Context 7 : Le Meilleur Serveur MCP pour les Assistants de Codage IA

Les assistants de codage IA sont extrêmement puissants. Si vous êtes un ingénieur logiciel, ils vous rendront au moins 10 fois plus rapide dans votre travail. Et si vous n’êtes pas très technique, ils vous permettront de construire des choses dont vous ne pouviez que rêver auparavant. Mais nous savons tous que leur plus grande limitation actuelle est que lorsque vous travaillez avec des outils ou des frameworks spécifiques, ils hallucinent constamment. Ce dont nous avons vraiment besoin, c’est d’un outil qui offre un RAG (Retrieval Augmented Generation) instantané pour nos assistants de codage IA afin qu’ils disposent du contexte nécessaire pour nos outils et frameworks.

Et j’ai trouvé exactement cela : un nouvel outil incroyable et gratuit appelé Context 7. C’est le genre de chose qui, une fois découverte, vous fera certainement penser : « Comment cela n’a-t-il pas existé avant ? »

Permettez-moi de vous présenter Context 7 et comment vous pouvez le mettre en place en quelques minutes pour mieux coder.

Découverte de Context 7

Voici la page d’accueil de Context 7, que je mettrai en lien dans la description de cette vidéo. La première chose qui m’a frappé est le fait qu’il existe 1 856 outils et frameworks différents que nous pouvons ajouter à nos assistants de codage IA avec Context 7 afin qu’ils puissent effectuer du RAG sur toute cette documentation. C’est tout simplement incroyable.

Ils disposent de la documentation pour tout ce qui pourrait vous intéresser. Ils ont Next.js, MongoDB, Supabase, et une multitude d’autres que nous ne voyons pas ici comme Pydantic AI, React, Langraph, MCP. Pour moi, j’ai l’impression qu’ils ont tout. Ils ont tout ce dont je pourrais avoir besoin lorsque je construis mes applications.

Ignorons la navigation pour l’instant. Je sais que le serveur MCP vous interpelle probablement, mais nous y reviendrons. La première chose que je veux faire est vous montrer l’une de ces pages individuelles.

Exploration de la documentation Supabase

Nous pouvons cliquer sur Supabase. Nous pouvons voir certaines métadonnées comme le nombre total de tokens qui composent cette documentation, que nous n’avons pas à envoyer entièrement au LLM bien sûr. C’est pourquoi nous effectuons une recherche dirigée avec RAG, et nous verrons cela dans un instant.

Nous pouvons également actualiser cette documentation à tout moment. Ainsi, tout ce que nous avons dans Context 7 sera complètement à jour et nous pouvons l’actualiser pour nous assurer que c’est bien le cas.

Dans l’interface utilisateur, nous pouvons essentiellement effectuer nous-mêmes le RAG que notre assistant de codage IA fera. Nous pouvons voir comment cela fonctionne sous le capot. Je peux rechercher « authentication » par exemple et cliquer sur « show results ». C’est exactement ce qui serait donné à notre assistant de codage IA s’il recherchait l’authentification dans la documentation Supabase. Nous pouvons même contrôler le nombre de tokens que nous obtenons de la recherche.

La puissance des exemples structurés

Ma partie préférée de Context 7 est la façon dont la documentation est bien structurée. Ce n’est pas votre texte LLM moyen où vous prenez simplement toute la documentation d’un framework spécifique, la déversez dans un seul fichier à envoyer au LLM et la découpez en morceaux.

Au lieu de cela, ils ont tous ces composants individuels qu’ils ont organisés en petits extraits que nous pouvons alimenter dans le LLM d’une manière qu’il peut très bien analyser. De plus, chacun de ces composants sont des exemples pour aider le LLM à voir comment utiliser cet outil et ce framework.

J’ai déjà abordé ce sujet sur ma chaîne, mais je pense que donner des exemples au LLM est vraiment la meilleure façon de l’aider à coder de manière fiable. Et il semble que Context 7 ait vraiment tiré parti de ce fait. Ils ont construit toute leur documentation autour de la fourniture d’une multitude d’exemples basés sur ce que nous recherchons, comme l’authentification. C’est extrêmement puissant.

