9 projets MCP pour les utilisateurs avancés de l’IA

Le Model Context Protocol (MCP) s’est imposé comme une norme révolutionnaire qui connecte les grands modèles de langage à des outils, des sources de données et des fonctionnalités externes. Souvent comparé à l’USB-C, qui standardise les connexions physiques, le MCP fournit une interface universelle pour connecter des outils aux modèles d’IA. Il permet ainsi d’intégrer les assistants d’IA au monde numérique qui les entoure (lorsque tout fonctionne comme prévu). 

Pour les utilisateurs avancés qui souhaitent optimiser leurs workflows d’IA, ces neuf projets MCP illustrent une partie des possibilités offertes par les assistants d’IA actuels. Du débogage du code à l’orchestration de workflows agentiques complexes, ces outils transforment votre LLM préféré, d’assistant conversationnel en collaborateur polyvalent capable d’interagir de manière plus autonome avec le monde numérique.

Plongeons dans cet univers de serveurs MCP pour découvrir comment les utilisateurs avancés de l’IA peuvent en tirer le meilleur parti.

Serveurs MCP destinés aux développeurs

1. Claude Debugs for You de Jason McGhee (297 ⭐ sur GitHub)

Aimeriez-vous que votre assistant d’IA ne se contente pas de suggérer des corrections de code, mais vous aide réellement à déboguer ? Claude Debugs for You concrétise cette possibilité en faisant le lien entre les assistants d’IA et les fonctionnalités de débogage de VS Code.

Technologies externes :

• API d’extension VS Code

• Node.js

• Zod (validation de schéma)

• Server-Sent Events (SSE)

Configuration requise :

• Installation de l’extension VS Code

• Configuration du client MCP (stdio ou SSE)

• Configuration du port (par défaut : 4711)

Cette extension marque un changement fondamental dans la manière dont l’IA peut aider au débogage. Au lieu de se contenter de suggérer ce qui pourrait ne pas fonctionner – au mieux à partir des journaux bruts et de la sortie de votre code –, votre LLM peut désormais participer activement à la session de débogage, définir des points d’arrêt, parcourir l’exécution du code pas à pas et évaluer des expressions pour repérer les problèmes. Indépendante du langage, elle est conçue pour fonctionner avec tout langage de programmation prenant en charge le débogage dans la console de VS Code.

Le développeur appelle justement cette approche « Vibe Debugging », un terme amusant pour désigner l’intégration de l’IA au workflow de débogage. Pour les développeurs qui travaillent sur des bases de code complexes, avoir son LLM comme partenaire de débogage apporte un regard supplémentaire pour détecter des schémas et des problèmes qui pourraient passer inaperçus.

2. Playwright Click Recorder d’Ashish Bansal (10 ⭐ sur GitHub)

Plusieurs serveurs MCP Playwright ont été créés, dont une implémentation officielle. Ce dépôt se démarque en proposant un outil `record-interactions`, qui permet à l’utilisateur d’enregistrer une série de clics réutilisable que le LLM pourra reproduire par la suite. 

Technologies externes :

• Playwright (framework d’automatisation de navigateur)

• React

• Node.js

• happy-dom (implémentation DOM sans interface graphique)

• Tailwind CSS

Configuration requise : aucune clé d’API nécessaire : conçu pour fonctionner avec des navigateurs exécutés localement.

Les serveurs MCP Playwright tentent de résoudre une limite majeure de l’utilisation des navigateurs assistée par l’IA : l’incapacité à voir et à utiliser nativement le DOM réel. Sans ce contexte, les assistants d’IA doivent deviner la structure et les éléments d’une page, ce qui entraîne souvent des scripts de test défectueux. Toutefois, même avec accès au DOM et à toute une panoplie d’outils Playwright, le LLM peut encore se tromper. Pouvoir enregistrer vos propres interactions est très utile pour simplifier les quelques étapes du processus qui restent trop difficiles à gérer de façon autonome pour le LLM. 

