Les 3 Serveurs MCP Indispensables pour le Codage IA (et Comment les Utiliser)

Il y a quelques mois, je vous ai dévoilé mon processus complet pour utiliser l’assistance au codage IA afin de construire n’importe quoi rapidement. Depuis, plusieurs nouveaux serveurs MCP sont apparus. Aujourd’hui, mon flux de travail pour coder avec l’IA s’articule autour de trois serveurs MCP fondamentaux. Je vais vous les présenter en détail, puis nous ferons ensemble une démonstration en direct pour vous montrer comment utiliser efficacement ces serveurs ensemble pour construire n’importe quel projet. Ces serveurs peuvent transformer n’importe quel flux de travail de codage IA, peu importe ce que vous souhaitez créer. Commençons sans plus attendre.

Mon Processus de Codage IA Mis à Jour

Voici le document qui détaille mon processus complet pour utiliser l’assistance au codage IA. Je mettrai un lien vers ce document dans la description de cette vidéo. Je l’avais initialement partagé dans ma vidéo précédente. Tout le contenu reste identique, à l’exception de la section 4 où j’explique l’utilisation des serveurs MCP. Ce sont ces trois serveurs essentiels que je vais couvrir dans cette vidéo.

Il existe d’autres options intéressantes, mais celles-ci sont celles que j’utilise systématiquement, quel que soit mon projet. Il est important de noter que pour chacun de ces serveurs, il existe plusieurs alternatives. Je mentionnerai quelques-unes de ces alternatives, mais je me concentrerai principalement sur une option pour chacune des trois catégories.

Les Trois Serveurs MCP Essentiels

1. Serveur pour l’Intégration de Connaissances Externes

Le premier type de serveur MCP indispensable permet d’intégrer des connaissances externes à votre assistant de codage IA, comme la documentation des bibliothèques et des outils. Vous utilisez probablement Superbase, MCP, Pyantic AI et d’autres technologies, mais les assistants de codage IA ne les connaissent pas toujours parfaitement. Même si certains IDE IA comme Windsurf et Cursor offrent un support de documentation intégré, cela ne fonctionne pas toujours de manière optimale.

Nous avons donc besoin d’un serveur MCP qui serve essentiellement de base de connaissances RAG (Retrieval-Augmented Generation) pour notre codeur IA. Celui que je recommande vivement est un serveur que j’ai développé moi-même. Il est entièrement gratuit et open source, spécifiquement conçu pour s’intégrer à votre assistant de codage IA. Vous pouvez explorer n’importe quel site web ou documentation, puis l’utiliser comme serveur MCP RAG pour votre assistant de codage IA. Toutes les connaissances que vous construisez dans le cadre du serveur sont stockées dans votre propre instance Superbase privée. C’est donc votre propre base de connaissances que vous configurez et gérez vous-même.

Une autre bonne option que j’ai présentée sur ma chaîne est Contact 7. Contrairement à mon serveur, celui-ci ne construit pas votre propre base de connaissances privée, mais c’est une alternative intéressante, plus prête à l’emploi. Ils disposent déjà de milliers de bibliothèques dans leur base de connaissances que vous pouvez exploiter immédiatement comme serveur MCP.

Dans cette vidéo, j’utiliserai mon serveur Crawl for AI. Je vous montrerai comment l’utiliser pour explorer Superbase et Pantic AI, et intégrer ces informations dans notre base de connaissances.

2. Serveur pour la Gestion de Base de Données

Le deuxième type de serveur essentiel vous aide à gérer votre base de données. Ainsi, lorsque l’assistant de codage IA démarre un projet, il peut non seulement écrire le code, mais aussi créer tout ce dont vous avez besoin dans la base de données, comme de nouvelles fonctions ou tables.

Superbase est celui que j’utilise principalement. Je fournirai également un lien vers le serveur MCP Superbase dans la description de la vidéo. Ce serveur peut créer des tables pour vous, répertorier vos projets dans votre organisation Superbase, et rédiger pratiquement n’importe quelle requête SQL. C’est un outil puissant pour gérer votre base de données en langage naturel. Dans le cadre de votre processus de construction d’application, il peut également créer toutes les tables nécessaires.

J’ai déjà mentionné Neon sur ma chaîne, une plateforme Postgres serverless qui dispose d’un serveur MCP similaire. Selon la base de données que vous utilisez, il y aura probablement un serveur MCP pour vous aider à la gérer en langage naturel. Nous nous dirigeons clairement vers un avenir où presque toutes les bases de données disposeront d’un serveur MCP. Nous n’y sommes peut-être pas encore, mais ce sera certainement le cas dans un futur proche.

