# MCP est un transport, Non une architecture **"Comment construire un serveur MCP?" est la mauvaise question** Il existe des SDKs. Un LLM peut former un scaffold en quelques secondes . La question réelle est : > *Quel rôle devrait jouer un serveur MCP à l'intérieur d'un système qui ne doit pas être lié?* La rare compétence actuelle consiste à concevoir **système autour** MCP: autoritéM SK1 autorisation, vérifiabilité , et contrôle déterministeMNK4 Le MCP gère le transport MMK5 ces préoccupations vivent ailleursMRK6 Cet article explique comment j'utilise MCP **sans agents, autonome, ou vibes**, et pourquoi la plupart des exemples de MCP récréent les mêmes problèmes que ceux que nous avons vu avec l’appel d’outils non contraints. *Il s'agit d'une partie 2 des "LLMs en tant que composantes". [Partie 1: Pourquoi les LLM échouent en tant que capteurs](/blog/llms-fail-as-sensors) Cet article porte sur l’erreur de catégorie d’utilisation des LLM pour la perception.* [TOC] --- ## Qu’est-ce que le MCP en fait ? (et n’est‐il pas? MCP (Model Context Protocol) est un **protocole de câble**. Il se déplace - Inputs et outputs - Systèmes - Les métadonnées de l'outil - Développement des capacités Il le fait. **non pas**: - Décision *Lorsque :* les outils devraient être utilisés - Valider la vérité - Exécuter la confiance - Gestion des effets secondaires ```mermaid flowchart LR subgraph MCP["MCP: What It Does"] Schema[Schema Discovery] --> Transport[Transport Layer] Transport --> Invoke[Tool Invocation] Invoke --> Response[Structured Response] end subgraph NotMCP["Not MCP's Job"] When[When to run?] Trust[Is this true?] Should[Should we act?] Safe[Is this safe?] end style MCP fill:none,stroke:#16a34a,stroke-width:2px style NotMCP fill:none,stroke:#dc2626,stroke-width:2px style Schema fill:none,stroke:#059669,stroke-width:2px style Transport fill:none,stroke:#059669,stroke-width:2px style Invoke fill:none,stroke:#059669,stroke-width:2px style Response fill:none,stroke:#059669,stroke-width:2px style When fill:none,stroke:#dc2626,stroke-width:2px style Trust fill:none,stroke:#dc2626,stroke-width:2px style Should fill:none,stroke:#dc2626,stroke-width:2px style Safe fill:none,stroke:#dc2626,stroke-width:2px ``` **MCP est plus proche de OpenAPI qu'un cadre d'agents.** Si vous 'utilisez MCP comme couche de raisonnement,, vous \' avez déjà fait l'erreur de la même catégorie décrite dans [Partie 1](/blog/llms-fail-as-sensors). Si MCP est un transport, alors l'architecture vit au-dessus de ce dernier: orchestrationM SK2 politique , validationMNK4 persistanceMMK5 Le reste du présent article est celui de la couche --- ## Principe de base: Proposition vs décision C'est la règle fondamentale de [RAG réduit](/blog/reduced-rag) et [Fuzziness restreinte](/blog/constrained-fuzzy-image-intelligence): - **Les composantes probabilistes proposent** - **Les systèmes déterministes décident** Dans mes systèmes: - Les LLM sont *Aucune fois* autorisations - Les outils sont *Aucune fois* d'autonomisation - Chaque réponse du MCP est une **Propositions**, n’est pas un fait "DeterministeM SK1 ici ne signifie pas 't simpliste. Il signifie **Règles-géréeM SK1 reproduisable , et vérifiable**. ```mermaid flowchart TD subgraph Proposers["Proposers (Probabilistic)"] LLM[LLM Synthesis] MCP1[MCP Tool Response] MCP2[MCP Tool Response] end subgraph Constrainer["Constrainer (Deterministic)"] Validate[Validate Proposals] Compare[Compare Confidence] Policy[Apply Policy Rules] Decide[Accept / Reject / Escalate] end subgraph Persistence["Persistence (Facts)"] Facts[(Verified Facts
With Provenance)] end LLM --> Validate MCP1 --> Validate MCP2 --> Validate Validate --> Compare Compare --> Policy Policy --> Decide Decide --> Facts style Proposers fill:none,stroke:#d97706,stroke-width:2px style Constrainer fill:none,stroke:#2563eb,stroke-width:2px style