Comment Smartsheet a dompté l'IA sur AWS avec son serveur MCP à distance

SMARTSHEET, LA PLATEFORME DE GESTION DE TRAVAIL QUI FAIT FONCTIONNER LES ENTREPRISES

Imaginez une plateforme utilisée par des centaines de milliers d'organisations pour organiser leur travail. C'est Smartsheet, un outil de gestion de projet et de collaboration qui permet aux équipes de suivre leurs tâches, de partager des fichiers et de coordonner leurs efforts. Mais aujourd'hui, avec l'arrivée des agents d'IA, ces plateformes doivent évoluer. Pourquoi ? Parce que les agents d'IA ont besoin d'accéder à des données structurées pour fonctionner correctement, et la plupart des systèmes ne sont pas conçus pour ça.

L'IA A BESOIN D'ACCÉDER À VOS DONNÉES POUR FONCTIONNER

Prenons un exemple concret : un utilisateur demande à son assistant vocal comme Amazon Quick ou Claude Desktop d'analyser les données d'un projet sur Smartsheet. Sans un accès direct, l'IA serait incapable de comprendre les tableaux, les tâches ou les feuilles de calcul. C'est là que le serveur MCP distant entre en jeu. Ce serveur, construit par Smartsheet et hébergé sur AWS, agit comme un pont entre l'IA et les données de l'entreprise. Grâce à lui, les agents d'IA peuvent analyser des projets, mettre à jour des tâches, créer des feuilles de calcul ou même gérer des espaces de travail, le tout en langage naturel.

LES AGENTS D'IA PEUVENT TRAVAILLER SEULS, SANS ATTENDRE D'ORDRES HUMAINS

Mais ce n'est pas tout. Les entreprises ne se contentent plus de faire appel à des assistants vocaux. Elles créent aussi des agents d'IA qui travaillent de manière autonome, sans avoir besoin d'être sollicités en permanence. Ces agents peuvent par exemple capturer des exigences, prendre en charge des tâches, attacher des résultats de tests ou rédiger de la documentation. Et tout cela se fait directement dans les mêmes feuilles que celles utilisées par les humains, réduisant des workflows qui prenaient des semaines à quelques jours, voire quelques heures.

UNE ARCHITECTURE MCP UNIQUE POUR TOUS, SUR AWS

Le serveur MCP de Smartsheet ne se contente pas de connecter l'IA à ses données. Il ajoute aussi une interface optimisée pour l'IA, conçue pour réduire les coûts de calcul, éviter les hallucinations et permettre aux modèles de langage de travailler de manière fiable avec les données d'entreprise. Depuis son lancement, Smartsheet a économisé plus de 3 milliards de tokens grâce à ces optimisations, selon ses propres mesures internes.

Ce serveur MCP est construit sur une architecture unique qui sert à la fois les agents internes comme Smart Assist (l'expérience IA intégrée dans le produit) et les clients externes comme Amazon Quick. Tous utilisent la même infrastructure, les mêmes Outils et les mêmes optimisations. Une décision architecturale délibérée : Smartsheet développe une seule fois, et tous les clients en bénéficient immédiatement.

LES SERVICES AWS QUI FONT TOURNER LE SYSTÈME

Pour faire fonctionner ce serveur MCP, Smartsheet s'appuie sur plusieurs services AWS essentiels. Ces services sont comme les rouages d'une machine bien huilée, chacun jouant un rôle précis dans le traitement des requêtes des agents d'IA. Voici les principaux :

D'abord, il y a AWS Fargate pour Amazon ECS, qui permet d'exécuter les conteneurs du serveur MCP sans avoir à gérer directement les serveurs. Ensuite, Amazon Elastic Container Registry (Amazon ECR) stocke les images des conteneurs, prêtes à être déployées. Pour la sécurité, AWS WAF et AWS Shield protègent les frontières du système contre les attaques. Et pour surveiller tout ça, Amazon CloudWatch et Amazon OpenSearch Service collectent les logs et les métriques.

