Pourquoi MCP est le chaînon manquant entre l'IA et l'infrastructure

J'ai été témoin de l'évolution d'Internet, de la virtualisation, du cloud et de l'IA/ML. Mais je n'ai jamais été aussi enthousiaste face à ce qui se passe actuellement.

Une planification rigoureuse, des fenêtres de changement délibérées et un travail manuel considérable ont caractérisé la majeure partie de ma carrière d'architecte de stockage et de responsable des opérations informatiques. Les environnements informatiques mondiaux complexes sont chargés d'années d'historique opérationnel, d'une dette technique accumulée et d'innombrables décisions du type « nous réglerons cela plus tard ».

L'IA agentive possède un potentiel énorme, mais un problème a toujours existé : l'IA ne peut pas gérer une infrastructure qu'elle ne comprend pas.

C'est là que Model Context Protocol (MCP) intervient.

Ce qui semblait encore utopique il y a quelques mois est désormais quelque chose que nous utilisons activement au sein de NetApp IT. MCP est devenu le socle de nos opérations assistées par l’IA, fournissant aux agents d’IA le contexte infrastructurel dont ils ont besoin pour analyser les problèmes, interroger ONTAP environnements, identifier les causes profondes et accélérer le dépannage d’une manière qui n’était pas possible auparavant.

Ce qui n'était au départ qu'une vision pour l'avenir est rapidement devenu une partie intégrante de notre mode de fonctionnement actuel.

Le problème d'IA que résout MCP

L'IA excelle remarquablement dans le raisonnement, mais le raisonnement seul ne suffit pas dans les infrastructures d'entreprise.

Un modèle d'IA ne comprend pas automatiquement vos clusters ONTAP, SnapMirror relations, votre topologie de stockage, vos normes opérationnelles ni des décennies de décisions de configuration accumulées. Sans ce contexte, l'IA est contrainte de deviner. Elle peut consulter la documentation, déduire les intentions et formuler des recommandations, mais elle ne possède pas les connaissances opérationnelles nécessaires pour interagir efficacement avec une infrastructure en production.

MCP change la donne.

En termes simples, MCP offre aux agents d'IA une méthode structurée pour comprendre et interagir avec des systèmes comme ONTAP. Il leur fournit les commandes, les capacités et les connaissances opérationnelles nécessaires pour accomplir un travail pertinent, au lieu de se fier à des suppositions.

Considérez MCP comme un traducteur entre l'IA et l'infrastructure. Au lieu d'obliger un modèle d'IA à interroger ONTAP à chaque requête, MCP lui offre un moyen fiable de comprendre quelles actions sont disponibles, comment les systèmes sont configurés et comment interagir avec eux en toute sécurité.

Du « et si ? » au « nous le faisons »

Lorsque j'ai commencé à parler d'opérations de stockage améliorées par l'IA, une grande partie de cela semblait théorique.

Imaginez des agents d'IA dédiés au stockage, au réseau, au calcul, au cloud et aux applications, collaborant étroitement lors d'une panne. Chaque agent maîtrise son domaine. Chaque agent analyse sa partie de l'infrastructure. Ensuite, ces agents mettent en relation leurs découvertes et aident à identifier la cause première.

C'était la vision. Nous l'avons maintenant réalisée.

Au sein de NetApp IT, nous utilisons des flux de travail agentiques capables de prendre en charge un ticket ServiceNow, d’en lire la description, de l’enrichir avec le contexte de l’infrastructure, d’interroger ONTAP via MCP, de vérifier les domaines associés et de générer une analyse de type RCA en quelques minutes.

Dans un exemple, un utilisateur a signalé qu'il ne pouvait pas monter un chemin NAS. Le ticket ne précisait pas qu'il s'agissait de NFS. Il n'identifiait pas ONTAP. Il ne précisait pas quel cluster, SVM, volume ou région devait être examiné.

L'agent a finalement trouvé la solution. À l'aide de MCP, il a analysé ServiceNow et les données de la CMDB, inspecté ONTAP, vérifié le système UNIX et déterminé que le problème provenait d'une règle d'export NFS. Il a même confirmé que les autres points de montage de l'hôte fonctionnaient avant de produire une analyse inter-domaines très fiable.

IA agentique en action

Quiconque a déjà géré un incident de niveau 1 connaît le processus. Un ticket arrive. Des personnes rejoignent un pont de coordination. Les équipes commencent à vérifier leurs propres domaines. Le stockage examine le stockage. Le réseau examine les commutateurs. Le calcul examine les hôtes. Les équipes applicatives consultent les journaux.

Imaginez maintenant ceci à la place :

• Un ticket ServiceNow déclenche une enquête par IA
• Un agent coordinateur lit l'énoncé du problème
• Un agent de stockage utilise ONTAP MCP pour inspecter les clusters, SVM, volumes, exports, relations SnapMirror et données de performance pertinents
• Un agent UNIX ou Windows vérifie le côté hôte
• Un agent réseau vérifie l'infrastructure de stockage et la couche 2
• Un coordinateur compare les résultats entre les domaines
• Le système publie un résumé de l'enquête et recommande les prochaines étapes dans le ticket ou la salle de crise

Aujourd'hui, une grande partie de ce que nous faisons est en lecture seule, notamment dans les flux de travail d'incidents en production. La lecture seule présente peu de risques mais a un impact élevé. Si l'IA peut rapidement indiquer aux ingénieurs où regarder, ce qui a changé, ce qui est mal configuré et ce qui est le plus susceptible de causer l'incident, cela seul peut transformer le temps de réponse.