Projets MCP de workflow et d’automatisation

3. n8n MCP Server de Leonard Sellem (185 ⭐ sur GitHub)

n8n MCP Server fait le lien entre l’IA conversationnelle et la puissante plateforme d’automatisation des workflows n8n. Cette intégration permet à votre LLM de gérer des workflows complexes et d’exécuter des automatisations en langage naturel.

Technologies externes :

• API REST n8n

• Axios

• Node.js

• TypeScript

• JSON Schema

Clés d’API requises :

• N8N_API_URL : URL de l’API n8n

• N8N_API_KEY : clé d’API pour l’authentification auprès de n8n

• Facultatif : N8N_WEBHOOK_USERNAME et N8N_WEBHOOK_PASSWORD pour l’authentification des webhooks

Cette intégration transforme votre LLM en partenaire d’automatisation opérationnel : vous pouvez gérer des workflows complexes par la conversation. La plateforme n8n prend elle-même en charge plus de 400 intégrations avec des services et outils populaires, faisant de ce serveur MCP une passerelle puissante vers un vaste écosystème d’automatisation.

Imaginez décrire un workflow à votre LLM en langage naturel et le voir traduire vos besoins en un workflow n8n entièrement fonctionnel, ou lui demander simplement ce qui n’a pas fonctionné pour résoudre un échec d’exécution.

4. MCP LangGraph Tools de Paul Robello (38 ⭐ sur GitHub)

MCP LangGraph Tools fait le lien entre les outils MCP et LangGraph, permettant de créer des workflows complexes reposant sur l’IA et combinant les atouts de différents frameworks. Il ne s’agit pas d’un serveur MCP à proprement parler, mais d’un framework permettant d’intégrer à LangGraph les outils MCP existants fournis par des serveurs. 

Technologies externes :

• LangGraph

• LangChain

• Plusieurs fournisseurs de LLM (Anthropic, OpenAI, Google, Groq, Ollama)

• Brave Search API (dans l’implémentation d’exemple)

Clés d’API requises :

• Clé d’API Brave Search (pour l’implémentation d’exemple)

• Clé d’API du fournisseur de LLM (Anthropic, OpenAI, Google, Groq ou Ollama)

Cette intégration est particulièrement utile aux développeurs qui créent des workflows d’IA complexes devant orchestrer plusieurs outils et conserver un état. En associant l’accès normalisé aux outils du MCP aux capacités d’orchestration de LangGraph, les développeurs peuvent créer des applications d’IA sophistiquées avec moins de code d’intégration personnalisé. L’utilisation de LangChain est également plus adaptée au code qu’une approche native n8n.

L’implémentation prend en charge plusieurs fournisseurs de LLM, ce qui en fait une solution flexible pour les équipes qui travaillent avec différents modèles d’IA. L’implémentation d’exemple du dépôt montre avec quelle facilité un assistant d’IA peut accéder à la recherche Web via MCP tout en profitant de la puissante gestion d’état de LangGraph. 

Serveurs MCP pour la collaboration entre humains et IA

5. gotoHuman MCP Server de gotohuman (16 ⭐ sur GitHub)

gotoHuman MCP Server fait le lien entre les agents d’IA et les réviseurs humains, permettant aux applications d’IA de demander des évaluations, des approbations et des informations dans le cadre d’un workflow asynchrone. L’accès aux retours humains est géré par goToHuman : ce n’est pas vous qui fournissez les réponses. Si vous cherchez un serveur qui vous demande directement votre avis, sur votre machine locale, découvrez cette mention honorable : interactive-mcp.

Technologies externes :

• TypeScript

• Node.js

• Zod (validation de schéma)

• API gotoHuman

Clés d’API requises :

• GOTOHUMAN_API_KEY : clé d’authentification du service gotoHuman

Ce serveur répond au besoin essentiel de supervision humaine des opérations des agents d’IA. Il met en place un workflow structuré qui permet aux systèmes d’IA de solliciter le jugement humain sur des décisions ou des contenus importants. Cela peut être particulièrement utile pour les applications dans des secteurs réglementés ou dans les situations où une approbation humaine est nécessaire. Je ne sais toutefois pas quelles garanties permettent de s’assurer que les personnes sollicitées sont expertes dans le domaine concerné, le cas échéant. 

