Agent d’IA vs MCP ? Quand utiliser chacun d’eux (& quand vous avez besoin des deux)

Un agent d’IA est un logiciel qui décide de ses propres actions et appels d’outils pour atteindre un objectif spécifique, et le Model Context Protocol (MCP) est une norme ouverte qui définit comment les applications d’IA se connectent à des outils et des données externes. MCP permet donc aux agents d’IA d’interagir avec des applications et d’interroger des bases de données pour accomplir des tâches.

L’article explique ce que sont les agents et MCP, en quoi ils diffèrent et comment ils fonctionnent. Vous apprendrez également quand utiliser chacun d’eux et quand utiliser ensemble les agents et MCP.

En quoi un agent d’IA est-il différent d’un MCP ? Différences clés.

Un agent d’IA est l’acteur indépendant qui décide de quoi faire pour résoudre un problème, et un MCP est la connexion que les outils d’IA utilisent pour accéder aux données et effectuer des tâches avec d’autres applications.

Qu’est-ce qu’un agent d’IA et comment fonctionne-t-il ?

Un agent d’IA est un système logiciel qui choisit de manière autonome la meilleure marche à suivre pour accomplir une tâche.

Par exemple, lorsqu’il est utilisé pour la recherche, l’agent d’IA analyse la question de recherche, la décompose en sous-questions, délègue chacune d’elles à un sous-agent qui recherche des informations pertinentes dans différentes sources, puis fait son « rapport ».

L’agent principal analyse les résultats, ajuste la stratégie de recherche, dépêche d’autres agents pour combler les lacunes et rassemble le tout dans un rapport. Au fil du temps, il apprend aussi à exécuter les sous-tâches le plus efficacement possible.

L’agent d’IA repose sur trois composants :

• Noyau de raisonnement : le LLM qui interprète les entrées, planifie et décide quoi faire
• Intégrations d’outils : connexions à des systèmes externes. Par exemple, des bases de données ou des API qui lui permettent d’accéder à des informations et d’effectuer des actions.
• Mémoire : contexte de session à court terme et connaissances stockées à long terme utilisées dans plusieurs sections

Les agents opèrent dans des garde-fous prédéfinis (par exemple, n’utilisez pas de sources de plus de 3 ans ni de synthèses statistiques secondaires), mais ils décident comment accomplir la tâche.

Cette autonomie de choisir comment atteindre un objectif distingue les agents d’IA des workflows d’IA. Ces derniers suivent un parcours prédéfini et déterministe, ce qui est parfait pour les tâches structurées et répétitives qui ne nécessitent ni raisonnement ni prise de décision.

Qu’est-ce qu’un MCP et comment fonctionne-t-il ?

MCP signifie Model Context Protocol, et c’est une manière sécurisée et standardisée pour des applications d’IA comme Perplexity de se connecter à des outils externes et à des sources de données externes.

Par exemple, mon assistant personnel d’IA utilise MCP pour se connecter à Notion, où je stocke toutes les informations sur les projets clients, à mon Google Calendar et à Clockify, que j’utilise pour le suivi du temps.

Grâce à cela, il sait quels travaux je dois effectuer dans un mois donné et combien de temps ont pris des tâches similaires par le passé, afin de pouvoir bloquer suffisamment de temps dans mon calendrier et évaluer ma disponibilité pour d’autres travaux.

MCP est un protocole partagé, donc tout outil d’IA peut accéder à n’importe quelle application tant que les deux prennent en charge MCP, sans qu’un développeur ait à coder une connexion sur mesure, comme c’est le cas avec une API REST.

Sur le plan technique, MCP se compose de trois éléments :

• Hôte MCP : l’application d’IA qui coordonne et gère les clients (par exemple, Perplexity)
• Client MCP : un « intermédiaire » à l’intérieur de l’hôte qui prend en charge une connexion au serveur MCP et transmet les informations à l’hôte MCP
• Serveur MCP : l’interface vers une ressource comme une base de données ou une application SaaS qui donne au client MCP accès à ses capacités (Notion, Google Calendar, Clockify, etc.).

Quand utiliser un agent, MCP ou les deux. Et quand aucun des deux.

Le choix entre un agent d’IA et un MCP se résume à une question : avez-vous besoin d’aide pour accomplir une tâche complexe ou souhaitez-vous connecter un outil d’IA à des ressources externes ?

Cependant, toutes les tâches n’ont pas besoin d’une IA agentique, et celles qui en ont besoin requièrent souvent aussi un MCP.

Voici une répartition plus nuancée des cas où utiliser chacun d’eux, quand les utiliser ensemble et quand utiliser d’autres options :

• Utilisez un agent d’IA pour accomplir des tâches complexes dont vous ne pouvez pas prédire les étapes exactes et où chaque étape nécessite du jugement et une prise de décision.
• Utilisez un workflow avec des appels d’outils directs pour accomplir des tâches routinières aux étapes fixes.
• En tant que développeur, utilisez MCP lorsque vous voulez que votre application soit compatible avec les outils d’IA existants et futurs.
• En tant qu’utilisateur final, utilisez MCP pour accroître les capacités de votre assistant d’IA en le connectant à d’autres applications et ressources.
• Utilisez les agents d’IA et MCP ensemble lorsque vous voulez résoudre des tâches complexes et uniques qui nécessitent de l’autonomie et un accès à des outils et sources de données tiers.

Agrandir

Comment les agents d’IA et MCP fonctionnent-ils ensemble ?