Le serveur MCP : La clé de l’intégration

Soyons clairs. Il existe des assistants de codage IA comme Cursor qui ont déjà quelque chose de similaire intégré dans la plateforme. Avec Cursor, nous pouvons ajouter une documentation personnalisée. Mais cela est manifestement moins puissant que Context 7 en raison de la façon dont ils organisent tous ces exemples dans leur documentation et aussi en raison de certaines fonctionnalités de leur serveur MCP.

Parlons donc de ce serveur MCP et voyons comment nous pouvons réellement l’utiliser. Ce serveur MCP est notre clé pour implémenter cela dans nos propres assistants de codage IA.

Ils ont un README bien fait pour nous aider à démarrer, parlant d’abord de ce à quoi nous devons faire face sans Context 7 : toutes ces choses que nous avons certainement vues auparavant, comme des API hallucinées qui n’existent même pas, des réponses génériques provenant d’anciennes versions de packages.

Ce que nous obtenons avec Context 7, c’est tout ce que je vous ai déjà dit, comme obtenir une documentation à jour spécifique à la version avec des exemples de code. C’est la clé. Et tout cela provient directement de la source. Je ne sais pas comment ils peuvent extraire près de 1 900 documentations différentes et les maintenir constamment à jour. Je suis très impressionné par cette plateforme dans son ensemble. Mais oui, ils le font pour nous.

Installation dans les IDE IA

Ils fournissent également des instructions pour l’installation dans nos IDE IA comme Cursor et WindSurf. Et le processus pour le faire dans d’autres comme Claude ou Roo Code sera à peu près le même. Nous devons simplement copier cette configuration JSON.

Je vais vous montrer rapidement comment le faire dans WindSurf. Dans WindSurf, vous devez simplement cliquer sur cette icône de marteau pour les serveurs MCP, cliquer sur configurer. Cela ouvrira ce fichier MCP config.json où vous pourrez coller la configuration que vous avez copiée depuis GitHub. Dans ce cas, je l’ai déjà configuré en utilisant Context 7 comme premier serveur MCP dans ma configuration.

Vous pouvez ensuite l’enregistrer après avoir effectué ces modifications. Je vais simplement fermer cela pour l’instant. Puis, lorsque vous cliquez sur actualiser, cela rechargera vos serveurs MCP et vous devriez voir Context 7 avec deux outils qui sont disponibles pour nous.

Comprendre les outils de Context 7

Il est utile de comprendre comment ces outils fonctionnent pour pouvoir les exploiter correctement. Je vais me concentrer sur cela un peu. Ensuite, nous utiliserons Context 7 dans WindSurf pour construire un agent IA vraiment cool.

Je vais revenir au README car ils parlent très brièvement de ces outils ici. Le premier est un outil pour résoudre un ID de bibliothèque. Cela signifie simplement que notre assistant de codage IA va donner un terme de recherche comme Supabase par exemple, puis nous obtiendrons une liste des pages de documentation les plus pertinentes et il trouvera l’ID de celle sur laquelle il veut effectuer le RAG. Comme peut-être Supabase aura un ID de « /supabase » ou quelque chose comme ça. Il doit obtenir cet ID exact, puis il peut appeler la fonction get_library_docs une fois qu’il a cet ID exact.

C’est donc l’outil où nous effectuons le RAG sur la documentation d’un framework ou d’un outil comme Supabase ou Next.js, peu importe ce que cela pourrait être, et notre assistant de codage IA décide également du sujet, qui sera quelque chose comme l’authentification ou dans Pydantic AI, ce pourrait être un agent, ou dans Crew AI, ce pourrait être des transferts d’agent – quel que soit ce terme de recherche, l’agent le décide ici pour le sujet.

Il peut également décider du nombre de tokens qu’il va obtenir de la recherche. C’est encore une autre chose qui le rend plus puissant que quelque chose comme les documents personnalisés intégrés à Cursor : notre agent peut réellement raisonner sur le nombre de tokens qu’il pense devoir récupérer de la documentation, et nous pouvons l’instruire à travers quelque chose comme des règles globales pour ajuster cette valeur nous-mêmes. C’est très puissant car vous pourriez avoir besoin de récupérer un nombre différent de tokens selon la documentation que vous utilisez.

