Utilisation d'outils

Interface structurée permettant à l'IA d'invoquer des fonctions et des API externes

Exécute en toute sécurité du code généré par le LLM dans des environnements isolés pour les calculs et le traitement des données

Protocole standardisé pour partager le contexte et les capacités entre les modèles d'IA et les outils

Expose à l'agent une interface d'outil unique et unifiée, tandis qu'un plan de contrôle interne achemine chaque requête vers l'outil, le service ou le modèle approprié en arrière-plan. Le prompt de l'agent reste stable à mesure que le catalogue d'outils évolue, et l'authentification, les politiques, la limitation de débit et l'observabilité sont appliquées à un seul endroit.

Les agents manipulent les interfaces graphiques (bureau, navigateur ou mobile) comme le ferait une personne, en lisant des captures d'écran et en émettant des actions de souris et de clavier au lieu d'appeler des API. Le défi central est l'ancrage GUI : associer une intention à des coordonnées de pixels exactes à l'écran. L'agent exécute en boucle les étapes de capture d'écran, de raisonnement, d'action et d'observation jusqu'à ce que la tâche soit terminée.

Des capacités regroupées sous forme de dossiers autonomes. Chaque compétence est un fichier SKILL.md doté d'un frontmatter YAML (nom et description), auquel s'ajoutent des scripts et des ressources facultatifs. Les agents découvrent les compétences grâce à leurs métadonnées et les chargent selon trois niveaux de divulgation progressive : lire le nom et la description pour juger de la pertinence, charger l'intégralité du SKILL.md une fois la compétence activée, puis exécuter à la demande les scripts et ressources fournis. Cela permet de garder un contexte réduit tout en exposant de nombreuses capacités, et le format est un standard ouvert adopté par différents fournisseurs.

Lorsqu'un agent peut accéder à des centaines ou des milliers d'outils ou de serveurs MCP, charger chaque schéma dans le prompt coûte cher et nuit à la précision de la sélection. La récupération d'outils indexe les définitions d'outils et, pour chaque requête, ne récupère que celles qui sont sémantiquement pertinentes (recherche par embeddings, découverte active et reranking) avant que le modèle ne fasse son choix. RAG-MCP rapporte que la précision de la sélection d'outils passe d'environ 13 pour cent à 43 pour cent, tout en réduisant de plus de moitié le nombre de tokens du prompt.

Garantit que la sortie du modèle est conforme à un schéma en contraignant le décodage. Un JSON Schema, une expression régulière ou une grammaire est compilé en un automate à états finis, et à chaque étape de décodage, les tokens qui violeraient le schéma sont masqués afin que seules des continuations valides puissent être échantillonnées. En mode strict, cela rend impossibles les JSON mal formés et les arguments d'outil invalides. Cette fonctionnalité est disponible nativement chez OpenAI, Google et Anthropic, ainsi que dans des bibliothèques ouvertes telles qu'Outlines et vLLM.

Au lieu d'émettre un seul appel d'outil JSON par tour, l'espace d'action de l'agent est du code exécutable qui orchestre les outils à l'aide de boucles, de conditions et de variables. Un seul bloc de code peut appeler de nombreux outils, se ramifier en fonction des résultats et conserver les données intermédiaires dans l'environnement d'exécution plutôt que de renvoyer chaque résultat via la fenêtre de contexte. Anthropic rapporte une réduction du nombre de tokens d'environ 98 pour cent sur certains workflows multi-outils lorsque les outils sont appelés depuis le code via MCP.

Un outil « think » dédié et sans effet (Anthropic), déclaré dans le schéma d'outils de l'agent, que le modèle appelle en cours de trajectoire pour ajouter un raisonnement structuré entre le résultat d'un outil et l'action suivante. L'appel n'a aucun effet externe et ne renvoie rien d'utile : il donne simplement au modèle un point de contrôle pour relire la politique, vérifier les contraintes et planifier avant d'agir au sein d'une longue chaîne d'appels d'outils. Anthropic rapporte une amélioration relative de 54 % sur la métrique pass^1 airline de tau-bench (0.570 contre une référence de 0.370) lorsque l'outil est associé à un prompt montrant comment l'utiliser. À distinguer de `metacognitive-monitoring` : cette entrée désigne la capacité générale à surveiller son propre raisonnement, tandis que le think tool en est un mécanisme concret au niveau du schéma d'outils, distinct de la réflexion étendue ou effectuée au moment de l'inférence qui a lieu avant la première réponse.

Un point d'entrée MCP unique et gouverné qui se place devant de nombreux serveurs MCP backend en tant que proxy inverse, fédérant leurs outils en une seule surface d'outils organisée et gérée à laquelle l'agent se connecte. Chaque appel d'outil transite par la passerelle, qui impose une authentification centralisée, une autorisation par outil qui sépare l'identité de l'appelant des permissions du serveur en aval, des vérifications de politiques, une limitation de débit, une journalisation d'audit et de la télémétrie. Cela transforme un amas tentaculaire de serveurs déployés indépendamment en un unique contrat d'intégration contrôlé, de sorte que les outils peuvent être organisés, versionnés et révoqués sans toucher à chaque agent. À distinguer de `control-plane` : le plan de contrôle est le modèle général consistant à exposer une seule interface tout en routant en interne vers n'importe quel outil, service ou modèle, tandis que la passerelle MCP en est la réalisation propre à l'écosystème MCP, axée sur la fédération de nombreux serveurs MCP et la gouvernance de la surface partagée d'accès aux outils.