Formation Agent IA avec Model Context Protocol

Programme de notre Formation Agent IA avec Model Context Protocol

Introduction aux agents IA modernes

• Qu’est-ce qu’un agent IA : définition, composants, capacités
• Évolution des assistants LLM vers des agents autonomes
• Limitations des LLM isolés vs connectés
• Modèle d’agent = LLM + outils + raisonnement + contexte
• Cas d’usage dans la donnée, l’entreprise, la recherche

Présentation du Model Context Protocol (MCP)

• Objectifs du protocole : standardiser l’accès aux outils
• Clients MCP (Claude, ChatGPT, etc.) vs serveurs MCP
• Fonctionnement technique : échange de messages structurés
• Architecture client/serveur + découverte dynamique
• Avantages sur les API propriétaires (interopérabilité, sécurité)

Installer et configurer son environnement MCP

• SDK et outils : mcp, cmcp, Claude Desktop, OpenAI + tools
• Structure d’un projet MCP (manifest, services, log)
• Lancement d’un client MCP local (agent IA + serveur)
• Connexion à Claude ou ChatGPT avec outils personnalisés
• Atelier : Lancer un agent IA local avec un serveur de fichiers en MCP pour résumer un PDF

Créer son premier serveur MCP

• Anatomie d’un serveur MCP
• Définir les méthodes exposées, le schéma d’entrée/sortie
• Configurer les permissions et la sécurité locale
• Journaliser les appels + structurer les réponses
• Exemples simples : lecture de fichier, transformation de texte

Exposer des données tabulaires et analytiques

• Connexion à une base SQLite ou PostgreSQL via MCP
• Création d’un serveur “query-db” en langage naturel
• Gestion des erreurs SQL + validation de requêtes
• Contrôle d’accès aux colonnes ou schémas
• Atelier : Créer un agent qui répond à des questions métier en interrogeant une base de données

Interaction avec des API externes

• Appel d’API REST à partir d’un serveur MCP
• Mapping paramètres / documentation API → schema MCP
• Gestion des clés API en sécurité côté serveur
• Utiliser l’agent pour orchestrer des appels complexes
• Exemple : API météo, OpenAI, outil interne REST

Enrichir un agent multi-outils

• Enchaînement d’actions : raisonnement + appel MCP
• Planification pas à pas avec Claude ou ChatGPT
• Réutilisation des résultats intermédiaires
• Multiples serveurs MCP pour une tâche unique
• Atelier : Construire un agent qui lit un fichier PDF, extrait une info, puis interroge un second outil

Conception avancée : outils, chaînes et mémoire

• Structuration d’un “toolkit” d’entreprise
• Stockage temporaire des données de contexte
• Intégration mémoire conversationnelle + appels d’outils
• Exemple : “chaîne de brief client → dashboard → synthèse PDF”
• Gestion du formatage, des tokens et des résumés

Sécurité et gouvernance dans MCP

• Permissions serveur : scoping, fonctions autorisées
• Isolation des données locales vs cloud
• Journalisation des accès et auditabilité
• Cloisonnement par utilisateur ou service
• Modèle de confiance vs boîte noire LLM

Intégration dans un workflow data/IA

• Utiliser un agent MCP comme outil dans un pipeline
• Appels automatisés (cron, Airflow, Bash, FastAPI)
• Export des résultats (CSV, base, API, mail…)
• Atelier : Créer un mini-workflow automatisé orchestré par agent IA (lecture → requête → synthèse)

Comparaison avec LangChain et autres frameworks

• ReAct, OpenAI agents, LangChain : différences clés
• MCP vs outil + wrapper (plug-and-play vs orchestration)
• Forces : simplicité, interopérabilité, sécurité
• Limites actuelles de MCP (asynchrone, streaming, GPT-4o…)
• Choisir la bonne approche selon les cas d’usage

Déploiement, maintenance et perspectives

• Packager et redéployer un serveur MCP
• Hébergement local, cloud, container, ou serverless
• Mutualiser les outils dans un workspace d’équipe
• Roadmap du protocole MCP (authentification distante, marché d’outils)
• Agents full-autonomes + supervision