MCP (Model Context Protocol)

Comment fonctionne le Model Context Protocol ?

Le Model Context Protocol repose sur une architecture client-serveur construite sur JSON-RPC 2.0. Cette architecture comprend trois composants principaux :

• L'hôte : l'application IA qui orchestre les échanges (par exemple Claude Desktop, un IDE enrichi d'IA ou une interface de chat).
• Le client MCP : il gère les connexions individuelles avec chaque serveur.
• Le serveur MCP : il expose les capacités d'un outil via trois primitives (les ressources, les outils exécutables et les prompts réutilisables).

Au démarrage d'une session, l'hôte effectue un « handshake de découverte » pour identifier les éléments disponibles. Lors d'une requête, le LLM peut invoquer ces outils pour récupérer des informations en temps réel, sans connaître les détails techniques de l'API sous-jacente.

Un MCP fonctionne exactement comme un port USB-C : tout appareil compatible se connecte universellement. Depuis décembre 2025, un MCP est géré par l'Agentic AI Foundation (sous l'égide de la Linux Foundation), avec des membres fondateurs comme OpenAI, Google et AWS.

Quelle est la différence entre MCP et une API classique ?

Une API classique est conçue pour les développeurs humains. À l'inverse, le MCP est conçu pour les agents IA. Le modèle découvre dynamiquement les capacités disponibles au moment de l'exécution, sans que l'équipe technique n'ait à coder chaque interaction possible.

Concrètement, un développeur qui construit un serveur MCP pour un outil le rend instantanément disponible pour Claude, ChatGPT ou Cursor en une seule implémentation. Cela élimine la charge de maintenance colossale des connecteurs multiples.

De plus, le MCP intègre des mécanismes de sécurité natifs absents des API génériques (authentification OAuth 2.0, contrôle d'accès granulaire). Pour les opérations à risque (écriture, suppression), les serveurs MCP peuvent exiger une confirmation explicite de l'utilisateur humain.

Ressources :

• Qu'est-ce qu'une API et comment l'utiliser ?

Quel est le rôle du MCP dans la recherche agentique et les agents IA ?

La recherche agentique permet à un agent IA de décomposer une requête complexe pour utiliser plusieurs outils en séquence. Le MCP est l'infrastructure qui rend cela possible à l'échelle. Il permet à un même agent de consulter successivement une base documentaire, une API et un CRM lors d'une seule requête utilisateur.

Auparavant, ces workflows nécessitaient des orchestrateurs fragiles et codés manuellement. Aujourd'hui, le MCP gère la coordination, permettant au modèle d'adopter un raisonnement pas-à-pas. Un assistant peut ainsi interroger le pipeline HubSpot, enrichir les données et rédiger un email personnalisé en une seule instruction.

Pour le marketing B2B, cela automatise la production de contenu et la qualification des leads en s'adaptant en temps réel aux données CRM. Le MCP est la brique manquante pour passer des assistants IA génératifs aux véritables agents opérationnels.

Ressources :

• Connecteur Claude et HubSpot

Le MCP change-t-il la manière dont les moteurs IA citent des sources ?

Oui. Avec leMCP, un moteur IA ne s'appuie plus uniquement sur le web public : il peut interroger des bases de données propriétaires ou des CRM non indexés, et citer ces sources privées dans ses réponses.

Pour l'AEO, c'est un tournant stratégique. Il faut désormais structurer les données internes pour les exposer via MCP. Une entreprise qui publie un serveur avec ses propres études ou données produit devient une source citable par les agents IA.

La citation évolue vers deux canaux : le contenu web indexé (AEO classique) et les données contextuelles accessibles via protocole (MCP). Maîtriser cette dualité offre un avantage compétitif majeur.

Comment le MCP affecte-t-il la stratégie AEO et la visibilité IA d'une marque ?

Jusqu'ici, la visibilité IA reposait exclusivement sur le contenu web public. Le MCP introduit une nouvelle dimension : la visibilité peut désormais s'appuyer sur des données exposées via protocole, accessibles uniquement aux agents IA autorisés.

Une marque B2B peut ainsi rendre ses benchmarks ou recommandations accessibles en temps réel lorsqu'un prospect formule une requête de comparaison. Les équipes marketing doivent donc collaborer avec la technique pour définir quelles données exposer et avec quelles permissions.

La stratégie AEO se déploie désormais sur deux strates : l'optimisation du contenu public pour les moteurs IA généraux (ChatGPT, Perplexity) et l'exposition de données structurées via MCP pour les contextes personnalisés.

Ressources :

• HubSpot AEO : mesurez votre visibilité IA dans les moteurs

Comment les équipes marketing peuvent-elles tirer parti du MCP via HubSpot ?

HubSpot propose deux serveurs MCP. Le serveur distant permet à tout client compatible d'interagir (en lecture et en écriture) avec les données du CRM en langage naturel depuis des outils comme Claude Desktop ou ChatGPT.

Un responsable marketing peut ainsi interroger son CRM de manière fluide (« Quels segments ont le meilleur taux d'ouverture ? ») sans aucune extraction manuelle ni rapport complexe.

Cette évolution transforme le CRM en un véritable copilote stratégique. Pour les équipes RevOps, c'est l'une des avancées les plus significatives pour exploiter l'intelligence client sans dépendance technique.

Ressources :

• Connecteur ChatGPT et HubSpot
• Connecteur Claude et HubSpot