Intégrations

MCP Server

Le réseau lui-même parle MCP. Ajoutez-le comme serveur, et votre agent gagne un méta-outil : la capacité d'évaluer chaque autre outil avant de l'utiliser.

Outils disponibles

Champ	Description
search_capabilities	Trouver des capacités classées pour une description de tâche.
get_capability	Récupérer une fiche de capacité : interfaces, actions, dernière préparation, preuves.
preflight_capability	Vérifier qu'une action spécifique est prête en ce moment.
report_capability_outcome	Signaler si le résultat était exploitable après l'invocation.
explain_readiness_score	Obtenir la trace de preuves lisible par un humain qui sous-tend un score.

Configuration du client

Enregistrez le serveur dans la configuration de votre client MCP (exemple ci-dessous pour un transport stdio). Claude Code, Cursor, Cline et CodeBuddy suivent tous ce modèle.

mcp.json

{
  "mcpServers": {
    "capability-readiness": {
      "command": "python",
      "args": ["-m", "app.mcp_server.server"],
      "env": {
        "PUBLIC_API_BASE_URL": "https://api.example.com",
        "API_KEY": "<your key>"
      }
    }
  }
}

Utilisation des outils

example

# Inside an MCP-enabled agent session:
# the agent calls the tool like any other —

search_capabilities(
  query="extract tables from a PDF into CSV",
  agent_runtime="claude-code",
  risk_tolerance="read_only"
)

# → returns recommended / fallbacks / blocked with scores,
#   evidence levels, and reason codes

Une politique d'agent typique : rechercher une fois par tâche, prévérifier avant chaque appel, signaler le résultat après chaque appel. Le rapport de résultat est ce qui permet d'obtenir des recommandations de meilleure qualité au fil du temps.