne nommer que ceux-là.

Les applications logicielles offrent souvent plusieurs outils MCP sur leurs serveurs MCP. Par exemple, le serveur MCP de Trello compte actuellement 14 outils MCP qui permettent aux modèles d'IA de lire et de mettre à jour des tableaux, des listes, des listes de contrôle, des cartes et plus encore.

Et comme MCP normalise la façon dont les outils sont décrits et offerts, toute application d'IA qui prend en charge le protocole peut utiliser le même outil MCP.

Ce que comprend un outil MCP

Chaque outil MCP comporte trois éléments :

• Nom : Un identifiant court que le modèle utilise lorsqu'il appelle l'outil (p. ex., get_event dans Google Agenda).
• Description : Une explication en langage simple de ce que fait l'outil et du moment où il est utile. Le grand modèle de langage (LLM) la lit pour déterminer si l'outil convient à votre demande (p. ex., « Returns a single event on the given calendar. »).
• Entrées : Les informations dont l'outil a besoin pour s'exécuter, comme le nom d'un client et une date pour une recherche dans des notes. Elles sont rédigées en JSON, et les développeurs parlent de schéma d'entrée (input schema), car il définit la forme de chaque entrée (texte, nombre ou liste).

Agrandir

Certains outils ajoutent des métadonnées supplémentaires : un nom d'affichage, une description des résultats qu'ils renvoient (un schéma de sortie) et des annotations sur le comportement de l'outil.

Le modèle d'IA ne voit jamais le code derrière un outil. Il se fie à ce que l'outil dit de lui-même; un nom ou une description vague amène donc le modèle à choisir le mauvais outil.

Les différents types d'outils MCP

Les outils MCP se répartissent en quatre groupes selon leur fonction :

• Outils de recherche et de consultation : Trouver ou récupérer de l'information (p. ex., chercher dans des notes, lire un fichier ou interroger une base de données).
• Outils d'action : Créer ou modifier quelque chose dans une autre application (p. ex., ajouter une tâche, créer un événement dans l'agenda, ouvrir un billet de soutien ou envoyer un courriel).
• Outils de traitement des données : Transformer ou analyser des données (p. ex., analyser un fichier de tableur ou effectuer un calcul).
• Outils système : Interagir avec le système local (p. ex., exécuter une commande dans un terminal).

Outils MCP vs ressources & invites

En plus des outils MCP, un serveur MCP peut offrir deux autres types de composants, que le protocole appelle des primitives : les ressources et les invites (prompts).

Agrandir

Par exemple, le serveur MCP officiel de GitHub offre :

• Un outil appelé issue_write qui crée ou met à jour des tickets (issues),
• Une ressource appelée repository_content qui donne accès aux fichiers d'un dépôt,
• Une invite appelée issue_to_fix_workflow qui définit les étapes pour signaler un problème sous forme de ticket et faire générer par l'agent de codage Copilot de GitHub une pull request pour le corriger.

La différence tient à ce que fait chacun et à qui décide quand l'utiliser : vous, l'application d'IA dans laquelle vous travaillez (p. ex., Perplexity) ou le modèle d'IA qui fonctionne dans cette application.

• Un outil MCP exécute des actions ou recherche de l'information. Le modèle d'IA décide de façon autonome quand appeler un outil, et votre application d'IA transmet l'appel au serveur. Votre modèle d'IA choisit les outils; votre application d'IA devrait vous montrer chaque appel et vous permettre de le refuser.
• Une ressource est un contenu disponible sur le serveur MCP, comme un fichier ou un ensemble d'enregistrements, chacun ayant sa propre adresse (un URI). Votre application d'IA demande au serveur quelles ressources il possède, lit celle dont elle a besoin à l'aide de son adresse et ajoute le contenu à la conversation comme contexte.
• Une invite est un modèle de message prêt à l'emploi fourni par le serveur, parfois avec des champs à remplir. Votre application d'IA vous présente les invites disponibles, et vous en choisissez une, souvent sous forme de commande à barre oblique.

Comment les modèles d'IA utilisent les outils MCP

Un modèle d'IA utilise un outil MCP en cinq étapes : la découverte, la sélection de l'outil, l'invocation, les résultats et la gestion des erreurs. Votre application d'IA transmet tout ce qui circule entre le modèle et le serveur.

Agrandir

Imaginons que vous demandiez à votre application d'IA de consulter votre liste Trello « Cette semaine » et de rédiger un courriel à votre réviseur pour faire le point. Voici ce qui se passe du début à la fin :

1. Découverte : Lorsque votre application d'IA se connecte à un serveur MCP par l'intermédiaire de clients MCP, elle demande la liste des outils disponibles sur le serveur (une requête appelée tools/list). Le LLM ne voit que ce que l'application lui transmet : le nom, la description et les entrées de chaque outil.
2. Sélection de l'outil : Le modèle d'IA compare votre demande à ces descriptions et choisit les outils appropriés. Ici, il s'agit de trelloReadList de Trello pour lire la liste et de create_draft de Gmail pour rédiger le courriel. Il remplit aussi les entrées, comme la liste à lire.
3. Invocation : Le modèle répond par une requête structurée pour exécuter l'outil (une étape appelée « appel de fonctions »). Votre application d'IA envoie cette requête au bon serveur (une requête tools/call). Elle devrait aussi vous montrer l'appel et vous permettre de le refuser.
4. Résultats : Le serveur exécute la fonction et renvoie le result, en l'occurrence les cartes de votre liste. Votre application d'IA ajoute le résultat à la conversation, et le modèle décide de la suite : vous répondre ou appeler un autre outil, comme create_draft avec un courriel fondé sur ces cartes.
5. Gestion des erreurs : Si l'outil s'exécute mais échoue, par exemple parce que la liste n'existe pas, l'erreur est renvoyée dans le résultat. Le modèle peut la lire et réessayer avec des entrées différentes. Si la requête elle-même est mal formée, par exemple parce qu'elle appelle un outil que le serveur ne possède pas, l'application reçoit plutôt une erreur de protocole. Le modèle a alors moins de chances de corriger le tir.