3. Serveur pour la Recherche Web

Le dernier serveur que j’utilise systématiquement sert à effectuer des recherches sur le web. J’utilise généralement le serveur MCP Brave, dont je fournirai également un lien. L’API Brave est assez abordable et extrêmement puissante. C’est un type de recherche web supérieur à ce que vous obtiendriez avec ChatGPT ou Claude seuls. Elle propose une recherche web centrée sur l’IA, résumant les informations pour l’IA. La façon dont elle extrait les informations est parfaite pour les LLM (Large Language Models).

J’utilise généralement ce serveur en tandem avec mon serveur MCP RAG. Je consulte ma base de connaissances, puis je recherche sur le web des ressources complémentaires. Parfois, il y a de la documentation qui n’était pas incluse dans la base de connaissances, ou des posts de forums communautaires qui fournissent des exemples similaires à ce que je veux construire. Le serveur MCP Brave m’aide à trouver ces ressources.

Comment Intégrer Ces Serveurs MCP à Votre Flux de Travail

Si vous souhaitez intégrer ces trois serveurs MCP à vos propres flux de travail de codage IA (ce que je recommande vivement), les liens que j’ai inclus dans la description contiennent des instructions détaillées pour chacun d’eux.

Pour le serveur MCP RAG Crawl for AI que j’ai développé, j’ai veillé à inclure dans le README des instructions détaillées sur l’installation, la configuration du projet, et la préparation de votre base de données pour explorer des sites web et les intégrer à votre base de connaissances. Vous pouvez suivre ces instructions étape par étape.

Pour Brave, vous devez simplement créer votre clé API, et ils fournissent des instructions pour la configurer dans Cloud Desktop, Windsurf, Cursor, ou tout autre environnement. Pour Superbase, c’est le même principe. La configuration est généralement très similaire entre ces différents serveurs MCP.

Dans mon propre Windsurf, j’ai déjà configuré ces serveurs. Pour y accéder, en mode cascade sur le côté droit, cliquez sur l’icône en forme de marteau pour les serveurs MCP, puis sur « configurer ». Cela ouvrira un fichier JSON pour la configuration MCP. Vous trouverez quelque chose de similaire pour Cursor, Rue Code ou Client, quel que soit l’IDE IA que vous utilisez. Vous pourrez y ajouter chaque serveur individuellement.

Tous ces serveurs sont complètement gratuits. Voici mon serveur Crawl for AI. Une fois que vous avez suivi les instructions et que le serveur fonctionne sur SSE dans un terminal, vous pouvez vous y connecter comme ceci. Pour Brave Search, nous l’appelons via MPX. La seule chose à configurer au préalable est votre clé API Brave. Il existe un niveau gratuit très généreux avec Brave, c’est pourquoi vous pouvez commencer gratuitement. Même s’il existe des forfaits payants, je ne paie toujours rien pour l’utiliser ici.

Pour Superbase, ils proposent également un niveau gratuit généreux. Vous pouvez créer une instance, la faire fonctionner indéfiniment, et l’utiliser sans rien payer. La seule chose à configurer est votre jeton d’accès. Dans le README que je vous ai lié, vous trouverez également des instructions pour cette configuration.

Une fois tout configuré, sauvegardez, retournez dans votre configuration, et cliquez sur « actualiser ». Cela chargera les serveurs MCP et vous pourrez voir tous les outils exposés par chacun d’eux, ainsi que leurs descriptions. Vous pouvez ainsi voir tout ce que votre assistant de codage IA peut désormais faire avec ces outils. Nous donnons des super-pouvoirs à nos codeurs IA.

Démonstration en Direct: Construction d’un Agent IA RAG

Maintenant, plongeons dans l’utilisation de ces serveurs ensemble pour construire quelque chose à partir de zéro, en exploitant toutes ces ressources pour faire quelque chose que nous ne pourrions pas faire facilement sans elles.

[Note: La section suivante mentionne un sponsor, DataButton, que j’ai gardé dans le contenu pour maintenir l’intégrité du transcript original]

Le sponsor de la vidéo d’aujourd’hui est DataButton, le constructeur d’applications IA pour les entreprises. Je l’ai essayé ces dernières semaines, et j’ai été vraiment impressionné par la façon dont DataButton prend en charge une grande partie du cycle de développement. Comme ils le disent sur leur page d’accueil, votre recherche d’un CTO s’arrête ici, car il s’occupe de tout, du début de votre projet jusqu’à son déploiement.

