Comment nous avons construit un agent de changelog hebdomadaire avec Quire MCP et Claude Managed Agents

Dernière mise à jour : 25 mai 2026

TL;DR : Nous avons remplacé notre réunion de récap du lundi par un Claude Managed Agent qui lit notre projet Quire Dev_Changelog via Quire MCP, regroupe le travail terminé des sept derniers jours par étiquette, et rédige un brief hebdomadaire lisible par les clients sous forme de nouveau document Quire. Temps d'exécution : moins de 30 secondes sur Haiku 4.5. Le gain le moins évident a été un filtrage agressif des outils, qui a fait passer les tokens d'entrée par exécution d'environ 82 000 à environ 12 000 et a maintenu le job dans les limites de débit du Tier 1 sans upgrade API.

Lundi, 9 h 04. Quelqu'un dans votre canal d'équipe demande : « Hé, un petit récap rapide de ce qui a été livré la semaine dernière ? » Trois personnes ouvrent leurs onglets, font défiler le tableau Kanban, essaient de se rappeler lesquelles des quarante tâches fermées étaient vraiment significatives, et reviennent vingt minutes plus tard avec deux puces et un haussement d'épaules. La réunion de récap censée durer dix minutes en prend quarante. Le mardi, tout le monde a oublié ce qu'il y avait dedans.

Nous avons rompu cette boucle. Nous avons construit un agent sur Quire MCP et Claude Managed Agents qui lit notre projet Dev_Changelog chaque lundi matin, repère tout ce qui a été terminé au cours des sept derniers jours, le regroupe par équipe, traduit le jargon dev en quelque chose qu'un client pourrait lire, et rédige l'ensemble du brief dans un nouveau document Quire. Temps d'exécution total : moins de trente secondes. Maintenance continue totale : zéro.

Cet article est le build complet, y compris les trois choses qui se sont cassées en route et la façon dont nous les avons corrigées. Si vous avez déjà voulu un agent IA qui fait du vrai travail sur les données de votre projet plutôt que de juste discuter avec vous, voici une recette qui marche.

Que produit réellement l'agent ?

Chaque lundi à 9 h Pacifique, une session Claude se réveille, interroge Quire et crée un nouveau document dans notre projet Dev_Changelog intitulé Weekly Brief: May 15 to May 21, 2026. Le document comporte cinq sections, dans cet ordre :

• Highlights avec les trois éléments à plus fort impact utilisateur
• Features Shipped où chaque nouvelle capacité est traduite en bénéfice côté utilisateur
• Bugs Fixed décrivant ce que l'utilisateur subissait avant le correctif
• Design Updates centrés sur ce qui a visiblement changé
• Social and Marketing incluant les chiffres d'engagement quand la description de tâche les mentionnait

Les sections vides sont silencieusement omises. En bas figure un récapitulatif des comptes sur une ligne. L'ensemble fait environ 400 mots et se lit comme un digest interne plutôt que comme un changelog marketing, parce que c'est exactement ce que le system prompt demande.

Voir les exemples en direct : l'agent lit depuis le projet source Dev_Changelog filtré, et le Weekly Brief: May 15 to May 21, 2026 est le document réel qu'il a produit.

L'équipe le lit en deux minutes pendant le standup. Personne n'a à le rédiger. Personne n'a à penser à le faire.

Ce que Quire MCP et Claude Managed Agents vous apportent

Quire MCP est un serveur Model Context Protocol hébergé à https://mcp.quire.app/mcp. Il expose l'API de Quire comme un ensemble d'outils standardisés que n'importe quel client compatible MCP peut appeler. Il y en a environ quatre-vingt-quinze, couvrant tout, de search_tasks à create_document en passant par bulk_create_tasks. L'agent n'a pas besoin de connaître la forme de l'API REST de Quire. Il voit juste un catalogue d'outils et appelle ce dont il a besoin.

Claude Managed Agents est le runtime hébergé d'Anthropic pour agents autonomes. Vous définissez un agent (modèle + system prompt + config d'outils), un environnement (conteneur sandboxé avec politiques réseau), et créez des sessions qui font effectivement le travail. Anthropic prend en charge le sandboxing, le proxy d'identifiants, la boucle d'exécution, le journal d'audit. Rien de tout cela n'est du code que vous avez à écrire.

