MCP est le milieu ennuyeux qui fait que tout cela fonctionne. Le cliché est que MCP est « USB-C pour l’IA » : un protocole ouvert, n’importe quel outil. Comme la plupart des analogies, elle est exacte à environ quatre-vingts pour cent. La partie qui compte, ce sont les quatre-vingts : je n’ai pas besoin d’écrire un adaptateur personnalisé pour chaque système avec lequel l’agent communique. Un serveur MCP par outil et chaque agent communique avec eux de la même manière.
Les transferts typés entre agents sont ma propre architecture, superposée à MCP plutôt que fournie par celui-ci. Chaque agent écrit un artefact typé que l’agent suivant lit. Chaque transfert est enregistré avec sa provenance. Quand quelque chose n’allait pas après six étapes, je pouvais rejouer la chaîne. Sans cette discipline, un pipeline multi-agents est le pire jour pour un débogueur. Vous savez que le plan de test est erroné. Vous ne pouvez pas dire si l’erreur provient de la lecture de Figma, de l’interprétation des exigences ou de l’échafaudage des tickets. Grâce à lui, je pouvais indiquer exactement quelle étape avait mal tourné et quelles entrées elle examinait à ce moment-là. Le modèle réside dans une implémentation de référence publique sous licence MIT pour tout lecteur souhaitant l’exécuter.
Le numéro de seize minutes est le numéro marketing. J’ai exécuté la chaîne complète de bout en bout en seize minutes environ sur un nouvel écran synthétique, Figma en entrée, suite d’automatisation en sortie. Cela s’est répété tout au long de mes courses ; ce n’est pas une astuce de démonstration. Mais seize minutes constituent la partie de l’histoire la plus amusante à raconter et la moins utile à apprendre. C’est ce qui est cité dans toutes les mains. Les heures qui suivent, lorsqu’un humain examine chaque transfert, sont celles où le travail se déroule réellement.