Persistence fill:none,stroke:#16a34a,stroke-width:2px style LLM fill:none,stroke:#d97706,stroke-width:2px style MCP1 fill:none,stroke:#d97706,stroke-width:2px style MCP2 fill:none,stroke:#d97706,stroke-width:2px style Validate fill:none,stroke:#2563eb,stroke-width:2px style Compare fill:none,stroke:#2563eb,stroke-width:2px style Policy fill:none,stroke:#2563eb,stroke-width:2px style Decide fill:none,stroke:#2563eb,stroke-width:2px style Facts fill:none,stroke:#16a34a,stroke-width:3px ``` Le serveur MCP ne décide pas't. Le constrainer décideM SK2 --- ## Pourquoi "Outils" sont-ils le mauvais modèle mental? Le cadre MCP par défaut est: - "Exposer les méthodes comme outils" - "Laisez le modèle choisir l'outil à appeler - " Demander la permission avant l'exécution" Cela ne fonctionne pas pour des raisons prévisibles: 1. **Les descriptions d'outils deviennent des prompts**: Le LLM déduit l’intention du libellé, non de la sémantique du schéma 2. **Déplacement de la sélection des outils**: Le modèle optimise la plausibilité , non l'exactitude M SK2 et choisit les outils en fonction de la similitude des descriptions 3. **Les prompts de permission sont UX, non sûr**: Un dialogue modal n’empêche pas le choix de l’outil erroné 4. **Aucune reproductibilité**: Vous ne pouvez pas reproduire une session parce que la sélection de l'outil était probabiliste. [Forme d'outils](https://arxiv.org/abs/2302.04761) (2023) établit la base théorique de l’utilisation des outils LLM : les modèles peuvent apprendre *Lorsque :* pour appeler les outils en mesurant les résultats réels. C’était un travail fondamental . Mais Toolformer fonctionne à l’heure de la formation avec des ensembles d’outils curatés - pas des systèmes d'agents de temps d’exécution avec des points finals arbitraires du PCMMSC3 La leçon de Toolformer n’est-elle pas? **mesurer objectivement les résultats**. Voir [ma comparaison de Voyager, Toolformer, et approches structurées](/blog/disejustvoyager) pour savoir pourquoi la structure bat le brilliance. **Réélaborer: Les paramètres de MCP publient les signauxM SK1 non les actions.** - Les signaux sont typés, bounded, et attribuables - Tous les signaux ont une provenance de confiance,, , et des points témoins - La langue naturelle est une *couche de présentation*, non le substrat ```mermaid flowchart LR subgraph Wrong["❌ Tools Mental Model"] Desc[Tool Description
'Gets weather for city'] --> LLM1[LLM Chooses] LLM1 --> Execute[Execute Action] Execute --> Trust1[Trust Result?] end subgraph Right["✓ Signals Mental Model"] Schema2[Typed Schema
city: string, units: enum] --> Invoke2[Deterministic Invoke] Invoke2 --> Signal[Signal Response
+ confidence + provenance] Signal --> Validate2[Constrainer Validates] end style Wrong fill:none,stroke:#dc2626,stroke-width:2px style Right fill:none,stroke:#16a34a,stroke-width:2px style Desc fill:none,stroke:#dc2626,stroke-width:2px style LLM1 fill:none,stroke:#dc2626,stroke-width:2px style Execute fill:none,stroke:#dc2626,stroke-width:2px style Trust1 fill:none,stroke:#dc2626,stroke-width:2px style Schema2 fill:none,stroke:#16a34a,stroke-width:2px style Invoke2 fill:none,stroke:#16a34a,stroke-width:2px style Signal fill:none,stroke:#16a34a,stroke-width:2px style Validate2 fill:none,stroke:#16a34a,stroke-width:2px ``` --- ## Contrats de signalisation au-dessus du chat Chaque point final de MCP dans mes systèmes a: - **Un schéma**: Typed inputs and outputsM SK1 not free-form text - **Confidentialité**: Quelle est la certitude de ce résultat? - **Provenance**: D’où provient-il? - **Indicateurs de preuve**: Qu’est-ce qui peut être vérifié indépendamment? Aucune réponse libre-autorité du texte. Aucun M SK2effort le plus efficace " réponsesMSC4 **Exemples des systèmes de production:** | Signale | Source de confiance MSC2 Pointeur des preuves MSC3 |--------|-------------------|------------------| | Extraction du texte par OCR | FlorenceM SK2 cote de confiance | Classification des images | Coefficient de similitude du CLIP MSC2 Emplacement MSC3 Coefficience de similitudes S+ ID d'image de référence M| | Transcription sonore | Parole murmuranteM SK2 Confiance de niveau | Étendue d'échantillonnage du temps | Identification de l'émetteur | Distance du groupe de diarisation **La règle: Si un résultat n’est pas validé, il ne peut être validé.