Model Context Protocol (MCP)

Définition

Le Model Context Protocol (MCP) est un standard ouvert qui définit une façon commune de connecter les applications d'IA à des outils, sources de données et systèmes externes — afin qu'un modèle puisse y accéder via une interface unique et cohérente, au lieu d'une intégration sur mesure pour chacun.

Aussi connu sous : MCPprotocole MCP

Comment cela fonctionne

MCP normalise la connexion entre un client IA (l'application qui exécute le modèle) et des serveurs MCP, qui exposent des outils, des ressources et des données. Plutôt que de construire une intégration sur mesure pour chaque système, les développeurs connectent n'importe quel serveur compatible MCP à n'importe quel client compatible MCP, et le modèle peut découvrir et appeler ce qui est disponible via le protocole partagé.

On le décrit souvent comme un connecteur universel pour l'IA — un langage commun qui permet aux modèles de se brancher sur des fichiers, des bases de données, des API et des systèmes métier sans code de liaison spécifique à chacun.

Pourquoi c'est important pour le support

Pour l'IA dans le support, MCP réduit le coût d'intégration nécessaire pour donner à un agent accès aux systèmes dont il a besoin : CRM, bases de commandes, outils internes. Un standard partagé permet d'ajouter de nouvelles capacités plus vite et avec moins de maintenance que des connecteurs développés à la main.

Questions fréquentes

À quoi sert MCP ?

Il fournit une interface standard pour connecter les modèles d'IA à des outils et à des données externes, si bien qu'une même approche d'intégration fonctionne pour de nombreux systèmes au lieu d'un développement sur mesure à chaque fois.

Quel est le lien entre MCP et l'usage d'outils ?

L'usage d'outils, c'est un modèle qui appelle une fonction externe ; MCP est une manière normalisée d'exposer et de connecter ces outils pour qu'un même modèle atteigne de nombreux systèmes de façon cohérente.

Annuaire des intégrations

Termes liés

Utilisation d'outils

L'utilisation d'outils est la capacité d'un modèle d'IA à appeler des fonctions, des API ou des systèmes externes — comme rechercher une commande ou émettre un remboursement — au lieu de se contenter de générer du texte, ce qui lui permet d'agir sur des données réelles plutôt que de simplement les décrire..

Appel de fonctions

L'appel de fonctions est la capacité qu'a un modèle de langage de demander l'exécution d'une fonction ou d'une API prédéfinie — en renvoyant le nom de la fonction et des arguments structurés — afin de récupérer des données en direct ou d'agir, au lieu de seulement produire du texte..

Outils personnalisés

Chez Macha, un outil personnalisé permet à un agent IA d'appeler n'importe quel point de terminaison d'API HTTP que vous configurez — un agent peut ainsi lire des données en direct ou agir dans un système pour lequel Macha ne propose pas de connecteur natif, sans attendre une application du marketplace..

Connecteurs

Les connecteurs sont les intégrations natives de Macha.

IA agentique

L'IA agentique est une IA qui ne se contente pas de répondre à des questions mais qui agit : elle planifie des tâches en plusieurs étapes, appelle des outils et des API, et poursuit un objectif de bout en bout avec peu ou pas d'intervention humaine..

Passez à l'action

Macha est une couche d'agents IA qui se pose sur le help desk que vous utilisez déjà, Zendesk, Freshdesk, Front, Intercom ou Gorgias.

Démarrer l'essai