Conclusion

Nous voyons que le protole MCP permet des interactions plus avancées avec QGIS que les méthodes précédentes.

Le LLM est capable de demander à l'agent de récuperer des informations pour établir un plan d'actions, de revoir ce plan d'actions à chaque étape en fonction de ce qu'il reçoit.

Le LLM est également capable de réagir aux erreurs d'exécution pour corriger le code et le réexécuter.

Nous pouvons imaginer ajouter également des resources dans le serveur MCP :

• La documentation utilisateur de QGIS, mais aussi la doc de l'API Python à jour, ou celle de la version du QGIS de l'utilisateur.

Nous pouvons également imaginer interagir avec d'autres types de serveurs MCP (dans la mesure ou notre agent nous le permet). Par exemple avec :

• Des catalogues de données, ce qui ouvre de belle perspectives une recherche de données efficace, et complètement intégrée à notre agent conversationnel.