Le sujet d'aujourd'hui est quelque chose dont presque tout le monde a entendu parler, mais que peu savent expliquer clairement. MCP. Vous l'avez probablement vu l'écrit comme le HTTP des agents IA, mais qu'est-ce que cela signifie vraiment ? A la fin de cet épisode, vous comprendrez ce qu'est le MCP, le rôle du serveur Azure MCP et pourquoi c'est crucial pour la connexion des outils IA à vos données. Nous allons diviser cela en blocs principaux, en commençant par la vue d'ensemble, puis le protocole lui-même, l'implémentation de Microsoft et enfin, un exemple concret que vous pourrez utiliser. La vue d'ensemble, pourquoi c'est important maintenant ? Voici la situation dans laquelle nous nous trouvons actuellement. Tout le monde développe des agents IA, pas seulement les entreprises technologiques, mais aussi les banques, les hôpitaux, les fabricants et même les petites entreprises. Tous cherchent à créer des assistants IA capables d'agir réellement, seulement répondre à des questions et les prendre de vraies mesures. Mettre à jour un enregistrement, vérifier les stocks, déployer du code ou réparer un serveur en panne. Et c'est là que le problème apparaît. Ces agents doivent se connecter à des outils et des données réelles. Base de données, compte de stockage, système, de billetterie, plateforme CRM. La façon dont la plupart des gens font cela aujourd'hui est complexe. Ils écrivent un code d'intégration personnalisé pour chaque outil, chaque API, chaque source de données. Un connecteur pour la base de données, un autre pour le stockage de fichiers, un troisième pour le système de serveurs. Chacun nécessite sa propre authentification, sa propre gestion des erreurs, sa propre façon de formater les requêtes et les réponses. Cette approche est fragile, chronophage et n'est pas évolutive. Chaque assistant IA que vous construisez nécessite son propre tas de code de liaison pour communiquer avec les services requis. Si vous changez de plateforme IA, vous devez tout reconstruire à partir de zéro. La plupart des démos d'IA que vous voyez fonctionnent très bien isolément. Elles répondent aux questions, génèrent du texte, semblent impressionnantes. Mais dès qu'elles doivent toucher un système réel, elles s'effondrent. C'est là que résiste la complexité. Le MCP change cela. Il donne à l'IA un moyen standard de contacter et d'obtenir ce dont elle a besoin. Un protocole, un seul moyen de communiquer avec les outils. Tout assistant IA qui parle MCP peut utiliser n'importe quel serveur MCP. C'est comme la différence entre avoir une télécommande séparée pour chaque appareil chez vous et une télécommande universelle qui fonctionne avec tout. Alors commençons par la définition la plus simple. Qu'est-ce que le MCP ? Explication du protocole. Qu'est-ce que le MCP exactement ? Laissez-moi vous l'expliquer simplement. MCP signifie modèle contexte protocole. C'est un standard ouvert qui indique aux agents IA comment parler aux outils externes, aux API et aux sources de données. Considérez cela comme une langue commune pour l'IA. Avant MCP, chaque assistant IA devait apprendre un langage différent pour chaque outil qu'il souhaitait utiliser. MCP propose « Mettons-nous d'accord sur un langage unique pour que chaque outil n'ait qu'à parler ce langage-là ». En coulisses, il repose sur Dyson RPC 2.0, un format de message simple pour envoyer des requêtes et recevoir des réponses. Rien de complexe et cela existe depuis des années. Ce que MCP ajoute par-dessus, c'est de la structure. Il définit trois éléments clés qu'un agent IA peut utiliser avec n'importe quel serveur MCP, des outils, des ressources et des invites. Les outils sont des actions que l'IA peut effectuer, comme créer un enregistrement ou exécuter une requête. Les ressources sont des données que l'IA peut lire, comme un profil client, ou un fichier journal, ou un fichier journal. Et les invites sont des modèles qui guident le comportement de l'IA dans certaines situations. Voici la façon la plus simple de consoler les choses. Imaginez que vous avez une télécommande universelle. Cette télécommande peut communiquer avec votre téléviseur, votre