MCP vs A2A vs AGENTS.md : quelle couche fait quoi en 2026 ?

Si les agents IA vous semblent plus difficiles à évaluer en 2026 qu’il y a un an, ce n’est pas une impression. La conversation a dépassé le « quel modèle choisir ? » pour se porter sur quelle couche résout quelle partie de la stack. Le guide des protocoles d’agents publié par Google en mars 2026 a montré à quelle vitesse le paysage s’est étoffé, tandis que la mise à jour d’avril 2026 de la Linux Foundation sur A2A a confirmé la rapidité du passage de la théorie à la production. Pour les équipes qui construisent des systèmes réels, MCP vs A2A est désormais une véritable question d’architecture, pas un simple débat d’acronymes.

Cet article se concentre volontairement sur MCP, A2A et les fichiers d’instructions de dépôt, car ce sont les couches que la plupart des développeurs rencontrent en premier. Le paysage plus large de Google inclut aussi UCP, AP2, A2UI et AG-UI, mais l’objectif ici est de simplifier les décisions d’implémentation les plus fréquentes, pas de cataloguer chaque norme émergente.

Pourquoi les couches d’agents comptent aujourd’hui

Le plus grand changement dans l’outillage des agents, c’est que les fournisseurs commencent à converger vers des couches plus nettes, au lieu de tout livrer dans un paquet propriétaire. Dans le Developer’s Guide to AI Agent Protocols de Google, MCP, A2A, UCP, AP2, A2UI et AG-UI sont présentés comme différentes pièces d’un même problème : comment les agents accèdent aux outils, communiquent, effectuent des transactions et affichent des interfaces.

C’est important, car les équipes en production n’ont pas seulement besoin d’un modèle intelligent. Elles ont besoin d’un système capable de :

• atteindre outils et sources de données de manière fiable
• se coordonner entre plusieurs agents ou services
• respecter les instructions et contraintes propres au dépôt
• s’exécuter dans un environnement d’exécution maîtrisé
• rester gouvernable à mesure que plus d’équipes l’adoptent

C’est pour cela que le sujet prend de l’ampleur. OpenAI expose un outil MCP dans la Responses API, Anthropic positionne Claude Code comme un système de codage agentique qui travaille à travers les fichiers et les outils, et A2A a dépassé les 150 organisations soutiens. L’écosystème ne se stabilise pas. Il se structure en couches.

Ce que fait MCP

MCP, ou Model Context Protocol, est la couche outils et contexte. Son rôle est de donner à un agent une façon standard de découvrir des outils, de les appeler et de travailler avec du contexte externe sans que chaque intégration devienne un développement sur mesure.

En pratique, MCP est ce que vous utilisez quand votre agent doit :

• interroger des APIs internes
• chercher dans de la documentation
• inspecter des bases de données
• interagir avec des catalogues produits ou des systèmes de tickets
• appeler des services externes via une interface cohérente

La documentation officielle d’OpenAI décrit l’outil MCP comme un moyen de connecter les modèles à la fois à des serveurs MCP distants et à des connecteurs dans la Responses API. C’est un signal important : MCP a clairement quitté le stade de la démo pour intégrer les chemins d’implémentation standard.

Si vous avez déjà monté un serveur personnalisé, cela doit vous parler. Notre guide pour construire des serveurs MCP personnalisés traite exactement ce sur quoi beaucoup d’équipes butent en premier : permettre à un agent de codage d’accéder à de vraies données métier, au-delà de ce qui tient dans un prompt.

MCP n’est pas la coordination entre agents

C’est là que les équipes se perdent.

MCP peut donner à un agent l’accès à des outils et à des données, mais il ne résout pas à lui seul tout problème d’orchestration. Si un agent doit demander à un autre agent de faire du travail, lui passer une tâche ou négocier avec plusieurs agents spécialisés, vous êtes au-delà de l’accès aux outils.

C’est là qu’entre A2A.

Ce que fait A2A

A2A, ou Agent2Agent, est la couche de coordination. Elle est conçue pour les cas où un agent doit communiquer avec un autre agent de façon sûre et prévisible.

Google a annoncé A2A en avril 2025, et le projet a ensuite été confié à la Linux Foundation. En avril 2026, la Linux Foundation a indiqué qu’A2A avait dépassé les 150 organisations soutiens et connaissait déjà un usage en production en entreprise.

A2A est donc pertinent quand votre architecture comporte :

• un agent planificateur qui délègue à des agents spécialistes
• des agents d’éditeurs ou de services différents qui doivent collaborer
• des workflows inter-systèmes où aucun agent ne pilote seul toute la tâche
• des passages de relais entre agents qui demandent plus de structure qu’un simple échange de prompts

A2A ne remplace pas MCP

A2A et MCP répondent à des problèmes différents.

