Partager:
){kind=small}
Benjamin Aronov est un défenseur des développeurs chez Vonage. C'est un bâtisseur de communauté qui a fait ses preuves, avec une formation en Ruby on Rails. Benjamin apprécie les plages de Tel Aviv, où il vit. Sa base à Tel Aviv lui permet de rencontrer et d'apprendre de certains des meilleurs fondateurs de startups du monde. En dehors de la technologie, Benjamin aime voyager à travers le monde à la recherche du parfait pain au chocolat.
Présentation de MCP : l'IA rencontre les communications programmables avec Vonage
Les agents d'IA (programmes autonomes alimentés par de grands modèles de langage) commencent à remodeler la façon dont nous construisons les logiciels. Au lieu de cliquer sur une interface utilisateur ou d'écrire un code d'intégration, il suffit désormais de dire, "Envoyer un texte"et l'agent se chargera du reste.
La technologie qui rend cela possible est le protocole de contexte de modèle (MCP). Cette nouvelle norme ouverte permet aux agents de découvrir et d'exploiter des API et des données contextuelles provenant de diverses sources, notamment des systèmes d'entreprise, des documents et des environnements réels. Chez Vonage, nous adoptons cette norme pour rendre nos API accessibles à l'ère de l'IA, en commençant par notre Documentation MCP Serverqui est maintenant disponible pour les développeurs.
Dans ce tutoriel sur le protocole de contexte de modèle, nous expliquerons pourquoi il est important et nous montrerons comment vous pouvez l'essayer dès aujourd'hui. Et nous vous donnons un aperçu de ce qui nous attend !
MCP est une spécification de protocole ouverte qui normalise la manière dont les agents d'intelligence artificielle découvrent, décrivent et interagissent avec les systèmes externes, y compris les API, les bases de données et les sources de données contextuelles, sans dépendre d'intégrations personnalisées.
Il définit une couche de communication structurée entre un modèle d'IA (le client MCP) et un serveur exposant des capacités sous forme de schémas d'outils normalisés. MCP lui-même ne "pense" pas et n'effectue pas de raisonnement ; cette partie appartient à l'agent d'IA ou au runtime LLM qui utilise MCP comme pont vers le monde extérieur. OpenAPI (Swagger) aide les développeurs à comprendre les API et à interagir avec elles, MCP offre aux modèles d'IA une norme similaire. Cela permet aux agents d'intelligence artificielle de trouver, de comprendre et d'utiliser des outils de manière cohérente et structurée.
Visual comparison of AI agents and the Model Context Protocol (MCP), explaining how MCP enables agents to discover and interact with tools and APIs.
L'IA a fait l'objet d'un grand battage médiatique, mais ce qui est en train d'émerger discrètement est quelque chose de beaucoup plus pratique : des agents qui peuvent enchaîner des outilsd'outils, s'adapter à contexte changeantet exécuter des flux de travail sur la base d'instructions en langage clair.
Si vous créez des outils ou des API pour les développeurs, le MCP est très important. Il fournit une couche standard qui permet de découvrir et d'utiliser vos outils de manière prévisible, de sorte que tout agent conforme peut interagir avec eux en toute sécurité.
Il est important de noter que MCP ne rend pas les agents "raisonnables". Cette capacité provient du cadre d'agent ReAct (Raison + Action), qui aide les LLM à décider quand d'utiliser un outil, comment l'exécuter, et ce qu'il faut faire avec le résultat.
En pratique, cela signifie :
Ils peuvent envoyer un SMS ou passer un appel par l'intermédiaire de votre API sans avoir à mettre en œuvre une logique codée en dur.
Ils peuvent combiner les outils pour différentes tâches.
Ils peuvent même créer des flux de travail à la volée en fonction de l'intention de l'utilisateur.
Avec des structures telles que ReAct, les agents planifient et agissent par étapes : ils décident quand utiliser un outil, l'exécutent, vérifient ce qui s'est passé et ajustent l'action suivante, un peu comme un développeur qui déboguerait en temps réel.
Le MCP rend ce processus évolutif. Il ne rend pas l'agent plus intelligent, mais il lui donne une structure.
Par exemple, si un agent tente d'envoyer un SMS et que celui-ci échoue, il pourrait automatiquement passer à WhatsApp ou à l'email. Ou encore, s'il a besoin de données de localisation avant de passer un appel, il pourrait d'abord interroger Identity Insights.
MCP fournit le langage commun qui permet aux agents d'orchestrer ces types de flux de travail de manière fiable, à travers n'importe quelle API compatible.
Sequence diagram showing how AI agents use the Model Context Protocol (MCP) to discover and interact with APIs, using a weather query as an example.