Le point essentiel, c'est que le modèle choisit les outils uniquement à partir de leurs descriptions, et que votre application d'IA se charge de toute la communication avec les serveurs.

Problèmes courants liés aux outils MCP et comment les éviter

Les problèmes liés aux outils MCP se résument à quatre éléments : le nombre d'outils connectés, la façon dont ils sont nommés et décrits, la quantité de données qu'ils renvoient et les serveurs dont ils proviennent.

Voici comment se manifeste chaque problème et ce qui aide à le régler :

Pourquoi les outils MCP ont-ils besoin de votre approbation?

Les outils MCP ont besoin de votre approbation, car sans elle, le modèle d'IA pourrait apporter des modifications que vous n'aviez pas prévues ou communiquer des données sensibles à un serveur que vous ne contrôlez pas.

Une demande mal interprétée ou un outil décrit de façon vague peut déclencher la mauvaise action. Chaque appel envoie aussi une partie de vos informations à un serveur.

C'est pourquoi le protocole s'attend à ce que les applications d'IA gardent un humain dans la boucle, en mesure de refuser n'importe quel appel d'outil.

Voici une façon pratique de classer les outils selon le degré de vérification qu'ils exigent :

• Actions en lecture seule : Consulter quelque chose, comme lire une liste avec trelloReadList de Trello, ne modifie rien. Ces appels peuvent s'exécuter sans demande préalable, à condition que votre application d'IA indique quel outil a été exécuté et ce qu'il a consulté.
• Actions réversibles : Créer un brouillon de courriel avec create_draft de Gmail ou ajouter une carte Trello modifie quelque chose que vous pouvez annuler. Vérifiez les entrées avant que l'appel s'exécute.
• Actions irréversibles : Envoyer un courriel avec send_message de Gmail, supprimer des enregistrements ou effectuer toute opération touchant des paiements ou des données sensibles sont des actions qu'on ne peut pas annuler. Accordez-leur une autorisation explicite chaque fois.

Utiliser les outils MCP dans Perplexity

Perplexity fonctionne avec les outils MCP dans les deux sens : il peut utiliser les outils des serveurs MCP que vous connectez, et il offre ses propres outils à d'autres applications d'IA.

• Connecter des serveurs MCP à Perplexity : Avec les forfaits Pro, Max et Enterprise, vous pouvez connecter Perplexity à n'importe quel outil externe ou source de données doté d'un serveur MCP, et l'utiliser dans les réponses et les flux de travail agentiques de Perplexity Computer. Dans l'application Mac, vous pouvez aussi connecter des serveurs MCP qui s'exécutent sur votre ordinateur
• Utiliser les outils de Perplexity dans d'autres applications d'IA : Le serveur MCP de Perplexity offre quatre outils (perplexity_search, perplexity_ask, perplexity_research et perplexity_reason) à toute application d'IA qui prend en charge les serveurs MCP distants, comme Claude Code. Un serveur distinct permet à d'autres applications d'IA de confier des tâches en plusieurs étapes à Perplexity Computer.

FAQ sur les outils MCP

MCP, est-ce simplement de l'appel d'outils?

Non, MCP n'est pas simplement de l'appel d'outils. L'appel d'outils est la façon dont le modèle demande un outil, tandis que MCP est la façon dont l'application d'IA trouve les outils et achemine chaque appel vers le serveur qui l'exécute.

L'appel d'outils (aussi appelé appel de fonctions) est la part du travail qui revient au modèle d'IA : le modèle voit une liste d'outils et répond par une requête pour en exécuter un. Avec l'appel d'outils seul, chaque application d'IA doit définir et exécuter elle-même chaque outil.

MCP permet aux outils de résider sur des serveurs, de sorte que toute application d'IA qui prend en charge MCP peut les offrir à son modèle et envoyer les requêtes du modèle au bon serveur.

MCP va-t-il remplacer les API?

Non, MCP ne remplacera pas les API, car MCP et les API fonctionnent ensemble. Les outils MCP reposent souvent sur des API existantes, et lorsque le modèle appelle un outil, le serveur MCP effectue généralement une requête d'API.

Quelles applications d'IA prennent en charge les outils MCP?

Les outils MCP fonctionnent dans des assistants IA comme Claude, ChatGPT et Perplexity, ainsi que dans des outils de développement comme Visual Studio Code et Cursor. La documentation de MCP les cite et précise que de nombreuses autres applications les prennent aussi en charge.

Le modèle d'IA lui-même doit-il prendre en charge MCP?

Non. Le modèle d'IA n'a pas besoin de prendre en charge MCP, car c'est votre application d'IA qui gère le protocole. Elle se connecte aux serveurs, transmet leurs outils au modèle et renvoie les requêtes d'outils du modèle au bon serveur. Le modèle doit seulement prendre en charge l'appel de fonctions.

MCP est-il en voie de devenir obsolète?

Non, MCP fait toujours l'objet d'un développement actif. Ses responsables ont publié une nouvelle version de la spécification MCP en juillet 2026 et une feuille de route mise à jour en août 2026, qui prévoit notamment de permettre aux serveurs de dévoiler leurs outils progressivement à mesure qu'une conversation se précise.