système audio, votre boîtier de streaming, vos éclairages. Une seule télécommande de nombreux appareils. MCP est cette télécommande pour les agents IA. Un protocole de nombreux outils. Vous créez un serveur MCP qui expose vos outils et vos données, et tout agent IA compatible MCP peut l'utiliser. GitHub Copilot, Cloud, ChatGPT et les agents personnalisés, ils parlent tous le même protocole. Ce n'est pas une technologie propriétaire de Microsoft. MCP a été créé à l'origine par Anthropique, l'entreprise derrière Cloud, mais a été adopté par OpenAI, Google, Microsoft et bien d'autres, et bien d'autres. Cela devient la méthode standard pour que les agents IA se connectent au monde extérieur. Pas de dépendance envers un fournisseur, mais une norme ouverte que tout le monde peut utiliser. Le problème que résout MCP. Voici l'ancienne façon de procéder. Avant MCP, chaque intégration d'IA était un projet sur mesure. Disons que vous voulez que votre assistant IA vérifie les niveaux de stock dans votre base de données. Très bien. Maintenant, vous devez écrire du code. Vous devez gérer l'authentification. Comment l'IA prouve-t-elle qu'elle est autorisée à lire ces données ? Vous devez gérer les erreurs. Que se passe-t-il lorsque la base de données est orlée ? Vous devez formater la réponse. Comment la sortie de la base de données est-elle transformée en quelque chose que l'IA peut comprendre ? Des semaines de développement pour une connexion à une seule base de données. C'est la taxe d'intégration. Un assistant IA, une base de données, des semaines de travail. Maintenant, multipliez cela par chaque outil que votre IA doit manipuler. Le CRM, le système de ticketing, le stockage de fichiers, les journaux de surveillance. Chacun nécessite son propre code personnalisé, son modèle d'authentification et sa gestion d'erreur, et aucun de ces codes ne fonctionne avec un autre outil. Vous construisez la même chose encore et encore, juste un peu différemment à chaque fois. Et voici le problème de sécurité. Chaque intégration personnalisée a sa propre authentification. Certaines utilisent des clés API, d'autres OO, des certificats ou l'authentification de base. Vous vous retrouvez avec une douzaine de méthodes différentes pour vos données IA, sans aucun moyen cohérent de les gouverner. Ça, qui accède ? Que peuvent-ils faire ? Où sont les journaux ? La plupart des organisations ne peuvent pas répondre à ces questions pour leurs intégrations IA, car elles ont été créées par des équipes différentes à des moments différents, selon des normes différentes. Selon des normes différentes. Le problème de fragmentation est bien réel. Imaginons que vous construisiez votre assistant IA sur OpenAI. Vous rédigez toutes vos intégrations pour le format d'appel de fonction d'OpenAI. Puis, six mois plus tard, votre entreprise décide de passer à Cloud, où vous souhaitez utiliser les deux. Désormais, vous devez reconstruire chaque intégration. Même outil, même données, format différent. Ce n'est pas du progrès, c'est du travail inutile. Le coût réel s'accumule rapidement. La plupart des grandes entreprises utilisent déjà des dizaines d'agents IA. Selon IDC, une entreprise moyenne en utilise 47. Chacun possède son propre lot de connecteurs personnalisés. Et voici une statistique qui pourrait vous surprendre. 68% des DSI ne peuvent même pas indiquer le coût total des agents IA. Ils ignorent ce qu'ils dépensent pour ces intégrations, car les coûts sont dispersés entre les équipes, les projets, et les budgets. MCP renverse complètement ce modèle. Au lieu d'écrire du code personnalisé pour chaque outil IA, vous créez un serveur MCP. Ce serveur expose vos outils et vos données via une interface standard. Dès lors, n'importe quel agent compatible MCP peut l'utiliser. Copy-Load, Cloud, Chat-GPT, agents personnalisés, vos propres outils internes. Développez une fois, utilisez partout. C'est là tout le changement. Qu'est-ce que le serveur Azure MCP ? Nous avons donc ouvert le problème que résout MCP. Parlons maintenant de la réponse de Microsoft. Le serveur Azure MCP est l'implémentation officielle de Microsoft au