Comment connecter n'importe quel agent IA à votre propre mémoire grâce à un seul MCP doté de deux outils
La mémoire et les compétences intégrées à ChatGPT ou à Claude sont pratiques, mais elles vous lient à un seul service. L'auteur de la chaîne « LLM sous le capot » ne loue que le « noyau » de l'agent et conserve son contexte chez lui, qu'il expose via un seul MCP (le connecteur standard entre les IA et les outils) doté de deux outils. Ce MCP sert de chargeur : Claude sur téléphone ou Codex sur ordinateur portable récupèrent l'environnement au besoin. Le noyau peut changer, le contexte reste le vôtre.
Traité par IA depuis TG: @llm_under_hood (LLM под капотом) ; édité par Hamidun News
Imaginez que vous ayez passé six mois à configurer dans ChatGPT la mémoire, les compétences et les services connectés, puis qu'un autre modèle devienne le meilleur. Le changement se transforme alors en projet, car tout ce qui s'est accumulé vit à l'intérieur d'un produit précis. L'auteur de la chaîne Telegram « LLM sous le capot » a fait face à ce problème en mettant au point un mode de travail confortable avec les agents, d'abord pour lui-même, puis pour des équipes.
Sa solution tient en une phrase : on loue le noyau agentique auprès des meilleurs du marché, et l'on garde pour soi le contexte, la mémoire et les outils. Pour cela, il fait transiter dans tous les clients un seul serveur MCP (MCP est le protocole standard par lequel les applications d'IA se connectent à des outils et des données externes) doté de deux outils.
Comment fonctionne le schéma habituel
Dans la configuration classique, l'agent occupe le centre. Il s'agit le plus souvent de ChatGPT ou de Claude, avec une mémoire partagée et des outils toujours disponibles : c'est ainsi que travaille la plupart des gens. Plus rarement, on trouve un harnais agentique maison (l'enveloppe logicielle autour du modèle) sur un serveur : Codex, Claude Code, Hermes et d'autres du même type. On s'y connecte via un terminal, un chat ou une interface web. Il existe aussi des agents cloud comme Dot, à mi-chemin entre les deux premiers cas, et de très rares solutions artisanales.
L'avantage majeur de ces systèmes centrés sur l'agent tient à ce que les intégrations et les outils fonctionnent d'emblée, et que peu d'utilisateurs se demandent comment tout cela est construit. Mais en y regardant de plus près, ces produits partagent un noyau commun. Selon l'auteur, ChatGPT, Codex et d'autres reposent sur le même socle : l'Agents SDK d'OpenAI. La mémoire et les compétences se rattachent au noyau de l'extérieur. Les employés d'OpenAI eux-mêmes, comme le souligne le message, affirment que les modèles progressent si vite que les SDK et les harnais complexes pourraient bientôt devenir peu utiles. Si c'est le cas, la valeur se déplace de l'enveloppe vers ce que l'on y charge, c'est-à-dire vers votre contexte.
Un seul MCP à la place de la mémoire intégrée
L'auteur loue le noyau via un abonnement (Claude et ChatGPT), mais n'utilise pas la mémoire, les compétences et les outils intégrés de ces services. Ce qui compte pour lui, c'est de pouvoir brancher n'importe quel noyau et accéder à son contexte aussi bien depuis Claude sur mobile que depuis Dot ou Codex sur un ordinateur portable.
Pour cela, il ajoute à chaque client un unique serveur MCP ne comptant que deux outils. Il s'agit d'une sorte de « chargeur », légèrement optimisé pour le noyau agentique. Par son intermédiaire, et grâce au principe de progressive disclosure (divulgation progressive), le noyau charge l'ensemble de l'environnement de travail et commence à s'en servir. Une comparaison du quotidien : on ne remet pas à un nouvel employé toutes les archives de l'entreprise le premier jour. On lui donne un badge, on lui montre où se trouve chaque chose, et le reste, il le consulte au fur et à mesure de ses besoins.