La combinaison est ce qui compte, parce que chaque pièce prise isolément n'est que de la plomberie. Quire MCP sans agent est un catalogue d'outils que personne n'appelle. Claude Managed Agents sans MCP spécifique à un domaine est un sandbox qui n'a rien à faire. Branchez-les ensemble et vous obtenez un agent qui agit réellement sur des données de production, avec une auth correcte et un sandboxing intégrés.

Pas sur Claude Managed Agents ? Quire MCP fonctionne aussi avec Open Claw, le client MCP open source. Même catalogue d'outils, même flux OAuth, mêmes workflows à construire par-dessus. Choisissez le runtime qui colle à votre stack.

Pourquoi ça compte : la plupart des outils de PM n'ont pas encore de serveur MCP public. Asana, Monday et ClickUp exposent des API REST mais pas de MCP, vous devriez donc les wrapper vous-même et gérer l'auth. Notion propose MCP, mais sa surface d'outils est conçue pour les docs et les pages, pas pour la structure tâche-et-sous-tâche dont l'automatisation de projet a réellement besoin. Quire MCP est conçu autour des unités de travail (tâches, sous-tâches, statuts, étiquettes, sous-listes) sur lesquelles un agent opère, et c'est pour ça que ce build a pris un après-midi et non un trimestre.

Le build, étape par étape

L'ensemble de la mise en place a pris environ une heure, dont la majeure partie a été passée à se battre avec un piège de config sur lequel je reviendrai dans un instant. Voici la recette réelle.

1. La définition de l'agent

L'agent est un seul fichier YAML. Le system prompt est la partie la plus importante, car c'est ce qui transforme une session Claude générique en rédacteur de changelog :

name: Dev Changelog Writer
model:
  id: claude-haiku-4-5
  speed: standard
system: |-
  You are the weekly changelog writer for the Quire project
  "Dev_Changelog" (https://quire.io/w/Dev_Changelog).
  When invoked:
  1. Use the Quire MCP to search Dev_Changelog for tasks where status
     is completed and the `toggled` timestamp falls within the last 7
     days. Pull name, description, priority, tags, and subtasks.
  2. Group results by tag: feature, bugfix, design, social. Within
     each group, sort by priority (urgent, high, medium, low).
  3. Translate each task from internal dev shorthand into plain
     language a customer would understand. Features: lead with the
     user-facing benefit. Bugfixes: lead with what the user was
     experiencing. Design: describe what visibly changed. Social:
     include engagement numbers if mentioned.
  4. Create a new document in Dev_Changelog using `create_document`.
     Title: "Weekly Brief: [start date] to [end date]". Sections:
     Highlights, Features Shipped, Bugs Fixed, Design Updates,
     Social and Marketing, plus a footer with item counts.
  5. If zero completed tasks are found, do not create a document.
mcp_servers:
  - name: quire
    type: url
    url: https://mcp.quire.app/mcp

Nous avons choisi Haiku 4.5 parce que le travail n'est pas exigeant en raisonnement. L'agent regroupe, filtre et formate, ce que Haiku gère très bien pour environ un dixième du coût de Sonnet par token et avec des rate limits substantiellement plus élevés. Pour une exécution hebdomadaire non supervisée, cette marge de rate limit compte davantage que le gain marginal en raisonnement.

2. Le filtrage des outils, là où se trouve le vrai gain

Par défaut, quand vous attachez le serveur Quire MCP à un agent, les quatre-vingt-quinze définitions d'outils sont chargées dans le contexte à chaque appel de modèle. Ça fait beaucoup de tokens, et la plupart sont inutiles quand votre agent n'a besoin que de lire des tâches et de créer un document.

Filtrez sans pitié :

tools:
  - mcp_server_name: quire
    type: mcp_toolset
    default_config:
      enabled: false
      permission_policy:
        type: always_allow
    configs:
      - name: search_tasks
        enabled: true
      - name: create_document
        enabled: true
      - name: list_tags
        enabled: true
      - name: resolve_quire_url
        enabled: true

default_config.enabled: false signifie « rien d'activé par défaut », et le bloc configs active les quatre outils dont l'agent se sert réellement. Ce simple changement a fait passer notre nombre de tokens d'entrée par exécution d'environ 82 000 à moins de 12 000, ce qui nous a confortablement placés sous la limite de débit du Tier 1. (Plus de détails dans les anecdotes de guerre plus bas.)

Il y a aussi un bénéfice de sécurité. Avec seulement search_tasks, create_document, list_tags et resolve_quire_url activés, l'agent ne peut littéralement pas supprimer, archiver ou modifier des données existantes, même si une prompt injection essayait de l'y forcer. L'outil Quire bulk_delete_tasks n'est pas dans son toolkit, donc le modèle ne peut pas l'appeler.