MCP introduit un changement dans la façon dont nous envisageons les intégrations. Au lieu de relier les services à la logique de l'application, vous exposez vos fonctionnalités sous forme d'outils auto-décrivant. Chaque outil décrit ce qu'il fait et comment l'utiliser, et les agents déterminent quand et comment l'invoquer.
Cela signifie que vous n'écrivez plus les étapes. Vous proposez des capacités et laissez l'agent décider de ce qu'il doit faire. Vos services deviennent modulaires, composables et utilisables par n'importe quel outil parlant le langage MCP.
Il s'agit d'une évolution vers un développement axé sur l'agent : dynamique, faiblement couplé et conçu pour un monde où le langage naturel devient l'interface par défaut.
Nous pensons que les développeurs devraient pouvoir intégrer des capacités de communication partout où ils en ont besoin. À mesure que les interfaces agentiques se généralisent, nous voulons que nos API soient prêtes.
Au fur et à mesure que les développements basés sur l'IA se développent, nous voulons que nos API soient.. :
Facilement accessible par tout agent de l'IA
Modulaire et dynamique, il s'adapte à tous les flux de travail et à tous les environnements que les développeurs sont en train de créer.
Sécurisé et contrôlé, de sorte que l'utilisation de l'outil peut être surveillée, mise en bac à sable ou verrouillée.
MCP est une base idéale pour cela. Il nous permet d'exposer nos API (telles que Voice, la messagerieet Video) en tant qu'outils natifs de l'IA que les agents peuvent découvrir et utiliser en temps réel.
Nous donnons le coup d'envoi avec notre premier serveur officiellement pris en charge : le serveur MCP de documentation. Serveur de documentation MCP.
Demonstration of an AI agent using the Vonage Documentation MCP Server in VS Code to query API documentation.
Ce serveur permet aux agents (tels que Claude ou VS Studio) de rechercher et de retourner le contenu de la documentation officielle de l'API de Vonage. Demandez à votre agent, "Comment envoyer un RCS avec Node ?" ou "Quels sont les paramètres attendus par Verify ?"et il récupérera la documentation pertinente pour vous, directement à partir de nos documents.
Pour en savoir plus Modèle de protocole contextuel Introduction
La documentation n'est qu'un début. Nous développons également un serveur officiel Tooling MCP. Ce point d'accès MCP MCP axé sur les développeurs donnera aux agents AI un accès structuré à des outils de configuration et de compte en direct.
Dans sa phase d'accès anticipé, le serveur prendra en charge :
Gestion des applications : créer et configurer les applications API de Vonage, y compris l'authentification et la configuration du rappel pour Voice, Messages et RTC.
Gestion des numéros : louer, configurer et gérer des numéros de téléphone virtuels directement via l'interface MCP.
Rapports : interrogez les données d'utilisation des canaux de communication, récupérez les enregistrements d'appels ou de messages et générez des rapports de facturation ou d'analyse.
Nous lancerons d'abord ce serveur pour les développeurs, où vous pourrez commencer à essayer des flux de travail réels, donner votre avis et nous aider à façonner la suite.
Pendant que nous travaillons sur le serveur d'outils, vous pouvez déjà explorer ce qui est possible avec des exemples de protocoles de contexte de modèle hébergés par la communauté :
Le serveur Serveur MCP Téléphonie par Atique Khan
Permet aux agents d'envoyer des SMS ou de passer des appels via Vonage
Le serveur de documentation non officiel par @micahman33
Utilise FastMCP et Google Serper pour remonter les documents de developer.vonage.com.
Ces premiers exemples mettent en évidence la puissance des outils natifs de l'agent, et bien d'autres sont à venir.
Nous sommes enthousiastes à l'idée de ce que MCP peut apporter à l'avenir des communications. Que vous travailliez sur des agents, que vous construisiez des outils ou que vous soyez simplement curieux de savoir comment tout cela s'articule, nous serions ravis d'avoir de vos nouvelles.
Partagez ce que vous construisez sur le Communauté Vonage Slackou connectez-vous avec nous sur X (anciennement Twitter), ou dans les dépôts dépôts GitHub de Vonage et créez vos propres outils. Nous construisons ceci pour et avec la communauté des développeurs.
Partager:
Benjamin Aronov est un défenseur des développeurs chez Vonage. C'est un bâtisseur de communauté qui a fait ses preuves, avec une formation en Ruby on Rails. Benjamin apprécie les plages de Tel Aviv, où il vit. Sa base à Tel Aviv lui permet de rencontrer et d'apprendre de certains des meilleurs fondateurs de startups du monde. En dehors de la technologie, Benjamin aime voyager à travers le monde à la recherche du parfait pain au chocolat.