Bienvenue dans le module 2 ! Nous allons désormais nous intéresser à la première fonctionnalité majeure du protocole Modular Context Protocol : « Retrieve », qui s'appuie sur la technologie RAG (Retrieval-Augmented Generation). Nous allons découvrir comment la technologie RAG permet de surmonter les principales limites des modèles de langage de grande envergure (LLM) en n'extrayant que les informations les plus pertinentes et vérifiables au moment de la requête.

Ce module est consacré au pilier « Contexte » du protocole MCP (Modular Context Protocol). Nous allons au-delà de la simple recherche d'informations pour doter le LLM de la capacité de mémoriser (Mémoire) et d'agir (Agents), ce qui en fait un assistant véritablement « à état » et utile.

Ce module assure la transition de l'architecture MCP d'un prototype fonctionnel vers un système de production à l'échelle de l'entreprise. Il met l'accent sur les « trois piliers de la production » afin de garantir que les agents d'IA soient rapides, fiables et mesurables. Nous apprendrons à mettre en œuvre des cadres d'évaluation scientifiques et des mécanismes de défense robustes contre les entrées malveillantes.

Dans ce dernier module, nous allons synthétiser le cadre du Modular Context Protocol (MCP) en intégrant les technologies RAG, la mémoire à fenêtre glissante et le routage d'agents au sein d'un système unique et hautement performant. Il s'agit là d'une transition entre la conception de composants individuels et la maîtrise d'une architecture d'IA de niveau entreprise, dont les coûts sont maîtrisés.