UNE GESTION DE LA CHARGE QUI S'ADAPTE AUX AGENTS D'IA

Le trafic généré par les agents d'IA est très différent de celui des utilisateurs humains. Les agents peuvent envoyer plusieurs requêtes en quelques secondes, puis se taire pendant que le modèle d'IA réfléchit. Ce modèle de trafic, appelé bursty, demande une stratégie de mise à l'échelle qui répond à la fois aux pics soudains et au débit soutenu.

Pour gérer cela, Smartsheet a construit son serveur MCP pour qu'il tourne sur AWS Fargate. ECS Auto Scaling utilise des politiques de suivi des cibles, combinant le volume de trafic avec l'utilisation des ressources de calcul. Cette approche est cruciale car chaque requête implique un traitement côté serveur comme la sérialisation optimisée pour les LLM, et pas seulement du simple routage. Des tests de charge approfondis, sous des modèles de trafic réalistes, ont confirmé que l'infrastructure absorbe les pics d'activité des agents sans dégradation des performances.

DEPLOYER DES MISES À JOUR SANS INTERRUPTION, UNE NÉCESSITÉ

Déployer des mises à jour logicielles sans perturber les sessions actives des agents est tout aussi critique. Les images des conteneurs sont stockées dans Amazon ECR et déployées via un pipeline d'intégration et de livraison continues (CI/CD) avec un filet de sécurité en couches. Les circuit breakers de déploiement d'ECS détectent les conteneurs défaillants pendant le déploiement et reviennent automatiquement à la dernière version stable. Aucune intervention manuelle n'est nécessaire, et l'impact sur les clients est évité.

LA GOUVERNANCE, UNE PRIORITÉ POUR LES ENTREPRISES

Pour les clients entreprises, la gouvernance est le facteur déterminant pour l'adoption de l'IA. Smartsheet l'a intégrée directement dans le cadre de ses outils : contrôle d'accès, gestion des erreurs et pistes d'audit sont inclus par défaut avec chaque outil.

L'accès est échelonné par organisation : les administrateurs peuvent activer l'accès à l'IA globalement, le restreindre aux opérations non destructives uniquement, ou ouvrir des capacités d'écriture et de destruction complètes. Chaque organisation contrôle ainsi son propre rythme d'adoption. Les outils comportent des annotations de protocole MCP comme readOnlyHint et destructiveHint, permettant aux clients IA d'appliquer automatiquement des flux de confirmation appropriés.

Le serveur émet des signaux OpenTelemetry (logs, traces et métriques) sur l'ensemble du cycle de vie des requêtes. Chaque invocation d'outil capture le contexte maximal possible dans les limites de confidentialité : utilisateur, organisation, nom de l'outil, résultat, et bien plus. Cela fournit les bases pour les informations d'utilisation et les audits de conformité.

OBSERVER LE TRAFIC DES AGENTS, UN DÉFI MAJEUR

Le trafic généré par les agents est plus difficile à observer que le trafic API traditionnel. Une seule requête utilisateur peut produire une chaîne d'appels d'outils, et les échecs remontent souvent à plusieurs étapes en arrière. Smartsheet étend sa capacité d'observabilité avec une identité et un traçage centrés sur les agents, corrélant le contexte à travers les chaînes d'outils. Les logs sont acheminés via Amazon Kinesis vers Amazon OpenSearch Service selon le modèle des meilleures pratiques d'observabilité AWS, avec les métriques d'infrastructure exposées via Amazon CloudWatch. Datadog fournit une visibilité de surveillance des performances applicatives (APM) par outil, et PagerDuty gère le routage des incidents.

Chaque invocation émet également un événement analytique structuré via Amazon Simple Queue Service (Amazon SQS) vers la couche Intelligence. Cela ferme la boucle de feedback : les données d'utilisation en production informent sur les outils à prioriser et sur la manière dont les stratégies d'optimisation fonctionnent sur des charges de travail réelles.