Lorsque vous commencez un projet, vous pouvez décrire ce que vous voulez construire, en donnant des exigences spécifiques. Vous pouvez même fournir de l’inspiration, comme des captures d’écran d’autres pages web, puis configurer vos intégrations pour l’authentification, votre base de données, vos paiements et votre stockage. Ensuite, vous pouvez commencer, et l’agent DataButton créera un plan complet avec toutes les tâches qu’il va réaliser une par une. Nous avons notre aperçu pour voir ce qui a été construit jusqu’à présent, et nous pouvons interagir avec notre agent sur le côté droit, où nous fournissons des commentaires ou des tâches supplémentaires.

Nous pouvons lancer chaque tâche individuellement, et il demandera certaines choses comme nos clés API lors de la configuration de Superbase et Stripe, préparant toutes ces intégrations. Cela prend en charge le front-end et le back-end, vous pouvez donc déployer des agents et des API en arrière-plan, puis tout déployer ensemble une fois votre projet terminé. DataButton est vraiment un changement de donne pour les entreprises légères qui cherchent à exploiter l’IA pour concurrencer des entreprises dix fois plus grandes. Je mettrai un lien vers DataButton dans la description. C’est gratuit pour commencer.

Préparation du Projet

Maintenant, il est temps de construire. Nous allons utiliser mon processus complet d’assistance au codage IA. J’ai déjà configuré certains éléments basés sur ce processus. Je vais vous montrer à quoi cela ressemble, puis je vous expliquerai comment je vais demander à l’assistant de codage IA d’exploiter ces différents serveurs MCP, et nous le verrons en action.

Premièrement, j’ai configuré mes règles Windsurf. Pour y accéder, allez dans « Options supplémentaires » en haut à droite, puis « Gérer les mémoires », et vous pourrez créer des règles globales ou d’espace de travail. J’ai créé des règles d’espace de travail indiquant comment exploiter mes fichiers de planification et de tâches, comment utiliser le serveur MCP Crawl for AI, et toutes ces directives que je ne veux pas nécessairement répéter à chaque demande, mais que je veux qu’il suive comme règles d’or.

J’ai également mon fichier de planification, que je peux vous montrer rapidement. J’ai utilisé Cloud Desktop pour m’aider à le créer, me donnant un aperçu de mon projet et des différents composants que je veux développer, afin que l’assistant de codage IA puisse s’y référer et savoir ce que je veux vraiment construire. Ainsi, je n’ai pas besoin d’être extrêmement précis dans ma demande lorsque je lance la construction de cet agent.

Ce que nous construisons comme démo en direct est un agent IA RAG avec Pantic AI et Superbase. Nous aurons un dossier local où nous pourrons mettre des fichiers, qui seront automatiquement ingérés dans notre base de connaissances Superbase, puis une interface Streamlit simple pour interagir avec l’agent et poser des questions sur notre base de connaissances. C’est un exemple très simple, mais important – les agents IA RAG sont essentiels aujourd’hui.

J’ai également mon fichier de tâches avec toutes les tâches individuelles que nous voulons que notre agent accomplisse une par une, puis qu’il revienne mettre à jour lorsque ces tâches sont terminées.

Demande à l’Assistant de Codage IA

J’ai préparé ma demande à l’avance. Je vais l’expliquer du début à la fin, puis nous verrons le résultat.

Je commence par dire que je veux construire un agent IA RAG simple avec Pantic AI et Superbase, en lui demandant de lire d’abord les fichiers de planification et de tâches. Je précise cela dans les règles globales, mais je veux m’assurer qu’il le fait correctement.

Je décris ensuite les différents composants que je veux pour mon agent IA, avec plus de détails dans les fichiers de planification et de tâches.

Une chose très puissante pour utiliser les assistants de codage IA est de donner des exemples quand c’est possible. Pour l’interface utilisateur Streamlit spécifiquement, j’ai remarqué que les assistants de codage IA ne la gèrent pas toujours au mieux. Je donne donc un exemple d’interface Streamlit que j’ai créée dans le passé, spécifiquement pour travailler avec des agents Pyantic AI. Je le référence dans Windsurf pour qu’il puisse analyser ce fichier et voir exactement comment construire cette interface pour moi.

Je donne encore un autre exemple : j’ai le SQL déjà préparé pour un projet différent où j’ai créé un agent IA RAG. Il peut l’utiliser comme référence tout en utilisant le serveur MCP Superbase pour tout créer dans Superbase pour cet agent spécifique.

Je continue avec les deux autres serveurs. J’utilise Crawl for AI pour obtenir la documentation de Pantic AI et Superbase. J’ai déjà tout exploré. J’ai fait une demande séparée comme « voici la page pour Podent AI, explore toute cette documentation » et pareil pour Superbase. Cette documentation est maintenant disponible. Je lui demande d’effectuer les requêtes RAG et d’utiliser également le serveur MCP Brave comme ressource supplémentaire pour nos recherches dans la base de connaissances.

