Skip to content

README.fr-FR.md

Latest commit

 

History

History
523 lines (399 loc) · 18.7 KB

README.fr-FR.md

File metadata and controls

523 lines (399 loc) · 18.7 KB

mcp-probe-kit — Connaître le Contexte, Nourrir le Moment

知时MCP Logo

知时MCP | mcp-probe-kit

Know the Context, Feed the Moment.

Introspection · Context Hydration · Delegated Orchestration

Talk is cheap, show me the Context.

mcp-probe-kit est une boîte à outils au niveau protocole conçue pour les développeurs qui veulent que l'IA comprenne vraiment l'intention de leur projet. Ce n'est pas seulement une collection de 28 outils — c'est un système conscient du contexte qui aide les agents IA à saisir ce que vous construisez.

Langues: English | 简体中文 | 日本語 | 한국어 | Español | Français | Deutsch | Português (BR)

npm version npm downloads License: MIT GitHub stars

🚀 Boîte à Outils de Développement Complète Alimentée par l'IA - Couvrant l'Ensemble du Cycle de Vie du Développement

Un puissant serveur MCP (Model Context Protocol) fournissant 28 outils couvrant le flux de travail complet de l'analyse produit au lancement final (Exigences → Conception → Développement → Qualité → Lancement), tous les outils supportent la sortie structurée.

🎉 Mise à Jour Majeure v3.0 : Nombre d'outils simplifié, focus sur les compétences clés, élimination de la paralysie du choix, permettant à l'IA de faire plus de travail natif

Supporte Tous les Clients MCP : Cursor, Claude Desktop, Cline, Continue, et plus

Version du Protocole : MCP 2025-11-25 · SDK : @modelcontextprotocol/sdk 1.27.1

📚 Documentation Complète

👉 https://mcp-probe-kit.bytezonex.com

✨ Fonctionnalités Principales

📦 28 Outils

  • 🔄 Orchestration des Flux de Travail (6 outils) - Flux de travail de développement complexes en un clic
    • start_feature, start_bugfix, start_onboard, start_ui, start_product, start_ralph
  • 🔍 Analyse de Code (4 outils) - Qualité du code, refactorisation et insight de graphe
    • code_review, code_insight, fix_bug, refactor
  • 📝 Outils Git (2 outils) - Commits Git et rapports de travail
    • gencommit, git_work_report
  • ⚡ Génération de Code (1 outil) - Génération de tests
    • gentest
  • 📦 Gestion de Projet (6 outils) - Initialisation de projet et gestion des exigences
    • init_project, init_project_context, add_feature, estimate, interview, ask_user
  • 🎨 Utilitaires UI/UX (3 outils) - Systèmes de conception et synchronisation des données UI
    • ui_design_system, ui_search, sync_ui_data
  • 🧠 Mémoire et Historique Cursor (6 outils) - Mémoire d'actifs réutilisables et récupération locale des conversations Cursor
    • read_memory_asset, memorize_asset, scan_and_extract_patterns, cursor_list_conversations, cursor_search_conversations, cursor_read_conversation

🧠 Pont de Graphe de Code (GitNexus)

  • code_insight fait le pont avec GitNexus par défaut pour l'analyse query/context/impact
  • Le pont lance npx -y gitnexus@latest mcp par défaut pour réduire le risque de paquets obsolètes
  • init_project_context initialise les documents de graphe de base sous docs/graph-insights/ ; si docs/project-context.md existe déjà, il préserve les anciens documents de contexte et ne remplit que les documents de graphe plus l'entrée d'index
  • start_feature rafraîchit l'index GitNexus et exécute le resserrement query/context/impact au niveau tâche avant la génération de spec
  • start_bugfix rafraîchit l'index GitNexus et exécute l'analyse de graphe au niveau tâche avant le RCA TBP
  • Les anciens projets qui ont déjà project-context.md mais pas de documents de graphe sont initialisés automatiquement via init_project_context
  • Si GitNexus est indisponible, le serveur bascule automatiquement sans interrompre l'orchestration
  • Les requêtes de graphe réelles lisent l'index .gitnexus ; docs/graph-insights/latest.md|json sont des snapshots lisibles
  • Les snapshots de graphe sont exposés en tant que ressources (probe://graph/latest, probe://graph/history, probe://graph/latest.md)
  • Les snapshots sont persistés dans .mcp-probe-kit/graph-snapshots (personnalisable via MCP_GRAPH_SNAPSHOT_DIR)
  • Les réponses des outils incluent _meta.graph avec l'URI du snapshot et les chemins locaux