UNE SÉCURITÉ À TOUS LES NIVEAUX, COMME POUR LES API PRODUCTION

Le serveur MCP fonctionne derrière la même infrastructure de sécurité que les API de production de Smartsheet. AWS WAF et AWS Shield sont en bordure, avec des sous-réseaux privés dans un VPC, un mutual TLS (mTLS) pour les appels entre services, et un proxy OAuth2 qui rejette les requêtes non authentifiées avant qu'elles n'atteignent le calcul. Le serveur MCP suit le modèle de défense en profondeur du guide AWS pour le déploiement de serveurs MCP. La couche de passerelle API gère l'authentification et la validation des portées. Les services de domaine gèrent les autorisations granulaires. Si un utilisateur ne peut pas accéder à une feuille via l'interface, il ne peut pas y accéder via le MCP non plus.

LIMITER LES REQUÊTES DES AGENTS D'IA, UN CASSE-TÊTE

Le trafic généré par l'IA ajoute un défi de limitation de débit distinct. Une seule question d'utilisateur peut déclencher plusieurs appels d'outils en quelques secondes. De nombreux utilisateurs d'entreprise se trouvent derrière des proxys corporatifs partagés, rendant la limitation de débit basée sur l'IP peu fiable.

Pour résoudre ce problème, Smartsheet a mis en place une limitation de débit en couches via AWS WAF. Trois couches travaillent ensemble : une protection globale en bordure, un comptage par utilisateur utilisant des clés d'agrégation personnalisées sur un en-tête d'identité, et des contrôles spécifiques aux chemins pour les opérations coûteuses. Le comptage par utilisateur signifie que les sessions sont comptabilisées individuellement plutôt que regroupées par IP. La limitation de débit en couches suit le modèle des trois règles les plus importantes de limitation de débit basée sur AWS WAF.

TESTER UN SYSTÈME QUI PASSE PAR L'IA, UN DÉFI UNIQUE

Smartsheet maintient les couches de test standard : tests unitaires, tests d'intégration, validation au niveau des outils. Cependant, le serveur MCP introduit un défi de test que les services API traditionnels ne rencontrent pas. Une réponse API conventionnelle est rendue de manière déterministe par l'interface utilisateur. Une réponse d'outil MCP passe d'abord par un modèle de langage. Le modèle interprète cette réponse, raisonne dessus et génère ce que l'utilisateur voit réellement. Cette couche de non-déterminisme change ce que signifie « correct » pour les tests.

Smartsheet investit massivement dans des tests de workflows de bout en bout qui incluent le modèle de langage dans la boucle. Ces tests simulent des scénarios métiers réalistes : création d'espaces de travail, écriture de données, interrogation de résultats et vérification que l'interprétation du modèle a du sens pour l'utilisateur final. Ces tests s'exécutent dans le pipeline CI/CD (GitLab CI avec des runners hébergés sur AWS) et en continu sous forme de tests canary contre chaque région AWS de production.

RÉDUIRE LES COÛTS DES TOKENS, UNE PRIORITÉ POUR LES ENTREPRISES

À mesure que les entreprises étendent leurs déploiements d'agents d'IA, la consommation de tokens devient un véritable moteur de coûts. Chaque réponse d'outil coûte de l'argent au niveau du LLM et entre en concurrence pour la capacité de la fenêtre de contexte. La plupart des appels d'outils MCP fonctionnent aujourd'hui sans orchestration de sous-agents. L'agent appelle les outils directement, un par un, en raisonnant entre chaque étape. Sans une conception intelligente des outils, cela devient lent, coûteux et sujet aux erreurs rapidement. Chaque appel d'outil doit être autonome et efficace en soi, c'est pourquoi Smartsheet optimise à trois niveaux :

D'abord, chaque réponse d'outil cible un budget de tokens. Le serveur calcule dynamiquement combien de lignes peuvent être renvoyées en fonction du nombre de colonnes et de la densité des données. Par exemple, une feuille avec cinq colonnes peut renvoyer plus de lignes qu'une feuille avec 15 colonnes, mais la taille totale reste dans le budget. Qu'une feuille contienne 50 lignes ou 50 000, la taille de la réponse reste limitée. Le modèle dispose ainsi de suffisamment d'informations pour s'orienter, puis affine avec des filtres en fonction de ce que l'utilisateur demande réellement.