Je suis également très explicite en lui demandant d’utiliser ces serveurs dès le début du processus, afin qu’il dispose de toute la documentation avant d’essayer d’écrire du code. Nous ne voulons pas qu’il consulte la documentation après avoir écrit tout le code, car il ne l’exploiterait jamais vraiment.

Résultats et Ajustements

La première chose qu’il fait, comme nous le lui avons demandé dans la demande et les règles globales, est de vérifier nos documents de planification et de tâches. Ensuite, il commence à utiliser notre serveur MCP, effectuant plusieurs requêtes RAG avec différentes recherches pour s’assurer qu’il a une vue d’ensemble de tout ce qu’il doit savoir pour implémenter cet agent. Il utilise également le serveur MCP Brave pour obtenir des exemples d’intégration de Superbase et Pyantic AI ensemble.

Une fois la recherche de connaissances terminée, il met à jour les tâches et commence à créer le README. Il construit ensuite l’agent complet avec la structure du projet, le pipeline RAG, l’agent et tout le reste.

Après avoir accepté tous ces changements, j’ai dû faire quelques ajustements pour que tout fonctionne parfaitement. Bien que j’aie demandé dans la première requête d’utiliser le serveur MCP Superbase pour créer mes tables, il ne l’a pas fait. Les assistants de codage IA sont parfois imprévisibles, et il faut parfois leur redemander certaines choses. Je l’ai fait, et maintenant il a utilisé l’outil « apply migration » pour tout créer avec cette requête.

Dans ma base Superbase, j’ai maintenant cette table « rag_pages » avec ID, URL, numéro de fragment, et embeddings – c’est ce que nous utilisons pour RAG.

Il y avait quelques problèmes concernant la façon dont il intégrait les documents que je téléchargeais sur l’interface. J’ai dû corriger cela également, mais rien qui n’était lié à Superbase ou Pyantic AI. Il a efficacement exploité la documentation, sans erreurs pour tout ce qui concernait Pyantic AI dans notre agent, ni pour Superbase lors de la création des embeddings et de leur ingestion dans notre base de données.

Démonstration de l’Agent IA RAG

Maintenant, j’ai l’interface opérationnelle. J’ai cette interface Streamlit où je peux parcourir mes fichiers et télécharger des fichiers texte ou PDF. J’ai un aperçu d’entreprise fictif généré par Claude que je vais utiliser comme mini base de connaissances pour cet exemple simple.

Je vais télécharger ce fichier, et il m’indiquera qu’il traite ce fichier, créant tous ces embeddings et les insérant dans Superbase pour moi. Tous les documents sont traités, nous avons cinq fragments pour ce fichier, et nous avons maintenant un document dans notre base de connaissances.

En retournant à ma table, je peux voir nos cinq fragments. Maintenant, je peux parler à mon agent. Si je rafraîchis ma page, elle indiquera que j’ai un document dans ma base de connaissances. Je peux envoyer un message basique à l’agent, comme « Bonjour ». Nous avons même le texte qui s’affiche progressivement, en style machine à écrire.

Je peux maintenant poser une question qui nécessite l’exploitation de ma base de connaissances : « Donne-moi un aperçu de l’entreprise ». Il va effectuer une recherche RAG, ce qui prendra un peu plus de temps car il va chercher dans ma base de connaissances. Et voilà, j’ai un aperçu de l’entreprise Neuroverse Studios, fondée en 2022.

C’est un exemple très simple, mais c’est impressionnant de voir qu’en moins d’une heure, j’ai créé cette application complète en utilisant ces trois serveurs MCP essentiels pour guider l’ensemble du processus : connaissances, recherche web, et configuration de ma base de données. Je n’ai rien eu à faire dans Superbase, tout a été créé pour moi, y compris la fonction sous-jacente utilisée pour RAG.

Conclusion

Je fournirai un lien dans la description vers cet exemple complet si vous souhaitez l’explorer vous-même. L’objectif principal était de montrer comment nous pouvions démarrer ce projet en utilisant nos trois serveurs MCP essentiels pour nous mettre rapidement sur la bonne voie.

Je vous recommande également de consulter ma vidéo précédente sur mon processus complet d’assistant de codage IA. Et si vous souhaitez porter vos compétences en IA au niveau supérieur, consultez Dynamis.ai, ma communauté d’adopteurs précoces de l’IA que j’ai récemment créée pour des personnes comme vous, afin d’améliorer vos compétences en IA et transformer votre carrière ou votre entreprise.

Si vous avez apprécié ce contenu et que vous attendez avec impatience plus d’informations sur le codage IA et les agents IA, j’apprécierais vraiment un like et un abonnement. À bientôt dans la prochaine vidéo !

Featured image by Marek Studzinski on Unsplash