A Large-Scale Dataset of MCP Implementations on GitHub
Cet article présente le premier ensemble de données à grande échelle et fondé sur des preuves, comprenant 2 297 implémentations validées du Model Context Protocol (MCP) provenant de GitHub, créé via un pipeline de vérification hybride rigoureux afin d'établir un banc d'essai fondamental pour analyser les écosystèmes MCP réels, les tendances de développement et les modèles architecturaux.
Article original placé dans le domaine public sous CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de l'IA comme un robot géant et bavard qui vit à l'intérieur d'un ordinateur. Pendant longtemps, ce robot ne pouvait parler que de ce qu'il avait appris dans ses données d'entraînement, comme un étudiant qui ne connaît que ce qui se trouve dans son manuel scolaire. Mais récemment, un nouveau livre de règles appelé le Model Context Protocol (MCP) est arrivé. Considérez le MCP comme un traducteur universel et un ensemble de prises électriques standardisées qui permettent au robot de se brancher sur des outils du monde réel — comme des applications météo, des moteurs de recherche ou des éditeurs de code — afin qu'il puisse réellement faire des choses au lieu de simplement en parler.
Mais voici le problème : personne ne savait exactement combien de personnes construisaient réellement ces « prises électriques » ou à quoi elles ressemblaient sous le capot. Il y avait des rumeurs et des listes, mais pas de carte solide du code réel.
C'est là qu'intervient ce document. Les auteurs ont agi comme des chercheurs de trésors numériques, plongeant dans GitHub (une immense bibliothèque où les développeurs stockent leur code) pour construire la première carte massive et vérifiée de ces projets MCP.
La Grande Fouille
L'équipe ne s'est pas contentée de deviner ; elle a construit un pipeline robotique super intelligent pour traquer les indices. Ils ont commencé avec 3 238 projets potentiels mentionnant « MCP ». Mais tous les projets qui disent « Je suis un projet MCP » ne le sont pas réellement. Certains n'étaient que des coquilles vides, d'autres étaient de simples tutoriels, et certains utilisaient le nom « MCP » pour tout autre chose (comme un mod de jeu pour Minecraft, et non un outil d'IA).
Pour parvenir à la vérité, ils ont effectué un contrôle de santé en plusieurs étapes :
- La vérification du CV : Le projet avait-il des mises à jour récentes ? S'il n'avait pas bougé depuis neuf mois, il était éliminé.
- Le scan du code : Ils ont recherché des fichiers « empreintes digitales » spécifiques (comme
package.jsonoupyproject.toml) qui prouvent que le projet tente réellement de se connecter au système MCP. - La vérification de la structure : Ils ont cherché des dossiers et des points d'entrée spécifiques qui montrent que le code est prêt à être exécuté, et non simplement présent en tant que concept.
Après tout ce filtrage, ils ont trouvé 2 297 projets qui étaient les vrais. Ils ont été si prudents que lorsqu'ils ont vérifié manuellement un échantillon aléatoire, ils ont constaté que le processus était précis à 83 %. Ils ont même repéré 90 projets qui semblaient être de vrais outils mais qui n'étaient en fait que des modèles de « démonstration » sans parties fonctionnelles, et ils les ont exclus de la liste finale.
Que font ces projets ?
Une fois qu'ils ont obtenu leur liste de 2 297 projets vérifiés, ils les ont classés en trois rôles principaux, comme des personnages dans une pièce de théâtre :
- Les Clients : Ce sont les « demandeurs ». Ils sont comme les mains du robot, tendant la main pour demander des outils. (Pensez à une interface de chat demandant la météo).
- Les Serveurs : Ce sont les « fournisseurs ». Ils détiennent les outils et les transmettent lorsqu'on les leur demande.
- Les Passerelles (Gateways) : Ce sont les « intermédiaires » ou les traducteurs. Ils aident différents systèmes à communiquer entre eux, comblant les lacunes entre l'IA et les services extérieurs.
Les données suggèrent que Python et TypeScript sont les langages vedettes pour construire ces outils. Ils dominent la scène, tant pour les demandeurs (Clients) que pour les fournisseurs (Serveurs). Curieusement, les « intermédiaires » (Passerelles) aiment aussi utiliser Go, un langage connu pour sa rapidité et sa fiabilité.
Comment sont-ils construits ?
Le document suggère que la plupart de ces projets ne sont pas de massifs monolithes corporatifs. Au contraire, ils ressemblent à de petites équipes agiles. Le projet typique compte environ 4 contributeurs uniques et 70 commits (mises à jour). Les développeurs semblent préférer faire de petits ajustements fréquents plutôt que de grosses mises à jour effrayantes d'un seul coup.
Ce que cela signifie
Ce document ne prétend pas avoir résolu tous les mystères des outils d'IA. Au lieu de cela, il fournit une base solide et étayée par des preuves. Il suggère que bien que l'écosystème se développe rapidement, il est actuellement dominé par quelques langages clés et suit un modèle spécifique de développement itératif et de petite taille. En fournissant aux chercheurs une liste propre et vérifiée de 2 297 projets réels, ce travail prépare le terrain pour de futures études visant à comprendre comment ces connexions d'IA évoluent réellement, plutôt que de simplement deviner sur la base du battage médiatique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.