Malgré tout, le workflow asynchrone reposant sur des webhooks permet aux agents d’IA de poursuivre leurs opérations en attendant les réponses humaines, pour rendre plus efficaces les applications d’IA avec intervention humaine. Cette approche pourrait convenir aux entrepreneurs indépendants et aux petites entreprises qui ne souhaitent pas affecter une personne à temps plein à ces tâches. 

6. Record to Markdown de Mike Li (0 ⭐ sur GitHub)

Record to Markdown fait simplement le lien entre vos conversations avec les LLM et vos applications locales de prise de notes, et permet d’enregistrer directement les conversations dans des fichiers Markdown ou dans Apple Notes. Comme le résultat peut être enregistré au format Markdown, cet outil pourrait également fonctionner avec des solutions comme obsidian.md.

Technologies externes :

• FastMCP

• httpx

• markdown2

• AppleScript (osascript) pour l’intégration à Apple Notes

Clés d’API requises : aucune

Même si son concept est simple, cet outil répond à un besoin fréquent des utilisateurs de LLM : conserver les éléments intéressants d’une conversation pour pouvoir les consulter plus tard. Une même tâche peut parfois nécessiter plusieurs conversations, et transférer les informations d’une conversation à l’autre peut être fastidieux, surtout lorsqu’une conversation approche de sa limite de contexte.

En permettant l’enregistrement direct dans des outils locaux de prise de notes, Record to Markdown simplifie la collecte des connaissances et évite les frictions liées au transfert des idées issues des conversations avec l’IA vers des bases de connaissances personnelles. L’intégration à Apple Notes est idéale pour les adeptes de l’écosystème Apple : elle utilise AppleScript pour créer des notes correctement mises en forme et dotées d’étiquettes, faciles à organiser. 

Serveurs MCP d’infrastructure et d’intégration

7. MCP Installer d’Ani Betts (1 k ⭐ sur GitHub)

MCP Installer résout un problème de « l’œuf et la poule » dans l’écosystème MCP en simplifiant l’installation et la configuration, à la demande, de serveurs MCP supplémentaires. Je me demande si cet outil va évoluer pour jouer un rôle semblable à celui de ComfyUI-Manager dans l’écosystème local de génération d’images à partir de texte. 

Technologies externes :

• spawn-rx

• rimraf

• npx

• uv (gestionnaire de packages Python)

Clés API requises : Aucune pour l’installateur lui-même, mais certains serveurs MCP peuvent nécessiter leurs propres clés API

MCP Installer lève un obstacle important à l’adoption de l’écosystème MCP : la complexité de la configuration initiale. En créant un serveur MCP dédié à l’installation d’autres serveurs, il rend la découverte et l’installation des serveurs MCP accessibles par la conversation, même aux personnes qui ne maîtrisent pas la ligne de commande.

La communauté considère cet outil comme une fondation qui favorise l’adoption d’autres serveurs MCP spécialisés. Il joue un rôle de catalyseur dans l’écosystème et crée un cercle vertueux qui nous permet de profiter d’encore plus d’intégrations d’outils.

8. MCPAdapt par Guillaume Raille (301 ⭐ sur GitHub)

MCPAdapt fait le lien entre les serveurs MCP et des frameworks agentiques populaires comme LangChain, CrewAI et Google GenAI. Les outils de l’écosystème MCP peuvent ainsi être utilisés dans ces frameworks. Comme MCP LangGraph Tools, il ne s’agit pas d’un serveur à proprement parler. Il agit plutôt comme un adaptateur qui permet d’utiliser des outils MCP dans différents frameworks agentiques.

Technologies externes :

• jsonref

• pydantic

• python-dotenv

• Dépendances facultatives pour certains frameworks (crewai, langchain, google-genai, etc.)

Clés API requises : Aucune pour MCPAdapt lui-même, mais les frameworks agentiques et les serveurs MCP auxquels il se connecte peuvent nécessiter leurs propres clés API

MCPAdapt constitue une puissante couche d’intégration qui permet aux développeurs de tirer parti de l’écosystème en pleine expansion des outils MCP dans leur environnement de développement d’agents IA préféré. Cette compatibilité entre frameworks accélère l’adoption des outils MCP et des frameworks agentiques en évitant d’avoir à choisir entre les écosystèmes.