** Il s'agit du même principe que [Règle de conception #5](/blog/llms-fail-as-sensors): les faits doivent être prouvés --- ## Le constérnateur: La partie que tout le monde passe La plupart des tutorials MCP montrent: 1. Définir les outils 2. Connexion à LLM 3. Laissez-le courir La composante manquante est la **Constrainer** - la logique déterministe selon laquelle - Évaluer les propositions concurrentes - Exécuter la politique - Décide ce qui persiste et ce qui est rejeté - Routes vers l'escalade lorsque la confiance est faible ```mermaid flowchart TD subgraph Sources["Signal Sources"] Heuristics[Heuristics
Text-likeliness: 0.3] LocalModel[Local Model
Florence-2 OCR: 0.85] LLMCall[LLM Escalation
GPT-4V: 0.92] end subgraph Constrainer["Constrainer Logic"] Receive[Receive All Signals] Check{Confidence
≥ 0.7?} Cross[Cross-Validate
Signals Agree?] Accept[Accept as Fact] Reject[Reject / Log] Escalate[Escalate to
Higher Tier] end Heuristics --> Receive LocalModel --> Receive LLMCall --> Receive Receive --> Check Check -->|Yes| Cross Check -->|No| Escalate Cross -->|Yes| Accept Cross -->|No| Reject style Sources fill:none,stroke:#d97706,stroke-width:2px style Constrainer fill:none,stroke:#2563eb,stroke-width:2px style Heuristics fill:none,stroke:#d97706,stroke-width:2px style LocalModel fill:none,stroke:#d97706,stroke-width:2px style LLMCall fill:none,stroke:#d97706,stroke-width:2px style Receive fill:none,stroke:#2563eb,stroke-width:2px style Check fill:none,stroke:#2563eb,stroke-width:2px style Cross fill:none,stroke:#2563eb,stroke-width:2px style Accept fill:none,stroke:#16a34a,stroke-width:2px style Reject fill:none,stroke:#dc2626,stroke-width:2px style Escalate fill:none,stroke:#7c3aed,stroke-width:2px ``` **Décisions de constrainer réelles:** - Rejet de la caption LLM lorsque les héuristiques ne sont pas d’accord sur le texte-likeliness - Préférer un texte hallucinatoire de confiance plus bas-confidence, mais une OCR démontrée par rapport à un texte élevé - Évacuer à la vision LLM seulement lorsque le modèle local est fiable < 0.7 **MCP relie les composants. Le constrainer les régitM SK1** --- ## Démarrage du LLM (et pourquoi je le fais) Mon serveur MCP fonctionne toujours avec le LLM désactivé. Il s’agit d’un mode dégradé. **mode primaire**. Si votre système cesse de fonctionner lorsque le LLM n'est pas disponible, la LLM faisait un travail qu'elle ne devrait pas' avoirM SK2 C'est le même principe qui sous-tend [Pourquoi la structure bat le brilliance](/blog/disejustvoyager): ne l’espérons pas, ' ne nous attendons pas à ce qu’un seul modèle fasse tout, MSC2 Répartir la cognition dans un système où les composants déterministes manipulent ce qui est bon pour eux. Les fonctions de base: - Résumé déterministe tiré des faits extraits - Evidence-première recherche par embeddings et filtres - Demandes structurées contre la base de données factuelles Le LLM devient: - Une couche de synthèse (optionnelle) - Un moteur d’explication (à la demande) - Un enrichisseur (pour la sortie de langage naturel) Le LLM est **non pas**: - Un décideur - Mémoire - Un moteur de la vérité ```mermaid flowchart TD subgraph AlwaysOn["Always On (Deterministic)"] Sensors[Sensors + Heuristics] Local[Local Models
