Stack Agent IA 2026 : comment GPT, Gemini, Claude, MCP, Function Calling et JSON Schema travaillent ensemble

La capacité du modèle n’est pas la ligne de partage. La ligne de partage est le contrat d’outils : JSON Schema + Function Calling + MCP.

0. Conclusion d’abord

Si vous assemblez une pile Agent IA pour 2026, verrouillez cette phrase : GPT, Gemini et Claude sont des couches de raisonnement remplaçables. La livraison dépend de ce que les arguments Function Calling passent un seul JSON Schema, et de ce que ce schéma soit exposé par un serveur MCP stable. Choisir le modèle d’abord et boulonner les outils ensuite a été l’erreur d’ordre la plus coûteuse des deux dernières années.

1. Pourquoi le problème existe : choisir le modèle d’abord échoue

Le ticket dit souvent « nous sommes passés au dernier GPT / Claude / Gemini et l’agent ne travaille toujours pas ». Le goulot n’est rarement pas le modèle. Les équipes maintiennent quatre contrats qui dérivent : tools OpenAI, functionDeclarations Gemini, tools / tool_use Claude, plus inputSchema MCP. Tout ressemble à Function Calling. À l’exécution, ce n’est pas le même protocole.

L’ancienne approche échoue concrètement : le Prompt devient le workflow, le modèle un OS, MCP « un plugin de plus ». Le chat paraît fluide jusqu’à ce que tools/call touche des chemins, des enums ou des champs requis et renvoie 400. On débat ensuite quel modèle est plus obéissant au lieu de differ le schéma. Un modèle plus intelligent ne soigne pas un contrat fendu.

• Le Host vit dans l’IDE, le serveur MCP sur un portable qui dort — Function Calling tourne à vide.
• GPT voit repoPath, Claude voit repo_path ; il n’y a pas de source unique de vérité dans JSON Schema.
• Les déclarations Gemini omettent additionalProperties: false, le modèle invente des champs.
• tools/list renvoie un schéma qui n’est pas le SHA git utilisé par le validateur en production.

Séparez « peut-il raisonner ? » de « peut-il exécuter en sécurité ? ». Le raisonnement peut tourner entre GPT, Gemini ou Claude. L’exécution doit reposer sur un schéma et un processus MCP toujours allumé. Pour le choix de machine, voir Déploiement MCP : Cloud Mac vs VPS vs local.

2. Taxonomie en cinq couches

Ne aplatissez pas ces termes en encyclopédie. Un agent 2026 exécutable a cinq couches. S’il en manque une, une autre fera semblant de compenser — et échouera en production.

2.1 Raisonnement : GPT / Gemini / Claude

GPT, Gemini et Claude lisent le contexte, décident d’appeler un outil, émettent des arguments valides au schéma, et replient les résultats dans le tour suivant. Ils ne sont ni votre système de fichiers ni Git. Choisissez-les pour la latence, la fenêtre de contexte, le prix et la politique de sécurité — pas parce que l’un ressemble à un OS. Docs : OpenAI Function Calling, Gemini function calling, Claude tool use.

2.2 Function Calling : un accent, pas un bus

Function Calling est la façon dont un modèle dit quelle fonction lancer et avec quels arguments. GPT utilise tool_calls, Claude des blocs tool_use, Gemini functionCall. Les accents diffèrent ; le sens est le même : un appel structuré contraint par le schéma. Trois handlers divergeront en un trimestre. Gardez un traducteur mince ; la logique métier ne doit voir que du JSON normalisé.

2.3 JSON Schema : le contrat inter-éditeurs

JSON Schema nomme types, champs requis, enums, plages et additionalProperties. Les parameters OpenAI, input_schema Claude et inputSchema MCP doivent être des projections d’un seul fichier. Mettez le contrat dans git. Testez-le avec des payloads légaux et illégaux. Ne demandez pas au modèle, par Prompt, de « suivre le format ».

2.4 MCP : rendre le contrat découvrable et exécutable

Model Context Protocol définit comment un Host exécute tools/list et tools/call. Le serveur MCP est le processus qui touche disque, secrets et réseaux. Cursor, Claude Code et les orchestrateurs maison ne sont que des clients. Sans MCP, le schéma reste dans la doc. Avec MCP sur un portable qui dort, Function Calling meurt quand même la nuit. Voir Cursor MCP.

2.5 Host : l’entrée, pas la capacité

Le Host est l’endroit où un humain clique : IDE, agent CLI, application de chat. L’entrée façonne l’UX ; elle n’accorde pas l’exécution. Claude Code comme Host et GPT en secours, c’est acceptable si les deux frappent le même MCP et le même schéma. Les worktrees parallèles veulent le Host à côté du dépôt — Mac distant + worktree en location courte.

3. GPT vs Gemini vs Claude vs MCP

Mêmes en-têtes sur chaque ligne. MCP n’est pas un quatrième modèle ; c’est la découverte et l’exécution. Le mettre dans le même tableau empêche d’utiliser un modèle comme bus.

Ligne asymétrique : les modèles concourent sur le raisonnement et l’accent ; MCP concourt sur la frontière d’exécution. Passer à Claude ne répare pas un processus MCP qui dort avec le capot. Ajouter MCP ne fabrique pas de JSON valide sans tests de schéma.

4. Comment choisir selon le scénario

Alignez entrée et besoin d’exécution. N’alignez pas un classement.

5. Piles recommandées

Les piles peuvent se superposer. Les trois gardent un JSON Schema dans git et génèrent le Function Calling éditeur plus le inputSchema MCP.