🐛 RCA TBP en 8 Étapes pour les Workflows de Bug

  • start_bugfix applique par défaut une analyse de cause racine Toyota TBP en 8 étapes avant la réparation
  • fix_bug retourne un squelette TBP structuré couvrant le phénomène, la chronologie, les chemins exclus, la frontière, la cause racine, les preuves et le plan de réparation
  • Cela impose une discipline d'analyse préalable plutôt que de corriger les symptômes

🧠 Récupération Mémoire et Historique Cursor

  • Les outils mémoire utilisent Qdrant comme backend de base de données vectorielle
  • Le service d'embedding supporte deux modes : ollama et openai-compatible
  • Les outils d'historique Cursor lisent directement la base de données locale de Cursor via Node.js, sans pont Python
  • L'historique Cursor supporte Windows, macOS et Linux

Outils mémoire :

  • memorize_asset - Persister des actifs réutilisables de code/spec/pattern dans la mémoire vectorielle
  • read_memory_asset - Lire le contenu complet d'un actif par asset_id
  • scan_and_extract_patterns - Extraire des patterns réutilisables du code/fichier/répertoire

Configuration mémoire locale recommandée (Qdrant + Ollama) :

docker run -d --name mcp-qdrant -p 6333:6333 qdrant/qdrant
ollama pull nomic-embed-text
{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "ollama",
        "MEMORY_EMBEDDING_URL": "http://127.0.0.1:11434/api/embeddings",
        "MEMORY_EMBEDDING_MODEL": "nomic-embed-text",
        "MEMORY_SEARCH_LIMIT": "3",
        "MEMORY_SUMMARY_MAX_CHARS": "280"
      }
    }
  }
}

Configuration d'embedding compatible OpenAI :

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "openai-compatible",
        "MEMORY_EMBEDDING_URL": "https://your-embedding-endpoint/v1/embeddings",
        "MEMORY_EMBEDDING_API_KEY": "your-api-key",
        "MEMORY_EMBEDDING_MODEL": "text-embedding-3-small"
      }
    }
  }
}

Outils d'historique Cursor :

  • cursor_list_conversations - Lister les conversations Cursor locales récentes
  • cursor_search_conversations - Rechercher par mot-clé ou request id
  • cursor_read_conversation - Lire la chronologie d'une conversation par composer_id

🎯 Sortie Structurée

Les outils cœur et d'orchestration supportent la sortie structurée, retournant des données JSON lisibles par machine.

⏱️ Tâches Natives, Progression et Annulation

  • Basé sur le support de tâches natif du SDK MCP (taskStore + taskMessageQueue)
  • Supporte les endpoints : tasks/get, tasks/result, tasks/list, tasks/cancel
  • Annonce capabilities.tasks.requests.tools.call
  • Émet notifications/progress quand le client fournit _meta.progressToken
  • Gère l'annulation via AbortSignal
  • Les outils longue durée (start_*) et sync_ui_data supportent l'annulation coopérative

🔌 Extensions et UI Apps (Optionnel)

  • Trace metadata passthrough : _meta.trace préservé dans les réponses
  • Interrupteur d'extensions : MCP_ENABLE_EXTENSIONS_CAPABILITY=1
  • Sortie UI Apps : MCP_ENABLE_UI_APPS=1
  • Les outils UI exposent des ressources via ui://... et _meta.ui.resourceUri

🧭 Protocole d'Orchestration Déléguée

Tous les outils start_* retournent un plan d'exécution dans structuredContent.metadata.plan. L'IA doit appeler les outils étape par étape et persister les fichiers.