Florence-2, Whisper, CLIP] Facts[(Facts Database)] Query[Query Engine] end subgraph Optional["Optional (LLM)"] Synthesis[Natural Language Synthesis] Explain[Explanation Generation] end Sensors --> Local Local --> Facts Facts --> Query Query --> Synthesis Query --> Explain style AlwaysOn fill:none,stroke:#16a34a,stroke-width:2px style Optional fill:none,stroke:#6b7280,stroke-width:2px,stroke-dasharray: 5 5 style Sensors fill:none,stroke:#16a34a,stroke-width:2px style Local fill:none,stroke:#16a34a,stroke-width:2px style Facts fill:none,stroke:#16a34a,stroke-width:3px style Query fill:none,stroke:#16a34a,stroke-width:2px style Synthesis fill:none,stroke:#6b7280,stroke-width:2px style Explain fill:none,stroke:#6b7280,stroke-width:2px ``` **Pourquoi cela importe:** | Avantage | LLM-Systèmes requis MSC3 LLSMSc4Sstèmes options MSC5 |---------|---------------------|----------------------| | **Coût** | Par-coûts de l’API pour la demande |Infrastructure fixe | **La fiabilité** | Interruption de l’API = Système en panne | **Vérifiabilité** | Réponses de Mock LLM | Affirmations déterministes | | **Confiance** | "Le modèle l’a dit. --- ## MCP en tant que limite, Non intégration Je traite le MCP comme un **Établissement d'une bénérance stricte**: - **Isolation du processus**: Les serveurs MCP fonctionnent dans des processus distincts - **Inputs explicites/outputs**: Aucun état mutable partagé - **Aucun contexte ambiant**: Chaque appel est évalué à partir d’entrées explicites , non résidu de conversation - **Contrats types**: Les violations du schéma sont des erreurs Cela contraste avec: - Agents de processus In- avec mémoire partagée - Prompt-chaining avec l'accumulation contextuelle cachée - "Conversational" Utilisation d'outils lorsque les virages antérieurs ont une incidence sur le comportement **Pourquoi les limites sont importantes:** 1. **Réjouir**: Reproduisez toute session en replayant les intrants 2. **Vérification**: Chaque signal a une origine traçable 3. **Essais déterministes**: Les mêmes intrants → les mêmes sorties 4. **Conformité**: Chaînes de décision explicatives ```mermaid flowchart LR subgraph Process1["Process: Orchestrator"] Orch[Orchestrator
Constrainer Logic] end subgraph Process2["Process: MCP Server 1"] MCP1[Image Analysis
Signals] end subgraph Process3["Process: MCP Server 2"] MCP2[Audio Analysis
Signals] end subgraph Process4["Process: MCP Server 3"] MCP3[Video Analysis
Signals] end Orch <-->|MCP Protocol| MCP1 Orch <-->|MCP Protocol| MCP2 Orch <-->|MCP Protocol| MCP3 style Process1 fill:none,stroke:#2563eb,stroke-width:2px style Process2 fill:none,stroke:#16a34a,stroke-width:2px style Process3 fill:none,stroke:#16a34a,stroke-width:2px style Process4 fill:none,stroke:#16a34a,stroke-width:2px style Orch fill:none,stroke:#2563eb,stroke-width:2px style MCP1 fill:none,stroke:#16a34a,stroke-width:2px style MCP2 fill:none,stroke:#16a34a,stroke-width:2px style MCP3 fill:none,stroke:#16a34a,stroke-width:2px ``` --- ## Modes de défaillance Exemples MCP Don't Talk About Cas de défaillance réels à la suite d’un usage non restreint du MCP: | Mode de défaillance | Cause SSK2 Atténuation | |--------------|-------|------------| | **La hallucination d'outils** | Évacuation de la description dans le raisonnement du LLM | **Exécution attendue** | Outils d'appels de modèle "juste pour vérifier" | Les portes du connexeur permettent toutes les invocations. | **Déplacement du schéma** | Changements de comportement des outilsM SK1 schéma ne fonctionne pas't | Systèmes modifiés | **Défaillances partielles silencieuses** | L'outil retourne des données partielles , le modèle progresse | **LLM surconfidence** | Le modèle traite la sortie de l'outil comme une vérité fondamentale | CrossM SK2 Validation, Exigences relatives aux preuves | **Augmentation des capacités** | Modèle "tries" Outils de plus en plus puissants progressivement | Niveaux des capacités M+ Évaluation des politiques m+ Budgets || Le thread commun: **Ces échecs se produisent parce que le LLM est