Selon PANews, le protocole MCP fait face à plusieurs défis alors qu'il tente de s'intégrer dans les écosystèmes d'IA. Le protocole, conçu pour relier divers outils, peine avec un nombre écrasant d'options disponibles, rendant difficile pour les modèles de langage de grande taille (LLMs) de les choisir et de les utiliser efficacement. Aucune IA ne peut maîtriser tous les domaines professionnels, et ce problème ne peut être résolu en augmentant le nombre de paramètres.
Un écart significatif existe entre la documentation technique et la compréhension de l'IA, car la plupart des documents API sont rédigés pour la compréhension humaine et manquent de descriptions sémantiques. L'architecture à double interface du MCP, qui agit comme un middleware entre les LLMs et les sources de données, est intrinsèquement défectueuse. Elle doit gérer les demandes en amont et transformer les données en aval, une tâche qui devient presque impossible lorsque les sources de données se multiplient.
Le manque de standardisation conduit à des formats de données incohérents, un problème découlant de l'absence de collaboration à l'échelle de l'industrie. Ce problème nécessite du temps pour être résolu. Malgré l'augmentation des limites de tokens, la surcharge d'information reste un problème persistant, car le MCP produit de grandes quantités de données JSON qui consomment un espace de contexte significatif, limitant les capacités d'inférence.
Les structures d'objets complexes perdent leurs relations hiérarchiques dans les descriptions textuelles, rendant difficile pour l'IA de reconstruire les associations de données. Le défi de lier plusieurs serveurs MCP est significatif, car chaque serveur peut gérer différentes tâches, telles que le traitement de fichiers, les connexions API ou les opérations de base de données. Lorsque l'IA doit collaborer entre serveurs, cela revient à forcer des blocs de construction disparates à s'emboîter.
L'émergence de la communication IA-à-IA (A2A) ne marque que le début d'un réseau d'agents IA plus avancé, qui nécessitera des protocoles de collaboration de niveau supérieur et des mécanismes de consensus. Le MCP représente une étape initiale dans cette évolution.
Ces défis soulignent les douleurs de croissance de la transition d'une 'bibliothèque d'outils' d'IA vers un écosystème d'IA pleinement intégré. L'industrie reste à un stade précoce de la fourniture d'outils à l'IA plutôt que de construire une véritable infrastructure de collaboration IA. Bien qu'il soit important de démystifier le MCP, sa valeur en tant que technologie transitoire ne doit pas être négligée.