29 juillet 2026
Coder avec un agent IA : mon setup Claude Code + MCP au quotidien
Mon setup quotidien pour coder avec Claude Code, Cursor et des serveurs MCP : contexte de repo, rails d'evals, revue, déploiement et leçons Brut/Ellipse.
Mon agent de code a une place précise dans la journée
Je code aujourd'hui avec un agent IA comme avec un atelier à côté de mon bureau. Claude Code prend les boucles longues, Cursor garde le cockpit visuel, et mes serveurs MCP apportent les sources utiles au bon moment. Cette combinaison change mon rythme : je passe davantage de temps sur l'intention produit, les arbitrages et la qualité du système, pendant que l'agent absorbe une grande partie de la mécanique d'exécution.
Ma journée commence souvent par une tranche très concrète : corriger un flux RAG, ajouter une mesure d'eval, nettoyer une API interne, brancher un outil MCP, ou rendre une interface plus claire pour une équipe métier. Avant de lancer Claude Code, je formule la valeur attendue en une phrase. Ensuite je transforme cette phrase en chemins, contraintes, commandes et critères de revue. L'agent reçoit une mission opérable, et moi je garde la responsabilité du résultat.
Le repo raconte le produit avant le prompt
Le meilleur prompt reste beaucoup plus fort quand le repo parle déjà bien. J'aime trouver un README vivant, un DOCS.md utile, des scripts nommés clairement, une arborescence stable, des conventions visibles et quelques exemples représentatifs. Dans un projet IA, j'ajoute aussi le vocabulaire métier, les schémas de données, les principales routes, les commandes d'eval et les invariants produit. Ce contexte devient un rail pour l'agent autant qu'un support pour l'équipe.
Quand je prépare un repo pour Claude Code, je pense en cartes courtes. Une carte explique le domaine, une autre les flux critiques, une autre les tests, une autre le déploiement. Chaque carte pointe vers des fichiers précis. Ce format rend le contexte dense, lisible et facile à tenir à jour. L'agent peut explorer vite, et un humain qui rejoint le projet comprend pourquoi telle décision existe.
Claude Code pour les boucles longues, Cursor pour le jugement proche
Claude Code est mon outil pour les tâches qui demandent de lire plusieurs fichiers, proposer un plan, modifier une surface cohérente, corriger les types et relancer les validations. Je l'utilise beaucoup pour les refactors bornés, les corrections de build, les connecteurs, les tests et les migrations de patterns. Je lui donne un objectif, une limite, une commande de preuve et une façon de me résumer le diff.
Cursor reste ouvert en permanence pour le jugement proche. Je lis le diff dans l'éditeur, je renomme une fonction sensible, je compare deux approches, je réécris une phrase produit, je vérifie une hypothèse UX. Le duo est fluide : Claude Code avance la mécanique, Cursor me garde au contact de l'intention. Cette alternance évite l'effet tunnel et transforme l'agent en accélérateur de décision.
Les serveurs MCP que je garde proches du code
MCP devient précieux dès que le contexte utile vit hors du repo. Dans mes setups, un serveur MCP peut exposer une documentation interne, un backlog, un catalogue de composants, des fixtures, un jeu de logs, une recherche dans des décisions produit ou une lecture contrôlée de données de test. L'objectif est simple : donner à l'agent des outils propres, typés et traçables, avec des sorties que je peux vérifier.
Je commence petit. Deux ou trois outils suffisent souvent : rechercher une source, récupérer un objet métier, lancer ou lire une eval. Ensuite j'ajoute les outils qui raccourcissent vraiment la boucle de livraison. Un bon serveur MCP ressemble à une API produit pour agents : peu de fonctions, des noms explicites, des réponses structurées, et une responsabilité claire. C'est cette sobriété qui donne de la vitesse.
Ma boucle de livraison : plan court, diff lisible, preuve
La boucle que j'utilise tient en quatre temps. D'abord, je demande un plan court avec les fichiers concernés et la stratégie de validation. Ensuite, je valide la tranche utile et je laisse Claude Code éditer. Puis je lis le diff comme une vraie revue de pair programming : noms, responsabilités, bordures, états d'erreur, expérience utilisateur. Enfin, je demande une preuve : test ciblé, build, eval, capture, ou requête contrôlée selon la nature du changement.
Cette boucle marche bien parce qu'elle garde chaque étape observable. Le plan dit où l'agent va. Le diff montre ce qui change. Les validations disent ce qui tient. Le résumé final m'aide à décider la suite. Dans une mission client, cette traçabilité vaut autant que la vitesse, car elle permet de transmettre le travail à une équipe qui doit maintenir le système après la livraison.
Les garde-fous qui rendent la vitesse saine
Mon setup repose sur des garde-fous très concrets. Les evals capturent les comportements attendus, les tests protègent les invariants techniques, les logs rendent les décisions inspectables, et les reviews gardent le sens produit au centre. Pour les fonctionnalités sensibles, j'aime aussi les flags, les petits lots de déploiement et les métriques qui confirment que le changement apporte une meilleure expérience réelle.
Je traite le déploiement comme une discipline, pas comme une cérémonie finale. Chaque tranche doit avoir une preuve locale, une lecture de diff, puis un chemin clair vers la production. Sur les systèmes GenAI, j'ajoute souvent des exemples rejouables : prompts, entrées, sorties attendues, score d'eval, traces d'outil. Ce matériel transforme la revue en conversation factuelle et donne aux équipes une base de confiance.
Ce que Brut et Ellipse m'ont appris sur la production GenAI
Chez Brut, le tempo média m'a appris à respecter les équipes qui doivent publier vite, vérifier vite et comprendre vite. Un assistant IA utile doit s'intégrer dans un flux éditorial, expliquer ses sources, garder une latence acceptable et laisser une trace claire. L'agent de code suit la même logique : il doit renforcer un workflow réel, produire des preuves lisibles et soutenir le niveau d'exigence du terrain.
Chez Ellipse, les sujets d'automatisation et d'IA m'ont rappelé l'importance des droits, des systèmes existants, des intégrations et de l'adoption interne. La réussite vient rarement d'un grand geste spectaculaire. Elle vient d'une série de petites boucles fiables : comprendre un métier, connecter les bons outils, évaluer les sorties, livrer un incrément, écouter les utilisateurs, puis solidifier. Mon setup Claude Code + MCP sert exactement cette manière de construire.
La vraie compétence : orchestrer le contexte
Plus j'utilise des agents de code, plus je vois la compétence principale se déplacer vers l'orchestration du contexte. Le gain vient de la clarté du repo, de la qualité des exemples, du choix des outils MCP, de la granularité des tickets et de la discipline de revue. Quand ces éléments sont en place, Claude Code devient un partenaire très puissant pour passer d'une intention produit à un changement vérifié.
J'aime cette façon de travailler parce qu'elle rend le métier d'ingénieur plus humain. Je passe plus de temps à comprendre le problème, à écrire les bonnes contraintes, à discuter les arbitrages et à transmettre un système propre. L'agent accélère la fabrication, mais la valeur vient toujours du jugement, du goût produit et de la responsabilité de livraison. C'est le setup que j'utilise au quotidien, et celui que j'aime installer chez les équipes qui veulent vraiment expédier de l'IA en production.