La bibliothèque prend en charge les modes synchrone et asynchrone, et utilise intelligemment le multithreading pour éviter les blocages en mode synchrone. Cette flexibilité lui permet de s’adapter à différentes architectures d’application et méthodes de développement.

9. Multiverse MCP Server par Enrico Ballardini (47 ⭐ sur GitHub)

Le serveur MCP Multiverse permet d’exécuter plusieurs instances d’un même serveur MCP, chacune avec sa propre configuration et son propre environnement, afin d’éviter les conflits de noms et de permettre des configurations plus complexes. Bien qu’il s’agisse techniquement d’un serveur MCP, les outils qu’il fournit dépendent entièrement de la façon dont vous le configurez avec vos autres serveurs. Il peut encapsuler d’autres serveurs MCP et préfixer le nom de leurs outils pour indiquer qu’ils sont instanciés, ce qui permet d’exécuter des instances isolées d’un même serveur avec des configurations distinctes.

Technologies externes :

• Node.js

• @modelcontextprotocol/sdk

• Commander.js

• Zod

• Chokidar

Clés API requises : Aucune pour Multiverse lui-même, mais les serveurs MCP encapsulés peuvent nécessiter leurs propres clés API

Multiverse résout un problème pratique : exécuter plusieurs instances d’un même type de serveur avec des configurations distinctes. Par exemple, vous pouvez avoir deux serveurs MCP de système de fichiers, chacun ayant accès à des répertoires différents, ou plusieurs serveurs MCP GitHub associés à des jetons d’accès personnels différents.

Son système de préfixes ingénieux permet d’organiser les noms des outils et d’éviter les conflits. Ses nombreuses options de configuration vous donnent un contrôle précis sur chaque serveur encapsulé, notamment la possibilité de masquer certaines fonctions ou d’appliquer une résolution de chemin pour créer des environnements isolés.

Analyse comparative

Prise en charge de l’intégration à l’écosystème MCP

Une compatibilité barrée peut tout de même fonctionner : elle n’était simplement pas explicitement mentionnée dans le dépôt.

Utiliser ces serveurs MCP ensemble

Ces serveurs MCP révèlent tout leur potentiel lorsqu’ils sont combinés pour créer des workflows qui tirent parti des atouts de chaque outil. Voici quelques scénarios intéressants :

Développement d’applications web assisté par l’IA

Scénario : Un développeur travaille sur une application web avec des tests automatisés.

1. Utilisez MCP Installer pour configurer Claude Debugs for You et Playwright MCP

2. Avec Playwright MCP, Claude peut inspecter le DOM de l’application web et capturer des captures d’écran des problèmes d’interface

3. Avec Claude Debugs for You, Claude peut aider à déboguer le code à l’origine de ces problèmes

4. Les résultats peuvent être enregistrés dans une base de connaissances à l’aide de Record to Markdown, puis partagés avec l’équipe

Cette combinaison crée un assistant de développement performant, capable à la fois de repérer les problèmes visuels et d’aider à corriger le code sous-jacent, tout en documentant le processus pour pouvoir s’y référer ultérieurement.

Workflow collaboratif entre l’IA et les humains

Scénario : Un agent IA gère un workflow de production de contenu sous supervision humaine.

1. Utilisez n8n MCP Server pour orchestrer un workflow de production de contenu comprenant la collecte de données, la génération de contenu et sa publication

2. Intégrez gotoHuman MCP Server pour demander une validation humaine aux étapes clés

3. Utilisez Record to Markdown pour archiver le contenu approuvé et les commentaires à des fins d’entraînement

4. Tirez parti de MCPAdapt pour connecter ces outils MCP à un agent LangChain chargé de gérer l’ensemble du processus

Cette intégration crée un système de production de contenu robuste, qui combine l’efficacité de l’automatisation et le jugement humain là où il est essentiel, tout en garantissant une supervision humaine adaptée.

Développement multi-environnements (avec isolation)

Scénario : Un développeur travaille sur plusieurs projets aux exigences différentes.