Pile A | solo : Cursor ou Claude Code (Host)
  → un modèle (Claude ou GPT d’abord ; interchangeable)
  → MCP stdio local (Git en lecture seule)
  → fichier schéma + tests de validateur
  Fermer le capot arrête tout — PoC de jour seulement.

Pile B | équipe qui livre (recommandé) : agent CLI comme Host
  → GPT / Claude derrière une passerelle
  → serveur MCP Git + outils de test sur Cloud Mac
  → schéma → OpenAI tools / Claude input_schema / MCP inputSchema
  → location 48 h : fermer le portable, confirmer que tools/call marche encore

Pile C | passerelle multi-modèles : votre orchestrateur
  → Gemini pour l’entrée multimodale ; Claude/GPT pour les boucles d’outils code
  → chaque functionCall / tool_use passe JSON Schema avant MCP tools/call
  → MCP colocalisé avec le dépôt ; les API modèles restent sur l’internet public

Contrat minimal (les noms de champs doivent rester identiques en projection vers OpenAI parameters, Claude input_schema et MCP inputSchema) :

{
  "name": "git_status",
  "description": "Return git status for a worktree path",
  "parameters": {
    "type": "object",
    "properties": {
      "repo_path": { "type": "string", "minLength": 1 },
      "porcelain": { "type": "boolean", "default": true }
    },
    "required": ["repo_path"],
    "additionalProperties": false
  }
}

6. Pièges

• Piège 1 : Verrouiller GPT vs Claude d’abord. Les trois catalogues d’outils forkeront définitivement.
• Piège 2 : Traiter MCP comme un quatrième modèle. MCP ne raisonne pas ; il exécute. MCP sans schéma est du RPC non typé.
• Piège 3 : Remplacer JSON Schema par un Prompt. additionalProperties: false bat « merci de ne pas inventer de champs ».
• Piège 4 : Un payload Function Calling valide n’est pas une action métier sûre. Le modèle peut légalement demander de supprimer le mauvais arbre — la liste blanche vit dans le processus MCP.
• Piège 5 : Un succès stdio local n’est pas la production. Capot fermé, sauts Wi‑Fi, collègues qui ne réutilisent pas le même déploiement MCP tuent le 7×24.

7. Sept étapes de déploiement

1. Nommez les trois actions que l’agent doit exécuter (git status, tests, lire un ticket). Ne branchez pas vingt outils MCP le premier jour.
2. Écrivez un JSON Schema par action dans git. Ajoutez des fixtures légales et illégales.
3. Implémentez un serveur MCP dont inputSchema importe ces fichiers — pas de copies à la main.
4. Ajoutez un adaptateur éditeur qui projette le même schéma vers OpenAI tools, Gemini functionDeclarations et Claude input_schema.
5. Utilisez un Host (Cursor ou Claude Code) pour prouver tools/list → Function Calling → tools/call → repli du résultat.
6. Déplacez MCP vers une machine qui ne dort jamais (Cloud Mac ou VPS). Ne laissez que le Host sur le portable. Fermez le capot huit heures et retestez.
7. Attachez un second modèle uniquement via le traducteur. Ne copiez pas un second fichier tools. Relancez les mêmes fixtures. Pour empaqueter les flux, voir guide Agent Skills 2026.

8. FAQ

Function Calling et MCP sont-ils la même chose ?

Non. Function Calling est la façon dont un modèle demande à utiliser un outil. MCP est la façon dont un Host découvre et exécute les outils. Vous pouvez écrire des handlers sans MCP. Sans Function Calling, le modèle ne peut qu’émettre de la prose à coller dans un terminal.

Jusqu’où JSON Schema doit-il être strict ?

Couvrez types, required, enums et additionalProperties: false. Rejetez .. dans les champs de chemin. Trop strict augmente le coût d’adaptateur ; trop lâche renvoie la sécurité dans le Prompt — et le Prompt fuira.

Comment répartir le travail entre GPT, Gemini et Claude ?

Par entrée et modalité : Gemini pour l’entrée image/vidéo, Claude pour les longues sessions de code, GPT quand vous avez déjà une passerelle OpenAI. Le routage se fait dans le Host, pas sous forme de trois serveurs MCP différents.

Peut-on sauter MCP et n’utiliser que Chat Completions ?

Oui, pour une application et un modèle. Un second modèle ou un second Host (IDE + CLI) duplique les handlers. La valeur de MCP est de déployer le processus d’outils une seule fois.

Pourquoi poser cette pile sur un Cloud Mac ?

Si la chaîne d’outils inclut Xcode, le Trousseau ou les simulateurs iOS, MCP et l’agent doivent colocaliser et rester allumés. Un VPS Linux convient au Git/HTTP pur. Une livraison Apple qui coupe MCP sur Linux et les builds sur un autre Mac recoupe encore les chemins.

9. Synthèse

La pile Agent IA 2026 n’est pas « choisir le modèle le plus fort ». C’est un JSON Schema, un adaptateur Function Calling, un serveur MCP et un raisonneur GPT/Gemini/Claude interchangeable. Les classements bougent. Les contrats et frontières d’exécution ne doivent pas se réécrire chaque semaine.

Ordre de travail : schéma → MCP → un Host de bout en bout → puis permutation de modèles. Ordre des machines : local pour le PoC, Cloud Mac ou VPS pour la livraison. Lisez les benches si vous voulez — ne les substituez pas aux tests de contrat.