3. L'environnement

Managed Agents exécute chaque session dans un sandbox gVisor avec une politique réseau que vous contrôlez. Le défaut est « Limited » sans accès réseau externe, ce qui empêchera votre agent d'atteindre Quire MCP. Le correctif le plus propre est le moindre privilège : gardez le type Limited, mais autorisez explicitement le seul nom d'hôte dont vous avez besoin.

Dans la console Claude : Manage Environments → votre env → Networking → activez Allow MCP server network access → ajoutez mcp.quire.app aux Allowed hosts. Laissez l'accès réseau du gestionnaire de paquets désactivé, parce que cet agent n'installe rien.

4. Le credential vault

Quire s'authentifie via OAuth. Dans Managed Agents, les tokens OAuth résident dans un credential vault qui se trouve à l'extérieur du sandbox. Quand l'agent appelle Quire MCP, un proxy d'identifiants injecte le token côté serveur. Le modèle lui-même ne voit jamais le token, ce qui signifie qu'une prompt injection réussie ne peut pas l'exfiltrer.

Créez un vault, cliquez sur Add credential, pointez-le sur https://mcp.quire.app/mcp, choisissez OAuth comme type, et exécutez le flux d'autorisation. Une fois l'identifiant affiché comme Active, le vault est prêt.

5. La planification

Les sessions Managed Agents s'exécutent une seule fois. Elles ne se répètent pas automatiquement. Pour que l'agent s'exécute chaque lundi, pointez n'importe quel ordonnanceur sur l'endpoint API sessions.create avec une expression cron 0 9 * * 1. Nous utilisons un simple Cloudflare Workers Cron Trigger qui appelle l'API Anthropic une fois par semaine, mais GitHub Actions sur un schedule fonctionne tout aussi bien, et n'importe quelle plateforme de cloud function aussi.

Ce qui a cassé, et comment nous l'avons su

Trois choses ont dérapé en chemin vers une exécution hebdomadaire propre. Elles méritent d'être nommées parce que si vous construisez quelque chose de similaire, vous tomberez sur au moins l'une d'elles.

Mauvaise URL MCP. Le produit Quire est hébergé à quire.io, mais le serveur MCP est à quire.app. Nous avons pointé tout (agent, hôtes autorisés de l'environnement, credential vault) sur mcp.quire.io/mcp et obtenu un échec OAuth confus, puis, une fois passé ce point, un HTTP 502 venant de l'amont. Le correctif est ennuyeux mais mérite d'être signalé : chaque référence au MCP doit utiliser mcp.quire.app, pas quire.io. Si l'un des trois endroits a le mauvais hôte, l'exécution échoue.

Bloat du toolset de l'agent. Le toolset par défaut d'Anthropic agent_toolset_20260401 embarque tous les outils généralistes (bash, opérations sur fichiers, recherche web, exécution de code) dans le contexte. Notre agent n'a besoin d'aucun d'eux. Laisser le toolset par défaut activé en plus du serveur Quire MCP poussait notre nombre de tokens d'entrée au-delà de 80 000 par appel de modèle et nous avons heurté la limite de débit du Tier 1 instantanément. Retirer le toolset par défaut et filtrer les outils de Quire (comme montré plus haut) l'a ramené à environ 12 000. La leçon : chaque outil dans le contexte de votre agent est une taxe, même si l'agent ne l'appelle jamais.

Panique des rate limits. Avant que nous comprenions le problème de bloat, la réaction naturelle a été : « il nous faut upgrader le palier de l'API ». Les upgrades de palier coûtent de l'argent. Le vrai problème, c'était que l'agent chargeait 70 000 tokens de définitions d'outils qu'il n'utiliserait jamais. Vérifiez toujours ce qu'il y a dans votre fenêtre de contexte avant de supposer qu'il vous faut une limite plus élevée.

Ce que Quire MCP débloque au-delà d'un changelog hebdomadaire

Le changelog hebdomadaire est un premier agent utile, mais c'est surtout une preuve de concept. Le schéma (un Managed Agent + Quire MCP + un déclencheur planifié) s'étend à bien plus.