• Utilisez MCP quand un agent a besoin d’outils, de contexte ou de données externes.
• Utilisez A2A quand des agents doivent se parler en tant qu’agents.

Un bon modèle mental :

1. Un agent utilise MCP pour atteindre un outil ou un service.
2. Ce même agent peut utiliser A2A pour déléguer une partie du workflow à un autre agent.
3. Les deux peuvent coexister dans un même système en production.

La vraie question n’est donc pas « MCP ou A2A ? ». C’est le plus souvent « où chacun s’inscrit-il dans la stack ? ».

Où se situent AGENTS.md et CLAUDE.md

C’est la partie qui crée le plus de confusion, car AGENTS.md et CLAUDE.md ne sont pas des protocoles réseau.

Ce sont des couches d’instructions.

La documentation d’Anthropic décrit les fichiers CLAUDE.md comme des fichiers Markdown donnant à Claude des instructions persistantes pour un projet, un workflow personnel ou une organisation. La documentation Copilot de GitHub indique de la même manière que vous pouvez créer un ou plusieurs fichiers AGENTS.md dans un dépôt, le fichier le plus proche dans l’arborescence ayant la priorité. GitHub documente aussi la prise en charge de CLAUDE.md et GEMINI.md à la racine, ce qui confirme que les fichiers d’instructions de dépôt deviennent une couche reconnue dans les workflows d’agents de codage.

Ces fichiers répondent à une autre question :

Comment l’agent doit-il se comporter dans ce code ou ce projet ?

Ils sont parfaits pour encoder des choses comme :

• les commandes de setup et de tests
• les standards de code et règles d’organisation des fichiers
• les patterns d’architecture préférés
• les checklists de revue
• les contraintes de déploiement
• les avertissements propres au dépôt et les zones « à ne pas toucher »

Le projet AGENTS.md décrit ce format comme une manière simple et ouverte de guider les agents de codage, une sorte de README destiné aux agents plutôt qu’aux humains.

AGENTS.md et CLAUDE.md relèvent de la gouvernance, pas du transport

La façon la plus claire de les penser :

• MCP dit à l’agent comment atteindre outils et contexte.
• A2A dit aux agents comment collaborer.
• AGENTS.md et CLAUDE.md disent à un agent comment se comporter dans votre dépôt.

Si vous avez déjà expérimenté avec des règles au niveau du dépôt, notre article sur les configurations modulaires de CLAUDE.md est le complément naturel de ce sujet.

Un comparatif rapide pour les builders

Couche	Idéal pour	À éviter pour	Exemple
MCP	Accès aux outils et au contexte externe	Déléguer entre agents à elle seule	Un agent de codage qui interroge des docs ou APIs internes
A2A	Coordination entre agents	Remplacer votre couche d’accès aux outils	Un planificateur qui passe des tâches à des agents spécialisés
AGENTS.md / CLAUDE.md	Comportements et règles propres au dépôt	Interopérabilité réseau ou exécution d’outils distants	Indiquer à l’agent quelles commandes, tests et conventions utiliser

Comment les grandes plateformes convergent

Ce sujet devient important parce que les grandes plateformes commencent à s’aligner sur des briques similaires, même sous des noms de produit différents.

La documentation d’OpenAI prend désormais en charge MCP dans la Responses API, et la mise à jour d’avril 2026 de l’Agents SDK a ajouté une exécution native en sandbox pour que les agents puissent exécuter du code, manipuler des fichiers et travailler dans des environnements informatiques contrôlés.

La présentation de Claude Code d’Anthropic positionne Claude Code comme un agent de codage qui lit les codebases, édite des fichiers, lance des commandes et s’intègre aux outils de développement. Son modèle de mémoire projet fait des instructions de dépôt un citoyen de premier rang via CLAUDE.md.

De son côté, GitHub documente les instructions personnalisées de dépôt avec la prise en charge d’AGENTS.md dans Copilot, ce qui normalise l’idée que les agents de codage ont besoin d’indications explicites sur le projet, et pas seulement d’un accès au modèle.

Le schéma commun devient plus lisible :

• instructions pour la façon dont l’agent doit se comporter
• outils et contexte pour ce à quoi il peut accéder
• exécution pour ce qu’il peut exécuter en toute sécurité
• coordination pour la façon dont les agents travaillent ensemble

Ce modèle en couches est bien plus durable que de courir après la feature produit qui fait la une du mois.

Un cadre de décision simple pour les builders

Quand des équipes demandent MCP vs A2A, elles n’ont pas besoin d’un cours d’histoire des protocoles. Elles ont besoin d’une décision de build.