MCP. Voyez-le comme une passerelle permettant aux agents IA d'accéder en toute sécurité à vos ressources Azure et de les gérer. Je souhaite être clair sur ce qu'est réellement cet outil. Ce n'est pas un produit séparé acheté. Ce n'est pas un nouveau service Azure. C'est un outil, un serveur open source qui se place entre votre assistant IA et votre environnement Azure et votre environnement Azure. Il fonctionne avec le mode agent de GitHub. Copé-le. Il fonctionne avec Sémantic Arnet. Il fonctionne avec Cloud Desktop. Et il fonctionne avec n'importe quel agent MCP que vous créez vous-même. Tout client qui prend en charge MCP peut s'y connecter. Une fois connecté, cet agent obtient un accès à vos ressources Azure via le langage naturel courant. Vous n'avez pas besoin de connaître l'appel API exact. Vous n'avez pas besoin de mémoriser la méthode du SD. Il suffit de demander. Voici l'idée fondamentale. Azure propose des dizaines de services. Stockage, base de données, monitoring, configuration, container. Chacun possède son propre SDK, sa propre API, son propre schéma d'authentification. Le serveur MCP Azure regroupe tout cela dans une interface unifiée. Un serveur, un protocole, tous les outils. Pourquoi Microsoft a-t-il créé ça ? Parce que le problème de fragmentation est particulièrement marqué dans Azure. Imaginez que vous construisiez un agent IA devant vérifier les logs Azure Monitor, mettre à jour une configuration et déployer une nouvelle version de conteneur. Cela représente trois SDK différents, trois flux d'authentification différents, trois manières de gérer les erreurs, mais... Le serveur MCP Azure réduit cela à une session unique, une authentification, une méthode de travail cohérente. Voici maintenant le point important. Ce n'est pas uniquement destiné aux développeurs. Certes, les développeurs l'utiliseront, mais sa vraie force est de permettre un contrôle en langage naturel des ressources Azure. Quelqu'un qui ne connaît ni PowerShell ni l'interface Azure CLI peut demander à son assistant IA « Montre-moi les erreurs de la dernière heure pour le service de paiement » et obtenir une réponse. Le serveur MCP gère la traduction. Il transforme la requête en langage naturel, en appelle API appropriée, l'exécute sur Azure Monitor et renvoie le résultat. Ce jour, le serveur MCP Azure est intégré à Visual Studio 2026. Il est open source sur GitHub. Il est activement maintenu par l'équipe Azure SDK de Microsoft. Il est en préversion publique, ce qui signifie que vous pouvez l'utiliser dès maintenant, avec de nouvelles fonctionnalités ajoutées régulièrement. Service principaux auxquels vous pouvez accéder. Alors, que pouvez-vous réellement faire avec le serveur MCP Azure ? Examinons les services spécifiques qu'il peut atteindre. La liste allonge, mais voici ce qui est pris en charge actuellement. Azure Storage. Vous pouvez lister les comptes de stockage, gérer les conteneurs Blob, interroger les tables, tout cela en langage naturel. Au lieu d'écrire un script pour vérifier votre stockage, il suffit de demander. Montre-moi les conteneurs de mon compte de stockage de production. Serveur MCP gère l'appel API, formate la réponse et vous donne la réponse. Azure Cosmos DB, celui-ci est important. Vous pouvez interroger des bases de données, gérer des conteneurs et exécuter des requêtes SQL sur vos données dans SQL. Si vous construisez un agent IA devant consulter des dossiers clients ou des historiques de commandes, c'est ainsi qu'il obtient ces données. Pas de connecteur personnalisé, pas de code SDK, juste un appel d'outils via MCP. Azure Monitor, c'est là que la puissance réelle se manifeste. Vous pouvez interroger les logs en utilisant KQL, le langage de requête custaud, sans écrire vous-même une seule commande KQL. Listez les espaces de travail, vérifiez l'étape disponible, demandez, montre-moi les erreurs des dernières 24 heures qui peut et le serveur MCP traduit cela en une requête appropriée, l'exécute sur Log Analytics et renvoie les résultats, les résultats. Pour quiconque a déjà eu des difficultés avec la syntaxe KQL, cela vaut largement le détour. Avec Azure App