Création d’un agent IA avec Context 7

Retournons dans WindSurf et construisons quelque chose de vraiment cool avec Context 7. Je tiens à mentionner que j’ai déjà mon processus complet pour construire avec des assistants de codage IA. J’ai couvert cela sur ma chaîne précédemment. Je vous recommande vivement de le consulter car ce processus est très complémentaire à l’utilisation de Context 7. J’utilise vraiment Context 7 comme un serveur MCP supplémentaire pour rendre mon processus encore plus puissant.

Comme vous l’avez vu dans cette vidéo, j’ai mon fichier planning.md que vous voyez ici. J’ai mon fichier de tâches. J’ai configuré mes règles de projet, que je vais ouvrir et vous montrer. Tout est exactement identique à ce que j’ai couvert dans cette vidéo, sauf que j’ai aussi cette section en haut pour Context 7.

Vous voudrez probablement l’adapter à vos besoins. Par exemple, je lui dis de commencer avec 5 000 tokens pour sa recherche, puis d’augmenter à 20 000 tokens s’il en a besoin, et ensuite, en dernier recours, d’utiliser le serveur MCP Brave.

Spécifique au flux de travail exact, j’ai en quelque sorte procédé par essais et erreurs avec Context 7, essayant de déterminer comment l’utiliser au mieux. Mais vraiment, dans mes règles globales, c’est un endroit où je peux lui dire comment je veux qu’il utilise ces deux outils que nous venons de voir. Je donne ce contexte supplémentaire pour qu’il puisse vraiment tirer le meilleur parti de Context 7.

Un agent qui utilise Context 7

Ce que nous allons construire maintenant est un agent IA qui peut lui-même utiliser Context 7 pour le RAG. C’est donc super méta. J’utilise Context 7 dans WindSurf pour construire un agent IA qui peut utiliser Context 7, juste pour montrer un exemple simple mais puissant.

[Note : Une section sur le sponsor Scribba a été omise ici pour se concentrer sur Context 7]

J’ai déjà un prompt préparé pour cela. Je vais utiliser Pydantic AI comme framework d’agent IA pour construire cet agent et utiliser Context 7 pour obtenir la documentation dans WindSurf. Tout comme nous l’avons vu avec Cursor, il existe un moyen natif d’obtenir la documentation pour Pydantic AI. Mais comme je vous l’ai dit plus tôt, les résultats que j’obtiens avec Context 7 sont bien meilleurs que l’utilisation de la récupération de documentation intégrée à l’IDE IA.

Nous allons donc l’utiliser pour rechercher Pydantic AI, puis il intégrera Context 7 comme serveur MCP exactement comme nous l’avons fait dans WindSurf, mais il configurera tout pour nous. C’est un peu plus technique, mais l’URL de base et le modèle spécifique seront des variables d’environnement. Nous pouvons ainsi contrôler cela pour utiliser n’importe quel modèle que nous voulons depuis Open Router ou Ollama, Gemini, OpenAI. Nous pouvons choisir et il créera également une interface en ligne de commande simple pour que nous puissions discuter avec notre agent dans un terminal.

Comme je lui demande dans les règles globales de vérifier les fichiers de planification et de tâches, il va d’abord faire cela. Je vais donc lui laisser un peu de temps pour vérifier ces fichiers et effectuer d’autres travaux préliminaires. Mais ensuite, après un moment, il commencera à utiliser notre serveur MCP pour Context 7.

Mise en œuvre et test

Et voilà. J’ai avancé un peu parce qu’il y avait un travail initial que je devais faire. Mais oui, il a fait ce premier appel pour résoudre l’ID de bibliothèque pour Pydantic AI. Puis ce deuxième appel pour obtenir les documents de la bibliothèque comme nous le savions. Maintenant qu’il avait cet ID, il recherche 20 000 tokens. Ce sont tous les morceaux qu’il a récupérés, qui ressemblent aux exemples exacts que j’ai vus auparavant dans la documentation Pydantic AI. Il fait une autre recherche pour obtenir des informations sur la configuration. Puis il décide de finaliser les choses avec la recherche web Brave. Je ne suis pas vraiment sûr de pourquoi il en a besoin, mais je suppose que cela ne peut qu’aider. Cela ne coûte qu’un flow credit de toute façon.