Les champs de métadonnées indiquent au modèle exactement ce qui s'est passé : is_sampled indique si les données ont été tronquées, rowsinsheet donne le nombre total, rows_actual montre combien ont été renvoyées, et filters_applied décrit les filtres actifs. Le modèle utilise ces informations pour décider s'il a une vue d'ensemble complète ou s'il doit affiner sa requête avec des filtres. La révélation progressive est une décision côté serveur. Le serveur MCP gère le budget et l'échantillonnage, tandis que les métadonnées qu'il renvoie donnent au client IA les signaux pour orchestrer des requêtes de suivi par lui-même.

ANCRER LE MODÈLE DE LANGAGE POUR ÉVITER LES HALLUCINATIONS

Sans contraintes, les modèles hallucinent des noms de paramètres, inventent des opérateurs et gaspillent des tokens sur des appels échoués. Chaque outil publie un JSON Schema strict via la découverte d'outils MCP, généré à partir de modèles Pydantic. Les paramètres sont limités à des énumérations valides, les noms de colonnes sont validés par rapport à la feuille réelle avant l'exécution, et les incohérences renvoient des erreurs structurées avec des options valides au lieu de échouer silencieusement. La validation de schéma attrape les hallucinations à la frontière et signifie que les agents naviguent dans le catalogue d'outils de manière fiable, sans essais et erreurs.

Le surcoût structurel du JSON (accolades, guillemets, clés répétées) consomme généralement 15 à 25 % du nombre de tokens d'une réponse. Pour un serveur renvoyant des données de tableur avec des milliers de lignes, ce surcoût s'ajoute rapidement.

Smartsheet a construit un format de sérialisation propriétaire qui réduit ce surcoût. Les noms de clés apparaissent une seule fois au lieu d'être répétés pour chaque ligne, et la syntaxe structurelle est remplacée par des délimiteurs qui s'tokenisent plus efficacement. Sur une requête filtrée représentative de 33 éléments, la réponse optimisée représente environ 3 900 tokens contre plus de 6 000 tokens pour le JSON équivalent, soit environ 35 % de tokens en moins pour la même information. À 1 000 lignes, l'écart se creuse encore davantage, car le JSON répète les noms de clés sur chaque objet tandis que le format optimisé les déclare une seule fois.

LES PREMIERS RÉSULTATS : UNE CROISSANCE EXPONENTIELLE

Les agents d'IA s'intègrent aujourd'hui à Smartsheet via le protocole MCP. Dans les quatre premières semaines après la disponibilité générale (GA), Smartsheet a enregistré une croissance de plus de 87 % de ses utilisateurs chaque semaine. Le protocole MCP n'est qu'une couche de distribution. Ce qui vient ensuite, c'est l'intelligence au point de connexion lui-même.

Par exemple, des ressources qui s'adaptent à la personne, à l'équipe et aux organisations qui les utilisent. Ou encore des agents qui fonctionnent de manière autonome sur des workflows, et une couche de routage qui permet à des spécialistes de se transmettre le raisonnement plutôt que de repartir de zéro à chaque étape. Même connexion MCP, mais une intelligence différente pour chaque client, sans nécessiter de déploiement.

AWS ÉVOLUE POUR RÉPONDRE AUX BESOINS DES AGENTS

Amazon Bedrock AgentCore fournit par défaut l'exécution en temps réel, la découverte, la personnalisation et la gouvernance. Smartsheet continue d'adopter et de façonner ces capacités avec AWS.

Le protocole MCP lui-même continue d'évoluer. Les élucidations permettent une confirmation humaine dans la boucle avant les actions destructrices. Les applications MCP intègrent une interface utilisateur interactive directement dans les conversations IA. Les tâches prennent en charge les opérations asynchrones et de longue durée. Smartsheet évalue ces fonctionnalités à mesure qu'elles mûrissent.

L'IA VA VITE, AWS PERMET DE SUIVRE LE RYTHME

L'IA évolue rapidement. Bâtir sur AWS donne la possibilité de suivre ce rythme, que ce soit pour de nouveaux protocoles, de nouveaux modèles ou des architectures d'agents entièrement nouvelles.

COMMENT SE CONNECTER AU SERVEUR MCP DE SMARTSHEET

Pour se connecter au serveur MCP de Smartsheet, il suffit de visiter la liste sur AWS Marketplace ou de consulter la documentation MCP de Smartsheet.