Schéma du Plan :

{
  "mode": "delegated",
  "steps": [
    {
      "id": "spec",
      "tool": "add_feature",
      "args": { "feature_name": "user-auth", "description": "Fonctionnalité d'authentification" },
      "outputs": ["docs/specs/user-auth/requirements.md"]
    }
  ]
}

🧩 Spécification des Champs de Sortie Structurée

  • summary : Résumé en une ligne
  • status : État (pending/success/failed/partial)
  • steps : Étapes d'exécution (outils d'orchestration)
  • artifacts : Liste d'artifacts
  • metadata.plan : Plan d'exécution déléguée (start_* uniquement)
  • specArtifacts : Artifacts de spécification (start_feature)
  • estimate : Résultats d'estimation (start_feature / estimate)

🧠 Mode de Clarification des Exigences (Requirements Loop)

Utilisez requirements_mode=loop dans start_feature / start_bugfix / start_ui pour 1-2 tours de clarification structurée avant l'exécution.

{
  "feature_name": "user-auth",
  "description": "Fonctionnalité d'authentification utilisateur",
  "requirements_mode": "loop",
  "loop_max_rounds": 2,
  "loop_question_budget": 5
}

🧩 Système de Templates

add_feature supporte les profils de template : guided (exigences incomplètes), strict (exigences complètes), auto (sélection automatique).

{
  "description": "Ajouter l'authentification utilisateur",
  "template_profile": "auto"
}

🔄 Orchestration des Flux de Travail

6 outils d'orchestration :

  • start_feature - Nouvelle fonctionnalité (Exigences → Conception → Estimation)
  • start_bugfix - Correction de bug (RCA TBP 8 étapes → Correction → Tests)
  • start_onboard - Intégration projet
  • start_ui - Développement UI (Système de conception → Composants → Code)
  • start_product - Conception produit (PRD → Prototype → HTML)
  • start_ralph - Ralph Loop (Développement itératif)

🚀 Flux de Conception Produit

start_product : des exigences au prototype interactif. Étapes : Analyse des Exigences → Prototype → Système de Conception → HTML → Contexte Projet.

🎨 UI/UX Pro Max

Outils UI/UX avec start_ui comme entrée unifiée :

  • start_ui - Développement UI en un clic
  • ui_design_system - Génération de système de conception
  • ui_search - Recherche de données UI/UX (BM25)
  • sync_ui_data - Synchroniser les données UI/UX

Skill Bridge pour les flux UI/PRD :

  • start_ui et start_product incluent désormais une section Skill Bridge
  • Ordre recommandé : ui-ux-pro-max → interaction-design → frontend-design

Inspiration :

🎤 Interview des Exigences

  • interview - Interview structurée des exigences
  • ask_user - Question proactive de l'IA

🧭 Guide de Sélection des Outils

Scénario Outil Recommandé Raison
Nouvelle fonctionnalité (flux complet) start_feature Auto-complète : spec → estimation
Seulement docs de spec add_feature Plus léger
Correction de bug (flux complet) start_bugfix RCA TBP → correction → test
Seulement analyse de bug fix_bug RCA TBP 8 étapes uniquement
Générer système de conception ui_design_system Génération directe
Développer composants UI start_ui Flux complet
Conception produit start_product PRD → prototype → HTML
Analyse d'exigence init_project Docs de spec complets
Docs d'intégration projet init_project_context Stack technique/architecture

🚀 Démarrage Rapide

Méthode 1 : npx (Recommandé)

Configuration Cursor / Cline

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["mcp-probe-kit@latest"]
    }
  }
}

Configuration Claude Desktop

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"]
    }
  }
}

Configuration OpenCode

Emplacement : opencode.json (projet) ou ~/.config/opencode/opencode.json (global)

{
  "mcp": {
    "mcp-probe-kit": {
      "type": "local",
      "command": ["npx", "-y", "mcp-probe-kit@latest"],
      "enabled": true
    }
  }
}

Note : OpenCode utilise opencode.json avec un schéma différent. mcp remplace mcpServers, command est un tableau, type: "local" requis, variables d'environnement via environment. Voir OpenCode MCP docs.