L'IA nous aide à résoudre les problèmes « inhumains »

L'autre grande opportunité est la dette technique.

Toute entreprise rencontre des problèmes qui ne sont pas difficiles en raison de leur complexité conceptuelle. Ils sont difficiles parce qu'ils sont trop vastes, trop fastidieux ou trop distribués pour être résolus efficacement par des humains.

Par exemple, nous pouvons demander à l'IA d'auditer les comptes locaux sur des dizaines de clusters ONTAP et des centaines de nœuds. Il ne s'agit pas d'une simple opération sur tableur. Les informations de dernière connexion peuvent se trouver dans les journaux de sécurité, et non directement sur le compte utilisateur. Un humain devrait collecter les exports, fusionner les données, examiner les journaux, comparer les horodatages et élaborer manuellement un rapport exploitable.

Avec ONTAP MCP, nous pouvons poser des questions en langage naturel et obtenir une analyse complète de la flotte en quelques minutes. Les tâches qui nécessitent des heures de collecte manuelle, de travail sur tableur et d'examen des journaux peuvent désormais être accomplies grâce à une simple invite.

La même idée s'applique aux instantanés vieillissants, aux volumes de destination SnapMirror bloqués, aux configurations incohérentes, aux relations de protection manquantes, à la planification du cycle de vie et à l'hygiène des capacités.

Ce sont des problèmes qui peuvent rester irrésolus pendant des années, car leur résolution manuelle est trop fastidieuse. L’IA activée par MCP nous offre un moyen de les corriger et de les maintenir corrigés.

Si une faille dans l'automatisation laisse derrière elle des volumes de destination orphelins, la solution ne doit pas être un nettoyage ponctuel. La solution doit être un workflow agentique qui vérifie régulièrement cette condition, la signale et, finalement, aide à la corriger via des contrôles approuvés.

Nous passons d'un nettoyage manuel à une hygiène continue.

Le langage naturel élargit les possibilités d'automatisation

L'automatisation ne se limite plus aux personnes qui écrivent du code.

Au début de ce projet, j'ai créé une démo pour mon équipe que j'ai appelée, non sans humour, « Storage Hotness ». L'étape décisive a été de connecter le modèle à ONTAP via MCP. J'ai connecté un agent d'IA à un simulateur ONTAP et j'ai commencé à saisir des requêtes en anglais courant :

• Créez des volumes
• Redimensionner un volume
• Établir des relations SnapMirror
• Montrez-moi ce qui a changé

Je n'avais pas utilisé ONTAP directement depuis près de dix ans, et pourtant je gérais le stockage par le langage naturel. Ce moment a aidé l'équipe à voir ce qui était possible.

Nos rôles évoluent. Les ingénieurs ne disparaissent pas, mais le travail change. Nous devenons des orchestrateurs, des réviseurs et des contrôleurs qualité des opérations assistées par l’IA. Les personnes qui apprennent à utiliser ces outils multiplieront leur impact. Les personnes qui restent enfermées dans des flux de travail manuels auront du mal à suivre.

Pourquoi l’informatique de NetApp est le lieu idéal pour le prouver

NetApp IT occupe une position unique car nous utilisons les mêmes technologies que nos clients.

Nous utilisons ONTAP, StorageGRID, E-Series, Amazon FSx for ONTAP, Cloud Volumes ONTAP, Data Infrastructure Insights et d'autres technologies NetApp dans un véritable environnement d'entreprise mondial.

Nous n'explorons pas l'IA pour le stockage uniquement en laboratoire. Nous l'appliquons à des infrastructures réelles, à des incidents réels, à une dette technique réelle et à des contraintes opérationnelles réelles.

Comme nous exploitons ces technologies à l'échelle de l'entreprise, nous constatons directement comment MCP accélère le dépannage, révèle les capacités inutilisées, identifie les dérives de configuration ou fait ressurgir des années de dette technique accumulée.

Lorsque nous voyons un agent produire une analyse RCA utile en quelques minutes, nous comprenons comment cela peut changer la façon dont les équipes informatiques réagissent aux pannes.

Et quand quelque chose ne fonctionne pas, nous en tirons également des leçons.

Stockage auquel vous pouvez parler

Nous sommes plus proches que beaucoup ne le pensent d'un avenir où l'infrastructure sera gérée par l'intention.

Les dirigeants se demanderont : « De quelle capacité disposons-nous ? »

Les ingénieurs se demanderont : « Quels volumes de production ne sont pas protégés ? »

Les équipes opérationnelles se demanderont : « Qu'est-ce qui a changé avant cet incident ? »

Les équipes de stockage demanderont : « Où se trouve notre capacité inactive ? »

Les agents d'IA recueilleront le contexte, interrogeront l'environnement, analyseront les résultats et recommanderont une action. Cela ne remplace pas le jugement de l'ingénieur, mais l'amplifie.

L'avenir ne réside pas dans le remplacement des ingénieurs de stockage par l'IA. L'avenir, c'est des ingénieurs de stockage commandant des flottes d'agents d'IA capables d'inspecter, d'analyser, de corréler et, à terme, de remédier à une échelle que les humains ne pourraient jamais égaler manuellement.

Pour la première fois de ma carrière, la couche opérationnelle du centre de données est en train d'être réécrite. MCP est un pont reliant le raisonnement de l'IA à l'action réelle sur l'infrastructure. Sans lui, l'IA reste un assistant. Avec lui, l'IA devient un multiplicateur de force opérationnelle.

Et cette fois, ce n'est pas théorique. Nous le faisons déjà.