Choisissez MCP quand le problème est l’accès aux outils

Choisissez MCP quand votre agent a surtout besoin d’atteindre des systèmes externes de façon standardisée.

Exemples :

• permettre à un agent de codage d’interroger vos docs internes ou un schéma d’API
• connecter un agent support à votre CRM, helpdesk ou outils de facturation
• exposer une base de données ou une API de workflow à plusieurs agents-clients

Choisissez A2A quand le problème est la délégation

Choisissez A2A quand votre architecture comporte plusieurs agents aux rôles distincts qui doivent se coordonner de manière formelle.

Exemples :

• un planificateur qui confie du travail à un agent de recherche et à un agent de codage
• un assistant d’entreprise qui route les tâches vers des agents métier
• des workflows multi-éditeurs où la structure des messages et les frontières de confiance comptent

Choisissez AGENTS.md ou CLAUDE.md quand le problème est la cohérence

Choisissez les fichiers d’instructions de dépôt quand le principal souci est que l’agent ne comprend pas comment votre projet fonctionne.

Exemples :

• il lance les mauvaises commandes
• il ignore vos standards de tests
• il restructure les fichiers d’une manière que votre équipe déteste
• il lui faut des règles différentes dans différentes parties d’un monorepo

Utilisez les trois dans les systèmes sérieux

Beaucoup de déploiements réels utiliseront :

• AGENTS.md ou CLAUDE.md pour le comportement dans le dépôt
• MCP pour les outils et le contexte externe
• A2A pour la coordination multi-agents

Ce n’est pas de la sur-ingénierie. C’est simplement séparer les responsabilités proprement.

Erreurs fréquentes en mélangeant les protocoles

La meilleure façon de créer de la confusion est de traiter chaque nouveau format d’agent comme s’il résolvait le même problème.

Voici les erreurs les plus courantes :

Confondre fichiers d’instructions et standards d’interopérabilité

Un fichier AGENTS.md peut améliorer un agent dans votre dépôt. Mais il ne résout pas à lui seul l’accès aux outils, les actions distantes ou les passages de relais entre agents.

Utiliser MCP comme couche d’orchestration universelle

MCP est puissant, mais le forcer à remplacer la coordination multi-agents crée généralement des bricolages fragiles au niveau du prompt plutôt que des patterns de délégation clairs.

Ignorer les frontières d’exécution

À mesure que les capacités d’agents grandissent, l’exécution compte autant que le raisonnement. Le récent effort d’OpenAI sur le sandbox en est un signe. Si votre agent peut écrire des fichiers, installer des dépendances ou lancer des commandes, il vous faut une frontière d’exécution intentionnelle et pas seulement de l’espoir dans le prompt.

Négliger la gouvernance dans les workflows de codage

Les équipes câblent souvent les outils d’abord, avant de réaliser que l’agent viole régulièrement les normes du projet. C’est pour cela que les fichiers d’instructions de dépôt comptent autant, surtout dans les grandes équipes et les monorepos.

Si la gouvernance est la pièce manquante de votre déploiement, notre article sur sécuriser les workflows d’agents de codage IA mérite d’être lu avant d’élargir l’accès aux outils.

Que mettre en place en premier

Si vous construisez maintenant, démarrez dans cet ordre :

1. Ajoutez des instructions au niveau du dépôt avec AGENTS.md ou CLAUDE.md pour donner à l’agent des règles locales.
2. Ajoutez MCP pour les intégrations d’outils et de contexte qui ont le plus de valeur.
3. Ajoutez une frontière d’exécution telle qu’un environnement sandboxé avant d’élargir l’autonomie.
4. Ajoutez A2A uniquement quand vous avez vraiment plusieurs agents qui ont besoin d’une coordination formelle.

Cet ordre ancre votre déploiement dans de la valeur réelle. La plupart des équipes progressent davantage avec de meilleures instructions et un meilleur accès aux outils avant d’avoir besoin d’une topologie multi-agents complète.

Et après ?

La meilleure façon de penser MCP vs A2A est qu’ils appartiennent à des couches distinctes de la même stack émergente. MCP gère les outils et le contexte. A2A gère la collaboration. AGENTS.md et CLAUDE.md gèrent le comportement propre au projet.

Cette séparation est une bonne nouvelle. L’écosystème d’agents devient plus facile à raisonner, tout en gagnant en puissance.

Si vous construisez des workflows d’agents de codage en 2026, commencez par rendre votre dépôt lisible pour l’agent, branchez ensuite les bons outils, et n’ajoutez de la coordination que là où sa complexité est réellement justifiée. Pour une étape suivante concrète, lisez nos guides sur les agents de codage IA en 2026, les serveurs MCP personnalisés et les configurations modulaires de CLAUDE.md.