Les équipes y trouvent aussi un avantage. Comme l'accès passe par un point d'entrée unique, le chargeur peut définir des droits et des outils différents selon la personne qui lance l'agent et l'endroit d'où elle le fait. Un même contexte est accessible depuis le client mobile et depuis l'ordinateur portable, mais les capacités peuvent varier d'un cas à l'autre.
De l'essaim au Company Brain
Si l'on fait tourner plusieurs noyaux différents sur un contexte commun, on obtient un essaim d'agents : l'auteur a déjà présenté de telles expériences dans sa chaîne. Et si l'on décrit en détail les processus de travail et les règles de transmission des tâches entre humains et agents, on arrive à ce que Y Combinator appelle un Company Brain, le « cerveau de l'entreprise ».
Ce qu'il faut retenir
Pour un développeur ou un product manager, la conclusion est pragmatique. Avant d'intégrer aux processus la mémoire et les compétences d'un fournisseur donné, demandez-vous si vous pourrez les emporter avec vous. Si le contexte se trouve dans votre propre infrastructure et reste accessible via un protocole standard comme MCP, changer de modèle revient à changer d'abonnement.
Les limites sont réelles. Il s'agit de la description d'une pratique personnelle de l'auteur, et non d'un benchmark : le message ne fournit aucun chiffre sur l'économie de tokens, la vitesse ou le coût. Il faudra construire et maintenir soi-même son chargeur, ses droits d'accès et son stockage de contexte, alors que les fonctions intégrées de ChatGPT et de Claude sont disponibles gratuitement et immédiatement. Le schéma s'adresse à ceux qui sont prêts à posséder leur propre couche de mémoire et à en assumer la qualité. Pour les équipes qui ne veulent pas dépendre d'un seul fournisseur, l'idée « on loue le noyau, on possède le contexte » constitue néanmoins un point de départ raisonnable.
- 21 nov. 2026L'agent Skein efface les étapes passées du contexte : 97 % de réussite, mais plus cher qu'OpenCode
- 21 nov. 2026Plutôt que Cursor : six agents de code open source, OpenCode affiche 228 000 étoiles sur GitHub
- 21 nov. 2026L'agent ClawDOS écrit et exécute du code sur un IBM PC 5160 : les nombres premiers en 64 secondes
- 21 nov. 2026Apple prépare un agent IA et complique l'accès aux tiers : l'autorisation passe désormais par 14 étapes, contre 4 auparavant
Questions clés sur cet article
Comment fonctionne le schéma habituel?
Dans la configuration classique, l'agent occupe le centre. Il s'agit le plus souvent de ChatGPT ou de Claude, avec une mémoire partagée et des outils toujours disponibles : c'est ainsi que travaille la plupart des gens. Plus rarement, on trouve un harnais agentique maison (l'enveloppe logicielle autour du modèle) sur un serveur : Codex, Claude Code, Hermes et d'autres du même type. On s'y connecte via un terminal, un chat ou une interface web.
Que sait-on sur Un seul MCP à la place de la mémoire intégrée ?
L'auteur loue le noyau via un abonnement (Claude et ChatGPT), mais n'utilise pas la mémoire, les compétences et les outils intégrés de ces services. Ce qui compte pour lui, c'est de pouvoir brancher n'importe quel noyau et accéder à son contexte aussi bien depuis Claude sur mobile que depuis Dot ou Codex sur un ordinateur portable. Pour cela, il ajoute à chaque client un unique serveur MCP ne comptant que deux outils. Il s'agit d'une sorte de « chargeur », légèrement optimisé pour le noyau agentique.
Que sait-on sur De l'essaim au Company Brain ?
Si l'on fait tourner plusieurs noyaux différents sur un contexte commun, on obtient un essaim d'agents : l'auteur a déjà présenté de telles expériences dans sa chaîne. Et si l'on décrit en détail les processus de travail et les règles de transmission des tâches entre humains et agents, on arrive à ce que Y Combinator appelle un Company Brain, le « cerveau de l'entreprise ».
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.