Configuration, vous pouvez gérer des paires clés valeurs, traiter les configurations activables, verrouiller des paramètres. Si votre application lit sa configuration depuis Azure App Configuration, votre agent IA peut vérifier ses valeurs, les mettre à jour et valider les changements, le tout par conversation, le tout par conversation. Et il ne s'agit pas seulement de services, l'interface de ligne de commande Azure et l'interface Azure Developer CLI AZD sont également exposées en temps. Cela signifie que votre agent IA peut exécuter n'importe quelle commande Azure CLI directement. Il peut provisionner des ressources, déployer des applications, gérer l'infrastructure. Ce sont les mêmes commandes que vous tapez dans un terminal, mais déclenchées par le langage naturel via un assistant IA. Concrètement, cela signifie qu'un seul MCP peut remplacer des dizaines de SDK et d'appels API. Vous n'avez plus besoin d'installer le SDK Azure Storage, le SDK Cosmos DB, le SDK Monitor, ni d'apprendre trois modèles d'authentification différents. Vous installez un serveur MCP, vous authentifiez une fois, et toutes ces capacités sont disponibles via une interface unique. Pensez à un scénario de dépannage typique. Votre application génère des erreurs. Vous devez consulter les journaux, examiner la configuration, vérifier que le compte de stockage d'accessible est testé la connexion à la base de données. Avant MCP, c'était quatre outils différents, quatre connexions différentes, quatre manières distinctes d'obtenir des informations. Avec le serveur Azure MCP, il ne s'agit que d'une seule conversation. Montre-moi les erreurs, vérifie ma configuration, valide mon stockage et teste ma connexion à la base de données. Le serveur gère tout cela. Comment cela fonctionne réellement ? Regardons sous le capot. Comment cela fonctionne-t-il vraiment aux coulisses ? L'authentification utilise EntraID, c'est-à-dire votre Azure Active Directory, via la bibliothèque Azure Identity. Lorsque votre agent IA effectue une requête, il s'authentifie en utilisant votre identité Azure. Les mêmes identifiants que ceux utilisés pour vous connecter au portail Azure. Pas de clé API séparée, pas de compte de service partagé, juste votre propre identité. Voyez cela comme une réception. Le serveur vérifie votre identité avant de vous laisser entrer. Maintenant, l'autorisation respecte le contrôle d'accès basé sur les rôles RBAC d'Azure. Le serveur MCP n'accorde aucune nouvelle autorisation. Il permet uniquement ce que votre compte est déjà autorisé à faire. Si vous pouvez lire les comptes de stockage dans le portail, le serveur MCP peut les lire. Si vous ne pouvez pas supprimer de base de données, le serveur MCP ne le peut pas non plus. Il hérite du modèle de sécurité existant d'Azure. Il n'ajoute pas de nouvelle surface d'attaque. Donc, si vous faites déjà confiance à Azure pour exécuter vos applications, vous faites déjà confiance au modèle de sécurité utilisé ici. Pour le transport, deux options s'offrent à vous. HTTP Streamable pour les connexions distantes, quand votre assistant IA tourne dans le cloud ou sur une autre machine, et STDIO pour le développement local, quand vous exécutez tout sur votre propre machine, Co. L'option HTTP Streamable est celle recommandée par Microsoft pour la production, car elle fonctionne bien avec les équilibres de charge et les proxys. Imaginez cela comme un appel téléphonique pour le distant et une conversation directe pour le local. Les sessions sont importantes ici. Le serveur MCP maintient un état durant toute la conversation. Ainsi, quand votre agent pose une question, obtient une réponse puis pose une question de suivi, le serveur se souvient de ce qui s'est passé avant. Les outils peuvent s'appuyer sur les états précédents. Vous pouvez interroger les journaux, identifier un problème, créer un correctif et le déployer, tout cela, au sein d'une seule session, sans perdre le contexte. C'est comme discuter autour d'un café, vous reprenez là où vous étiez arrêté. Le serveur utilise les SDK Azure en arrière-plan, ce qui signifie qu'il est rique de toute la logique de réessai et de