MCP d'Anthropic en débat : Perplexity quitte et Cloudflare critique Perplexity abandonne le Model Context Protocol et Cloudflare critique l'efficacité du MCP, révélant des gaspillages importants de la fenêtre de contexte. Le Model Context Protocol (MCP) est au cœur d'un débat récent dans l'écosystème IA.
Le Model Context Protocol (MCP) est au cœur d'un débat récent dans l'écosystème IA. Développé par Anthropic, ce protocole vise à standardiser l'appel d'outils externes par les agents IA afin de préserver un contexte utile tout en maîtrisant les interactions avec des services externes. En l'espace de quelques jours, Perplexity a annoncé abandonner le MCP en faveur des API REST classiques, et Cloudflare a publié une analyse qui remet en cause l'efficacité du protocole lorsque l'on cherche à maintenir une fenêtre de contexte opérationnelle pour les agents IA.
Contexte et enjeux du MCP : une standardisation qui promettait plus d'efficacité
Le MCP permet d'encapsuler les appels d'outils dans un cadre standardisé, afin de délester le modèle d'une gestion manuelle des prompts et de fragmenter moins le contexte lors des interactions avec des services externes. L'objectif est d'améliorer l'autonomie des agents et de faciliter l'orchestration d'outils variés (recherche, calcul, exécution de code, etc.) tout en limitant l'explosion des tokens. En théorie, cela peut accroître la fiabilité et la reproductibilité des comportements des agents, notamment dans des environnements multi-outil.
Cependant, les architectures qui s'appuient sur MCP doivent gérer des contraintes techniques spécifiques: sérialisation des demandes, format de réponse uniforme et contrôle de sécurité renforcé autour des appels externes. Ce cadre peut aussi introduire des couches supplémentaires qui complexifient le déploiement et créent des latences supplémentaires dans les chaînes de traitement.
Ce que Cloudflare révèle et les implications techniques
Cloudflare affirme que l'appel d'outils via le MCP traditionnel peut engendrer des pertes importantes dans la fenêtre de contexte disponible. Selon leurs démonstrations, une partie substantielle des tokens du contexte est consommée par la gestion des appels et par les échanges autour des outils, laissant moins d'espace pour le raisonnement direct du modèle. Cette dynamique peut s'écrire comme un coût opérationnel: plus d'étapes, plus de texte transféré et plus d'overhead.
« Cloudflare affirme que l'appel d'outils MCP gaspille jusqu'à 81 % de la fenêtre de contexte des agents IA », indique l'analyse.
Concrètement, cela signifie que dans certains scénarios, l'efficacité globale des agents est réduite alors que l'intention initiale était d'améliorer leur robustesse et leur interopérabilité. À titre personnel, je trouve révélateur que ce coût ne soit pas théoriquement négligeable: dans des configurations à contexte limité, il peut influencer directement la capacité des agents à raisonner sur des questions complexes.
Conséquences et voies possibles pour l'avenir
Face à ce constat, Perplexity et d'autres acteurs réévaluent la pertinence du MCP dans leurs chaînes d'outils. Denis Yarats, directeur technique de Perplexity, a déclaré que son équipe privilégiait désormais les API REST classiques pour certaines interactions, plus simples et plus directes. Cela ne signifie pas la mort du MCP, mais une migration progressive vers des architectures hybrides: on peut imaginer des couches MCP ciblées où seules certaines familles d'outils bénéficient du protocole, ou des variantes qui minimisent les échanges de contexte tout en préservant les garanties de sécurité.
- Architecture orientée API directe : réduction du coût de contexte en évitant des appels supplémentaires.
- Gestion dynamique du contexte : adaptation du niveau de détail du contexte en fonction de la criticité de la tâche.
- Interopérabilité renforcée : normes plus souples qui permettent d'intégrer facilement de nouveaux outils sans réécrire les prompts.
Limites, risques et ce que l'on ignore encore
Le MCP n'est pas une solution universelle. Son efficacité dépend fortement du design des outils et de la façon dont les échanges de contexte sont orchestrés. Cloudflare propose une lecture critique, mais la méthodologie des tests et les cas d'usage peuvent varier selon les stacks et les chaînes d'outils. De son côté, Perplexity peut avoir des motivations opérationnelles propres à son architecture. Dans tous les cas, la question centrale demeure: faut-il privilégier une standardisation lourde ou des solutions plus directes et flexibles ?
Pour terminer
Le débat autour du MCP illustre une tension clé dans l'IA moderne: standardiser pour gagner en interopérabilité peut-il coexister avec la nécessité d'efficacité et de faible coût en contexte ? Le futur dira si les acteurs du secteur opteront pour des mélanges plus fins entre protocole et API, ou s'orienteront vers des approches totalement nouvelles de la gestion des outils. En attendant, le choix des architectures continuera de dépendre des scénarios d'usage et des contraintes techniques propres à chaque acteur.