L’agent d’IA décide quoi faire, et MCP transporte chaque requête vers les applications concernées.

Imaginez que vous êtes propriétaire d’une petite boutique en ligne et que vous voulez savoir pourquoi vos ventes ont baissé le mois dernier ; vous demandez donc à votre assistant d’IA d’enquêter. L’assistant d’IA déploie un agent qui utilise MCP pour obtenir les informations nécessaires :

1. Agent : l’assistant décide de comparer les ventes du mois dernier avec celles du mois précédent.
2. MCP : il demande à la plateforme e-commerce les ventes par produit pour les deux mois.
3. Agent : il constate qu’un produit représente l’essentiel de la baisse, puis décide de vérifier les stocks et les publicités de ce produit.
4. MCP : il demande à la plateforme de la boutique les niveaux de stock du produit et à la plateforme publicitaire ses performances publicitaires.
5. Agent : le stock était normal, mais les publicités ont cessé de fonctionner à mi-parcours du mois, alors il décide de chercher pourquoi.
6. MCP : il demande à la plateforme publicitaire l’historique de la campagne et apprend que la campagne a atteint sa limite mensuelle de budget.
7. Agent : il signale la cause probable, suggère de relever la limite ou de déplacer le budget, et laisse la décision au propriétaire.

Comme chaque étape dépend des résultats de la précédente, il est impossible de les prévoir à l’avance. L’agent analyse les données obtenues via MCP et s’en sert pour planifier les actions suivantes.

Risques et garde-fous liés aux agents et à MCP

Connecter des agents d’IA autonomes à d’autres outils et applications via MCP vous expose à des risques. Les préoccupations courantes portent sur le fait que les agents d’IA ont plus d’accès qu’il ne leur en faut et que des tiers détournent la connexion MCP, par exemple via une injection de prompt indirecte ou une agency excessive.

Dans la plupart des cas, la solution consiste à contrôler manuellement les informations auxquelles l’agent peut accéder, à surveiller son activité et à n’utiliser que des connecteurs provenant de sources fiables.

Utilisez les agents et MCP de Perplexity

Perplexity utilise les agents et MCP dans les deux sens. Ses agents, comme Computer, utilisent MCP pour se connecter à des applications externes, et d’autres assistants d’IA peuvent se connecter à Perplexity via MCP pour alimenter leur recherche.

Perplexity Computer est un agent d’IA polyvalent qui utilise MCP pour se connecter à des services tiers. Il peut rechercher et parcourir le Web, écrire et exécuter du code, créer des documents, lire et envoyer des e-mails, gérer des tâches dans des outils comme Jira, Slack ou Notion, et bien plus encore.

La connexion fonctionne aussi dans l’autre sens. Un assistant d’IA qui prend en charge MCP, comme Claude, ChatGPT ou Cursor, peut utiliser le serveur MCP de Perplexity pour lancer une recherche Web et récupérer des résultats avec des titres, des URL et des extraits, ou attribuer à Computer une tâche en plusieurs étapes à accomplir.

FAQ

Les agents d’IA et MCP sont-ils la même chose ?

Non, les agents d’IA et MCP ne sont pas la même chose, et chacun résout des problèmes différents. Les agents d’IA sont des outils logiciels qui accomplissent de manière autonome les tâches des utilisateurs, tandis que MCP est une manière standardisée pour les outils d’IA d’accéder à d’autres applications.

Les agents d’IA et MCP fonctionnent souvent ensemble. Un agent d’IA peut utiliser MCP pour accéder aux données d’une autre application logicielle afin de réaliser l’objectif assigné.

Quelle est la différence entre MCP et les skills d’agent ?

MCP (Model Context Protocol) connecte un outil d’IA à des applications et des données externes, tandis que les skills d’agent sont des instructions, scripts et ressources réutilisables qui apprennent à un agent d’IA comment accomplir une tâche spécialisée et définissent les garde-fous.

MCP est-il la même chose qu’une API ?

Non, MCP et une API ne sont pas la même chose. Une API permet à un logiciel d’en appeler un autre à l’aide de règles qu’un développeur établit à l’avance, tandis que MCP permet aux agents d’IA de voir quelles capacités sont disponibles et de décider lesquelles appeler sans qu’un développeur code la connexion à l’avance.

Cela dit, les serveurs MCP utilisent souvent des API pour se connecter aux outils.

En quoi MCP diffère-t-il de A2A ?

MCP (Model Context Protocol) connecte un agent d’IA à des outils et des données, tandis que A2A (Agent2Agent) connecte des agents d’IA. Une équipe peut utiliser les deux, MCP gérant l’intégration d’outils et A2A gérant la collaboration entre agents.

En quoi MCP diffère-t-il de RAG ?

RAG (retrieval-augmented generation) est un système que les outils d’IA utilisent pour ancrer leurs réponses dans des informations fiables provenant d’une source de connaissances externe, tandis que MCP est une norme pour connecter des applications d’IA à des données et à des outils externes. Ainsi, un RAG peut utiliser MCP pour accéder à sa base de connaissances.

Pouvez-vous utiliser MCP sans être développeur ?

Oui, vous pouvez utiliser MCP sans écrire de code en connectant un outil d’IA compatible MCP à un service qui le prend déjà en charge. Par exemple, les utilisateurs de Perplexity peuvent utiliser MCP pour se connecter à des applications populaires comme Gmail, ClickUp ou Figma.