Et voilà. Il a donc créé l’agent. Nous l’avons créé. Et puis nous avons toutes ces autres choses qu’il a créées pendant que j’expliquais tout aussi.

Après quelques itérations pour corriger de petites erreurs, nous avons notre agent complet construit avec l’aide de Context 7. Je n’ai même pas encore accepté les changements. Vous pouvez voir que c’est tout frais. Tout ce code est tout nouveau dans les 13 fichiers qu’il a créés pour nous.

Je vais accepter cela maintenant. Puis je vais aller dans mon terminal et nous pourrons exécuter cette chose. J’ai déjà configuré mes variables d’environnement dans le .env basé sur le .env.example qu’il m’a donné. J’ai activé mon environnement virtuel avec tous les packages installés. Maintenant, je peux exécuter la commande python main.py puis utiliser la commande chat.

Il a créé une interface en ligne de commande vraiment belle ici. Je n’ai pas travaillé avec quelque chose d’aussi agréable depuis longtemps en ligne de commande. Je peux dire un message basique comme « hello ». Regardez ça. Il réfléchit. Il me donnera une réponse ici. Et puis je peux m’assurer que l’historique de conversation fonctionne. Je peux dire « qu’est-ce que je viens de dire ? » Ce sont juste les petits tests préliminaires que j’aime faire quand j’ai créé un nouvel agent. M’assurer que tout fonctionne là. « Vous venez de dire bonjour ». Cool.

Utilisation de Context 7 avec notre agent

Maintenant, je veux exploiter Context 7. Je vais donc dire « quels documents Supabase sont disponibles pour moi ? » Je veux qu’il appelle d’abord cet outil pour rechercher les ID de documentation disponibles et me les imprime.

Nous avons nux, supabase, supabase et quelques autres ici. Et puis nous avons tous les ID Context 7. C’est donc parfait. Notre agent que nous avons créé, notre agent personnalisé est intégré à Context 7.

Maintenant, je peux dire « super, utilisez ceci pour me dire comment surveiller les changements en temps réel dans ma base de données Supabase ». Juste un exemple spécifique aléatoire ici pour m’assurer qu’il peut effectuer le RAG sur la documentation Supabase en utilisant tous les exemples dont il dispose pour me donner du code fonctionnel.

Et oui, s’abonner à l’ID de canal pour les changements Postgres, d’après ma connaissance de Supabase et comment cela fonctionne avec le code JavaScript, cela semble bon. Oui, surtout ceci, cela me semble très familier. Nous avons donc effectué le RAG sur Supabase et maintenant notre agent est instantanément connecté à près de 1 900 sources de documentation différentes en utilisant Context 7.

Sans cela, nous aurions dû extraire toutes ces pages nous-mêmes, tout stocker et tout intégrer dans notre base de données Supabase ou Quadrant, où que ce soit, connecter tout cela à notre agent. Mais maintenant, nous avons tout cela à travers un seul serveur MCP. C’est tellement cool. Vraiment, Context 7 change la donne pour les agents et les assistants de codage IA.

Conclusion

Voilà donc Context 7 en résumé et comment vous pouvez l’utiliser pour améliorer votre jeu de codage IA. Vous pouvez simplement prendre ce serveur MCP pour Context 7 et l’intégrer à votre processus actuel d’utilisation des assistants de codage IA. Peu importe que vous utilisiez mon processus que j’ai partagé sur ma chaîne ou un outil comme Claude Taskmaster. Cela va simplement rendre n’importe quoi encore plus puissant pour votre codage IA.

Si vous avez apprécié cette vidéo et que vous attendez avec impatience plus de choses sur le codage IA et les agents IA, j’apprécierais vraiment un like et un abonnement. Et sur ce, je vous verrai dans la prochaine vidéo.