considéré comme une autorité**. La solution: **Les LLM proposent que les entraîneurs décident de l’écart entre le taux d’immatriculation et le taux de mortalité**. --- ## Qu’est-ce que le MCP est bon pour ( Lorsque il est utilisé correctement) MCP est excellent pour: - **Développement des capacités**: Énumération du temps d'exécution des signaux disponibles - **Composition de l'interprocessus**: Nettoyage des limites entre les composants - **Interopérabilité des outils**: Travaille avec n'importe quel client compatible MCP - **Modèle-Intégration agnostique**: Swap LLMs sans changer les contrats de signalisation MCP est **non pas**: - Cadre d'agents - Système de raisonnement - Une couche de sécurité - Une limite de confiance Utiliser le MCP pour ce qu’il est: un protocole de câble pour la communication structurée entre les composants. --- ## Où se termine MCP MCP normalise la façon dont les modèles et outils échangent le contexte. Il ne définit pas qui est autorisé à agir, dans quelles conditionsM SK2 ou comment les décisions sont vérifiéesMSC3 D’autres approches existent pour formaliser ces contraintes. Cet article n’est pas sur les ACP, mais sur le principe de conception. **les transports et la gouvernance sont des questions distinctes**. MCP vous dit *comment* pour appeler un outil. Une autre chose doit décider *si* Dans mes systèmes, ,, il faut que ' soit le constrainer; dans les systèmes d’entreprise, ,, il pourrait être un moteur de politique. --- ## Démonstration MCP vs Production MCP | Aspect | Démonstration du CPM | Production du CMP M| |--------|----------|----------------| | **Description de l'outil** | Langue naturelleM SK1 détaillée | Minimale, schémaMSC4première | | **Qui décide de téléphoner** | LLM | Orchestre | **Format de réponse** | FreeM SK1form text | Signaux types avec confiance | | **Validation** | Aucune | CrossM SK2 Validation, seuils | | **LLM dépendance** | Exigé | Enrichissement facultatif ≥| | **Réjouir** | NonM SK1déterministe | pleinement reproductible | | **Voie de vérification** | Logs de conversation | Chaîne de provenance des signaux | --- ## Clôture MCP permet **composition**. Le déterminisme permet **de la confiance**. Les LLMs permettent **fluence**. Mais seulement si: > *La probabilité propose : et le déterminisme persisteM SK1* MCP sans constérateur est une injection rapide avec des étapes supplémentaires. Faire de la synthèse l’étape finale. Rendre le LLM facultatif. Faire en sorte que tous les faits soient traçables --- ## Conditions clés - **MCP (Protocole de contexte modèle)**: Protocole de câble pour la découverte d'outils et l'invocation entre les processus - **Connexeur**: Logique déterministe qui évalue les propositions et décide ce qui persiste - **Signale**: Réponse type avec confiance, provenanceM SK2 et indicateurs de preuve - **Propositions**: Tout élément (LLM, Modèle localMSC3 héuristiqueM SK4 qui suggère des faits sans autorité - **Pointeur de preuve**: Référence à la source vérifiable --- ## Articles connexes **Précédent dans la série:** [Partie 1: Pourquoi les LLM échouent en tant que capteurs](/blog/llms-fail-as-sensors) **Fondements théoriques:** - [Pourquoi la structure bat Brilliance: Voyager, ToolformerM SK2 et DiSE](/blog/disejustvoyager) - Le cas de la cognition répartie au-dessus d’une seule brilliance du modèle - [Documents d'outils](https://arxiv.org/abs/2302.04761) - Travaux fondamentaux sur l’apprentissage des LLM à utiliser les outils **Mise en œuvre du modèle:** - [RAG réduit: Carte-Reduction pour les systèmes probabilistes](/blog/reduced-rag) - [ImageSummarizer: Intelligence visuelle floue limitée](/blog/constrained-fuzzy-image-intelligence) - [VideoSummarizer: RAG réduit pour le vidéo](/blog/videosummarizer-scalable-video-intelligence) - [StyloFlow:Signal-Flois de travail dirigés](/blog/styloflow-signal-driven-workflows)