1. Utilisez MCP Installer pour installer les serveurs MCP de base, comme l’accès au système de fichiers et l’intégration à GitHub

2. Configurez Multiverse MCP Server pour créer des instances isolées pour chaque projet et empêcher les accès croisés

3. Utilisez Claude Debugs for you, configuré via Multiverse, pour bénéficier d’une assistance au débogage sur plusieurs bases de code

4. Intégrez MCP LangGraph Tools pour créer des workflows IA spécifiques à chaque projet et adaptés à son environnement

Cette configuration permet à un développeur de séparer strictement ses projets tout en bénéficiant de l’assistance de l’IA pour chacun d’eux, avec des contrôles d’accès adaptés et des workflows personnalisés pour chaque contexte.

Pourquoi ces serveurs MCP sont essentiels aux utilisateurs avancés

L’écosystème MCP marque un changement fondamental dans nos interactions avec les assistants IA : on passe d’échanges limités à la conversation à de véritables collaborateurs IA capables d’agir dans le monde numérique. Pour les utilisateurs avancés, ces outils offrent plusieurs avantages clés :

1. Capacités étendues : les serveurs MCP élargissent considérablement les possibilités des LLM, qui peuvent ainsi interagir avec des environnements de développement, des plateformes d’automatisation, des navigateurs et bien plus encore.

2. Intégration aux workflows : plutôt que de multiplier les copier-coller avec votre LLM, ces outils s’intègrent à vos workflows et outils existants pour vous apporter une assistance IA pertinente et adaptée au contexte.

3. Réduction de l’utilisation de la fenêtre de contexte : en accédant directement à des outils et à des sources de données externes, un LLM peut exploiter des jeux de données et des bases de code bien plus volumineux sans occuper une précieuse partie de sa fenêtre de contexte. (Veillez toutefois à ne pas saturer cette fenêtre avec les définitions des outils fournies au LLM.)

4. Expertise spécialisée : chaque serveur MCP confère au LLM des capacités propres à un domaine, comme le débogage, l’automatisation web ou la gestion de workflows.

5. Développement de l’écosystème : à mesure que l’écosystème MCP s’étend, les utilisateurs avancés qui adoptent ces outils tôt bénéficieront d’un avantage croissant, à mesure que de nouvelles capacités seront disponibles.

L’avenir de la collaboration avec l’IA

Les serveurs MCP que nous avons présentés annoncent un nouveau paradigme de l’assistance par l’IA : les outils IA ne se limitent plus à la conversation, mais peuvent participer activement à des workflows complexes, accéder à des outils spécialisés et faire le lien entre les idées et l’action.

Les utilisateurs avancés qui investissent dans la configuration de ces outils en tirent de nombreux bénéfices : un assistant IA nettement plus performant, capable d’aider au débogage, à l’automatisation, à l’interaction avec le web et bien plus encore. À mesure que l’écosystème MCP se développe, de nouveaux outils innovants devraient voir le jour et repousser les limites du possible, à la croisée de la créativité humaine et des capacités de l’IA.

Que vous soyez développeur à la recherche d’un partenaire pour le débogage, adepte de l’automatisation souhaitant piloter vos workflows par la conversation ou simplement désireux de tirer davantage parti des assistants IA, ces serveurs MCP vous donnent un aperçu de l’avenir de la collaboration avec l’IA : un avenir où les capacités humaines et celles des machines s’entremêlent de plus en plus pour gagner en fluidité et en productivité.

Sécurisez vos applications générées par l’IA avec Snyk

Ces outils d’IA sont prometteurs pour l’automatisation, mais ils peuvent encore commettre des erreurs, notamment lorsqu’ils génèrent du code sécurisé. Snyk peut analyser votre code à la recherche de vulnérabilités, directement dans votre IDE.

Si vous souhaitez accéder aux outils haut de gamme de Snyk dans le cadre d’une offre entreprise, sans les mêmes limites de débit que l’offre gratuite, vous pouvez demander un accès entreprise gratuit pour votre projet open source. Cette offre est proposée dans le cadre de notre initiative Secure Developer. Découvrez également certains projets qui nous ont déjà rejoints !