Méthode 2 : Installation Globale

npm install -g mcp-probe-kit

Configuration Optionnelle du Système de Mémoire

Option A : Qdrant + Ollama

docker run -d --name mcp-qdrant -p 6333:6333 qdrant/qdrant
ollama pull nomic-embed-text
{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "ollama",
        "MEMORY_EMBEDDING_URL": "http://127.0.0.1:11434/api/embeddings",
        "MEMORY_EMBEDDING_MODEL": "nomic-embed-text",
        "MEMORY_SEARCH_LIMIT": "3",
        "MEMORY_SUMMARY_MAX_CHARS": "280"
      }
    }
  }
}

Option B : Qdrant + OpenAI-Compatible

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "openai-compatible",
        "MEMORY_EMBEDDING_URL": "https://your-embedding-endpoint/v1/embeddings",
        "MEMORY_EMBEDDING_API_KEY": "your-api-key",
        "MEMORY_EMBEDDING_MODEL": "text-embedding-3-small"
      }
    }
  }
}

Variables d'Environnement de Mémoire

  • MEMORY_QDRANT_URL : URL Qdrant (requis)
  • MEMORY_QDRANT_API_KEY : Clé API Qdrant (optionnel)
  • MEMORY_QDRANT_COLLECTION : Nom de collection (défaut mcp_probe_memory)
  • MEMORY_EMBEDDING_PROVIDER : ollama ou openai-compatible
  • MEMORY_EMBEDDING_URL : URL de l'endpoint d'embedding
  • MEMORY_EMBEDDING_API_KEY : Clé API embedding
  • MEMORY_EMBEDDING_MODEL : Modèle (défaut nomic-embed-text)
  • MEMORY_SEARCH_LIMIT : Résultats (défaut 3)
  • MEMORY_SUMMARY_MAX_CHARS : Troncation (défaut 280)

Support de l'Historique Cursor

Plateformes supportées : Windows, macOS, Linux. Cursor doit être installé localement.

Notes Windows pour les Outils de Graphe

  • GitNexus utilise npx -y gitnexus@latest mcp par défaut. Premier démarrage à froid : 20+ secondes.
  • Certaines dépendances (tree-sitter-*) nécessitent Visual Studio Build Tools.
winget install Microsoft.VisualStudio.2022.BuildTools

Exemple avec gitnexus préinstallé :

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "mcp-probe-kit",
      "env": {
        "MCP_GITNEXUS_COMMAND": "gitnexus",
        "MCP_GITNEXUS_ARGS": "mcp",
        "MCP_GITNEXUS_CONNECT_TIMEOUT_MS": "30000",
        "MCP_GITNEXUS_TIMEOUT_MS": "45000"
      }
    }
  }
}

Redémarrer le Client

Après configuration, quittez complètement et rouvrez votre client MCP.

💡 Exemples d'Utilisation

# Développement quotidien
code_review @feature.ts
gentest @feature.ts
gencommit

# Nouvelle fonctionnalité
start_feature user-auth "Authentification utilisateur"

# Correction de bug
start_bugfix

# Conception produit
start_product "Plateforme d'éducation en ligne" --product_type=SaaS

# Développement UI
start_ui "Page de connexion" --mode=auto

# Contexte projet (module unique)
init_project_context

# Contexte projet (modulaire)
init_project_context --mode=modular

# Rapport Git quotidien
git_work_report --date 2026-02-03

# Rapport Git hebdomadaire
git_work_report --start_date 2026-02-01 --end_date 2026-02-07

❓ FAQ

Q1 : L'outil ne fonctionne pas ?

npx -y mcp-probe-kit@latest 2>&1 | tee ./mcp-probe-kit.log

Q2 : Client ne reconnaît pas les outils ?

  1. Redémarrez le client
  2. Vérifiez le chemin du fichier de configuration
  3. Vérifiez la syntaxe JSON

Q3 : Comment mettre à jour ?

npx : utilisez @latest. Global : npm update -g mcp-probe-kit

Q4 : Pourquoi les outils de graphe sont lents sous Windows ?

Cause : npx -y gitnexus@latest mcp (démarrage à froid) + modules natifs tree-sitter-*.

Solution :

  1. Installez Visual Studio Build Tools avec C++
  2. Si le client supporte env, utilisez une CLI gitnexus préinstallée et augmentez MCP_GITNEXUS_CONNECT_TIMEOUT_MS / MCP_GITNEXUS_TIMEOUT_MS

🤝 Contribution

Issues et Pull Requests sont les bienvenus !

📄 Licence

MIT License

🔗 Liens

Projets connexes :

Made with ❤️ for AI-Powered Development