la gestion des erreurs intégrées à ces SDK. Si une requête échoue à cause d'un problème réseau passager, elle est retentée automatiquement. Si un service est indisponible, il gère l'erreur avec élégance. Vous n'avez pas besoin d'écrire tout cela vous-même. C'est déjà intégré. Le modèle de sécurité utilise ce qu'on appelle l'authentification Racket pour le compte d'EUG ou OBO. C'est important. Quand votre agent IA appelle un outil, le serveur MCP transmet votre identité au service en aval. Le compte de stockage voit votre identité et non celle du serveur. La base de données voit votre identité et non un compte de service partagé. Cela signifie que chaque action vous est attribuable. Chaque journal d'audit montre qui a fait quoi. Fini les comptes de services anonymes qui font des choses que personne ne peut tracer. Le serveur dit qu'à que je suis ici pour le compte de Murat. Et le service vous voit, vous, et non le serveur. Pour les entreprises qui ont besoin de plus de contrôle, vous pouvez placer Azure API Management devant les serveurs MCP. Cela vous donne des politiques de gouvernance, une limitation de débit, des pistes d'audit et des contrôles de sécurité du contenu au niveau de la couche protocolaire. Vous pouvez contrôler quels outils sont disponibles qui peut les utiliser et à quelle fréquence. C'est la même gestion d'API que celle que vous utilisez déjà pour vos API reste désormais appliquée aux outils MCP. Voici le point clair retenu. Le serveur Azure MCP n'invente pas de nouveaux mécanismes de sécurité. Il utilise ceux dont Azure dispose déjà. Entra ID pour l'authentification, RBAC pour l'autorisation, les SDK pour la fiabilité, API Management pour la gouvernance. Si vous faites déjà confiance à Azure pour exécuter vos applications, vous faites déjà confiance au modèle de sécurité utilisé par le serveur MCP. Exemple concret en situation réelle. Nous serons cela avec un exemple que vous pourriez réellement rencontrer. Imaginez que vous exécutez une application containerisée sur Azure. Vous accédez à l'URL et vous obtenez une erreur 404. L'application ne démarre pas. Le portail Azure affiche une erreur d'activation mais aucun journal, rien d'utile. Vous êtes bloqué. L'ancienne méthode pour gérer cela est pénible. Vous ouvrez le portail. Vous fouillez dans les paramètres de l'application containerisée. Vous vérifiez les journaux des plans. Vous écrivez des commandes CLI pour extraire des informations de diagnostic. Vous comparez les fichiers de configuration entre les environnements. Vous tracez manuellement la séquence de démarrage pour tenter de trouver ce qui ne va pas. Cela prend des heures. Et cela suppose que vous sachiez déjà quoi chercher. Avec le serveur MCP Azure, l'expérience est totalement différente. Vous copiez le message d'erreur, le collez dans le copilote, activez les outils MCP Azure et laissez l'agent faire le diagnostic. C'est tout. L'agent lit vos fichiers de projet, examine vos paramètres d'application, vérifie la configuration de l'application containerisée et identifie le problème. Votre chaîne de connexion à la configuration de l'application Azure est une valeur fictive. Elle n'a jamais été configurée pour la production. Lorsque l'application containerisée tente de démarrer, elle ne peut pas se connecter à la configuration, génère une exception et échoue. L'agent ne se contente pas de trouver le problème. Il propose une solution. Créer un vrai magasin de configuration. Définir les variables d'environnement dans l'application. Mettre à jour le code pour lire les variables d'environnement au lieu des valeurs en dur, redéployer. Et il vous guide à chaque étape, demandant la permission avant d'effectuer des changements. Voici ce qui est impressionnant. L'agent orchestre plusieurs opérations Azure en séquence. Il interroge le graphe de ressources Azure pour trouver les applications containerisées liées à votre projet. Il identifie le groupe de ressources. Il crée le magasin de configuration dans ce même groupe. Il met à jour l'application containerisée avec la nouvelle variable d'environnement. Il effectue les modifications de code dans