Microsoft a publié la version 2.0 de son SDK C# pour le Model Context Protocol (MCP). Cette mise à jour offre aux développeurs .NET le streaming natif, la compilation ahead-of-time (AOT) et une prise en charge plus étroite de l'injection de dépendances (DI). Des agents IA plus rapides et plus légers peuvent désormais démarrer dans des environnements serverless avec une latence nettement inférieure.

Pourquoi ce SDK est important

Le MCP, un standard ouvert créé par Anthropic, définit la manière dont les grands modèles de langage (LLM) communiquent avec des outils externes. À mesure que de plus en plus d'entreprises développent des flux de travail pilotés par les LLM, un protocole commun réduit le besoin d'adaptateurs personnalisés. En intégrant le protocole à l'écosystème .NET, Microsoft le place directement dans la pile technologique qui alimente de nombreux back-ends d'entreprise.

Ce que permettent les nouvelles fonctionnalités

  • Prise en charge du streaming – Au lieu d'attendre une réponse complète du LLM, un client traite chaque jeton (token) ou sortie d'outil dès son arrivée. Un seul aller-retour prolongé devient une série de mises à jour incrémentielles, ce qui rend les agents interactifs plus réactifs.
  • Compilation Native AOT – Le SDK compile à l'avance (ahead-of-time) en un binaire natif. L'exécutable résultant est plus petit et se lance plus rapidement, un avantage certain pour Azure Functions ou d'autres plateformes serverless où le temps de démarrage à froid (cold-start) influe sur les coûts.
  • Intégration DI améliorée – Le SDK se branche désormais directement dans le conteneur d'injection de dépendances intégré de .NET. Les développeurs enregistrent les services MCP aux côtés des services métier existants, ce qui permet de garder une configuration centralisée et testable.

Implications pour les entreprises

La plupart des back-ends d'entreprise fonctionnent déjà sous .NET, ce qui permet au SDK d'éliminer un point de friction majeur : la traduction de la logique métier interne en outils « prêts pour l'IA ». Les équipes peuvent exposer des services existants — traitement des commandes, consultation des stocks, requêtes CRM — en tant que fonctions accessibles par les LLM sans avoir à construire une couche API distincte. Le streaming réduit la latence perçue par les utilisateurs finaux, tandis que l'AOT permet d'économiser du temps et de l'argent sur la consommation Azure.