Aller au contenu principal
Making DigitalMaking Digital
Note technique

Outil de feedback pour agents IA sur serveur MCP : le code est facile, le tri non

En bref

Oui, un éditeur d'API ou de serveur MCP peut laisser les agents IA signaler ce qui leur manque, pour une dizaine à une vingtaine de lignes de code selon Clerk et Medusa. Cela ne vaut le coup que si des agents utilisent déjà votre interface. Le coût réel est le tri humain des retours, avec authentification, plafond d'appels et méfiance envers le texte reçu.

En clair

Un outil de feedback pour agents IA est une petite fonction ajoutée au serveur MCP d'un logiciel (la porte par laquelle un assistant IA l'utilise) : quand l'agent bute, il écrit à l'éditeur ce qui lui manque. Vous n'êtes concerné que si vous livrez une API ou un serveur MCP que des agents utilisent déjà. Demandez à votre prestataire qui lira ces retours, et ce qui empêche un faux message de causer des dégâts.

Laisser les agents IA signaler leurs blocages est une bonne idée, et peu coûteuse à installer. Reste à savoir qui lira les messages.

Un outil de feedback pour agents IA sur serveur MCP : quelques lignes

Freek, de Spatie, en a ajouté un aux serveurs MCP d'Oh Dear, There There et Mailcoach, comme il le raconte dans son billet. Un agent IA est un programme qui enchaîne des actions à votre place ; MCP est le standard ouvert qui lui permet d'utiliser un logiciel. Quand l'agent ne peut pas finir sa tâche, il envoie le manque constaté à l'équipe.

L'installation est légère. Chez Clerk, il faut un paquet dédié, cinq étapes et une dizaine de lignes, à condition d'avoir un serveur MCP en SDK TypeScript. Medusa parle d'une vingtaine de lignes, Sanity d'un coût faible : un outil, quelques destinations, quelques phrases d'instructions. Aucun prix n'est publié, et nous n'avons trouvé aucun retour d'une petite structure.

Selon Sanity, la télémétrie montre quels outils échouent, pas pourquoi. Le feedback comble ce trou. Mais sans API ni MCP ouvert aux agents, vous recevrez sans doute peu de retours, et le tri coûterait plus que l'outil ne rapporte. C'est notre déduction : aucun seuil de volume n'est publié.

Le vrai coût : qui lit, et qui décide ?

Chez Sanity, les retours passent par Sentry (un outil qui recense les erreurs), un canal Slack, puis des tickets dans Linear. Medusa précise qu'ils demandent un tri humain. Sans chiffres, cela a tout de même donné un bug corrigé et un message d'erreur plus clair, pour une clé API Secret envoyée en Bearer au lieu de Basic.

LaunchDarkly va plus loin. Son outil vent enchaîne triage, Slack, ticket Jira, correctif, pull request (une proposition de modification du code) et test, rapport joint. Selon l'éditeur, cela donne plus de 100 tickets et correctifs en environ une semaine, les cas délicats restant escaladés à un humain. Qualité des correctifs, coût, risque d'abus : rien n'est documenté.

Kentico a choisi un outil en écriture seule : identité par clé d'API, anonymisation par un modèle, relecture manuelle tous les trois mois. Il admet que les agents peuvent ignorer les consignes.

Freek, lui, n'a posé que la première marche. Le rêve de Jack Sharkey dont il s'inspire (l'agent de l'éditeur corrige, publie, prévient l'agent demandeur) n'est documenté qu'en partie. Qui lit, en combien de temps : personne ne chiffre ce temps-là, et c'est lui qui pèse.

Si vous livrez des intégrations à vos clients, la création d'API est le bon endroit pour y penser, et nous accompagnons des entreprises autour de Vitrolles, en Provence sur ces sujets.

Ce qu'il faut verrouiller avant d'ouvrir le canal

Clerk est le plus franc. Son outil est plafonné à 100 rapports par heure et par instance (une limite de débit, contre les abus), et n'importe qui ayant accès au serveur peut l'appeler : d'où le conseil d'authentifier les serveurs publics.

Le texte reçu vient d'un tiers. Il peut contenir une injection de consigne, une phrase piégée qui cherche à détourner l'agent qui la lit. On le résume, on ne lui obéit jamais.

Clerk filtre aussi les identifiants reconnus. Comme l'agent envoie sans demander à l'utilisateur, la politique de confidentialité doit le dire. Pour en discuter à partir de votre cas, écrivez-nous, ou lisez ce que nous avons appris en connectant un agent IA à des logiciels métier.

Un créneau pour en parler

Si ce sujet touche votre activité, choisissez un créneau : nous regardons votre cas ensemble.

Questions fréquentes

Un outil de feedback pour agents IA remplace-t-il les statistiques d'usage ?

Non. Selon Sanity, la télémétrie montre quels outils échouent mais pas pourquoi. Le feedback apporte l'explication, écrite par l'agent qui a buté.

Peut-on laisser l'éditeur corriger seul à partir des retours des agents ?

Partiellement. LaunchDarkly automatise une chaîne jusqu'au correctif, mais les cas qui touchent à l'API ou exigent une décision restent remontés à un humain.

Les retours des agents peuvent-ils contenir des données personnelles ?

Oui, c'est un risque. Clerk demande aux agents de ne pas inclure de secrets et filtre les identifiants reconnus, mais l'envoi se fait sans demander à l'utilisateur, ce que la politique de confidentialité doit mentionner.

Making Digital

Nous connectons les logiciels des PME, automatisons leurs tâches répétitives et créons des assistants IA, depuis 2010. Nos articles partent de nos projets réels.

Notre parcours
Une question sur ce sujet ?

Parlons-en 30 minutes.

Vous saurez si votre problème se règle, comment, et en combien de temps. Sans engagement.