votre projet. Il lance le déploiement. Et ensuite, il vérifie que le point de terminaison fonctionne. Tout cela ne prend que quelques minutes. L'agent a géré chaque opération Azure. Lecture de ressources, création, mise à jour de configuration, déclenchement de déploiement et vérification des résultats. Vous n'avez pas écrit une seule commande CLI. Vous n'avez pas navigué dans le portail. Vous avez simplement décrit le problème et approuvé les étapes. Ce que cela signifie pour vous, c'est qu'un dépannage complexe devient une conversation plutôt qu'un processus manuel. Manuel. Vous n'avez pas besoin d'être un expert à Azure pour diagnostiquer et résoudre des problèmes. L'agent apporte l'expertise, vous apportez le contexte et l'approbation. Et vous pouvez essayer cela vous-même avec une application de test. Vous n'avez pas besoin d'autorisation spéciale. Vous n'avez pas besoin d'être développeur. Il vous suffit d'un abonnement Azure et d'un assistant IA, compatible MCP. Comment tout cela s'articule, la vision d'ensemble ? Vous comprenez désormais les composants. MCP est le protocole standard. Serveur Azure MCP et l'implémentation de Microsoft, et les services Azure sont les outils auxquels ils se connectent à… Mais la vraie valeur ne réside pas dans un seul élément. Elle réside dans leur capacité à fonctionner ensemble via un protocole unique. A quoi cela ressemble-t-il en pratique ? Imaginez un agent unique capable d'interroger les journaux Azure Monitor, de vérifier les paramètres de configuration des applications, de créer de nouvelles ressources et de déployer du code mis à jour, le tout en une seule session. Il ne s'agit pas de quatre intégrations distinctes. C'est un serveur MCP qui exécute quatre tâches en séquence avec un contexte conservé à chaque étape. La sortie d'un outil devient l'entrée du suivant. L'état de la session maintient le tout connecté. Cela crée des effets d'interaction impossibles avec des outils isolés. L'agent lit les journaux, détecte un problème de configuration, génère une correction et la déploiera sans que vous ayez copié manuellement les informations entre les étapes. L'effet de réseau entre également en jeu. À mesure que de nouveaux serveurs MCP sont créés, chaque assistant IA gagne en capacité. Microsoft propose déjà des serveurs MCP pour Azure DevOps, Playwright et le traitement de documents. Des tiers en développent également. Chaque nouveau serveur ajoute des outils exploitables par tout agent compatible à MCP. L'écosystème prend de la valeur à chaque ajout de serveur. Voyons maintenant vers quoi cela nous mène. Le serveur Azure MCP est déjà intégré à Visual Studio 2026. Le serveur Azure DevOps MCP est disponible pour tous. Azure API Management prend désormais en charge MCP, permettant aux entreprises de gouverner et sécuriser leurs outils MCP comme leurs API. Microsoft a annoncé lors de Build 2026 Legend Orchestrator un service géré qui traite l'équilibrage de charges, le monitoring et l'attribution des coûts pour des milliers d'agents. Les premiers utilisateurs ont constaté une réduction de 30 à 45% des coûts de calcul par agent grâce au routage intelligent des modèles. La vision d'ensemble est claire. MCP devient la couche d'intégration universelle pour l'IA 1. Et le serveur Azure MCP est la porte d'entrée pour les utilisateurs d'Azure. Les organisations qui adoptent MCP dès maintenant pourront se connecter à n'importe quelle plateforme IA sans reconstruire leurs intégrations. Vos outils, vos données, votre modèle de sécurité, le tout accessible via un protocole unique par tout assistant IA compatible. C'était la pépite de connaissances du jour. MCP offre aux agents IA une méthode standard pour communiquer avec les outils et le serveur Azure MCP leur donne accès à tout votre environnement Azure. Si vous développez avec l'IA sur Azure, commencez à explorer MCP dès aujourd'hui. Abonnez-vous sur votre plateforme de podcast préférée et partagez cet épisode avec quelqu'un qui débute. Laissez un commentaire si cela vous a aidé à combler. Je vous lis tous. Je suis Mirko Peters et c'était un nouvel épisode de Microsoft Knowledge Nuggets.