Quelques-uns que nous prototypons :

• Un brief quotidien de lancement de sprint qui lit les tâches déplacées en « In Progress » pendant la nuit et publie un résumé sur Slack
• Un rédacteur de retrospective d'incident qui surveille un projet Quire à la recherche de tâches incident terminées et assemble un brouillon de doc de retro avec chronologie, facteurs contributifs et actions de suivi tirées des sous-tâches
• Un digest de statut client qui s'exécute le vendredi après-midi pour chaque projet client, résumant les livrables de la semaine dans un langage adapté à un transfert direct au client

La forme est la même à chaque fois. Un déclencheur planifié, un agent ciblé, un petit ensemble d'outils Quire MCP, un document ou un message en sortie. Le travail difficile (sandboxing, identifiants, boucle d'agent) est dans Managed Agents. Le travail métier (quelles données Quire interroger, qu'en faire) est dans le system prompt.

Quand ce n'est pas la bonne approche

Un Managed Agent est exagéré pour des questions ponctuelles. Si vous voulez un résumé unique de « ce qui a été livré ce trimestre », demander directement à Claude dans une fenêtre de chat et coller les données Quire est plus rapide que de construire un agent déployé. La forme « agent » ne paie que lorsque le même job s'exécute de façon répétée sans supervision.

C'est aussi la mauvaise forme quand le travail est véritablement exigeant en raisonnement, comme rédiger une stratégie produit réfléchie à partir des mêmes données. Haiku convient pour « résumer et formater ». Pour « décider ce que nous devrions faire à ce sujet », vous voulez Sonnet ou Opus, et à ce stade-là vous voulez probablement aussi un humain dans la boucle.

Et si les données de votre projet sont maigres (disons, quelques tâches terminées par semaine sans descriptions), l'agent n'a rien d'utile à résumer. La sortie n'est aussi bonne que la discipline de votre équipe pour écrire de vraies descriptions de tâches. Nous l'avons appris à la dure quand un premier test a produit un brief techniquement correct et totalement non informatif, parce que la moitié des noms de tâches n'étaient que des ID de tickets.

À retenir

L'agent de changelog hebdomadaire est de petite portée et à fort retour, parce qu'il supprime une taxe récurrente (la réunion de récap du lundi) sans que personne n'ait à penser à quoi que ce soit. Les pièces qui l'ont fait fonctionner étaient précises : Haiku 4.5 pour la marge de coût et de rate limit, un filtrage agressif des outils pour garder la fenêtre de contexte serrée, une politique d'environnement de moindre privilège qui n'autorise le trafic que vers mcp.quire.app, et un credential vault pour que l'agent ne touche jamais au véritable token OAuth.

La leçon générale, c'est que Quire MCP plus Claude Managed Agents est un moyen rapide de placer un agent autonome devant les données de votre projet sans construire la moindre infrastructure. Les parties dures (sandboxing, auth, planification, journaux d'audit) sont déjà résolues. Ce que vous apportez, c'est le prompt, la sélection des outils, et la discipline d'écrire des données de projet qui méritent qu'on les résume en premier lieu.

Questions fréquentes

Qu'est-ce que Quire MCP ?

Quire MCP est un serveur Model Context Protocol qui permet aux agents IA de lire et d'écrire dans votre espace de travail Quire via une interface d'outils standardisée. Il vit à https://mcp.quire.app/mcp et expose environ quatre-vingt-quinze outils couvrant la recherche, la création de tâches et de documents, les opérations en bloc, et plus encore. Tout client compatible MCP (Claude, Cursor, agents personnalisés bâtis sur le SDK Anthropic) peut s'y connecter.

Qu'est-ce que Claude Managed Agents ?

Claude Managed Agents est le runtime hébergé d'Anthropic pour exécuter des agents autonomes de longue durée dans le cloud. Vous définissez un agent (modèle, system prompt, outils), un environnement (conteneur sandboxé avec politiques réseau), et créez des sessions qui exécutent le travail. Anthropic prend en charge le sandboxing, la gestion des identifiants et la boucle d'exécution, vous n'avez donc pas à construire cette infrastructure vous-même.

Pourquoi utiliser Haiku 4.5 plutôt que Sonnet ou Opus pour ce type d'automatisation ?

Résumer des données structurées de tâches dans un document n'est pas une tâche exigeante en raisonnement. Il s'agit de regrouper, filtrer et formater. Haiku 4.5 atteint sans problème ce niveau de qualité, coûte environ un dixième de Sonnet par token, et offre des limites de débit substantiellement plus élevées à chaque palier d'API. Pour un job hebdomadaire qui tourne sans surveillance, la marge de coût et de rate limit compte davantage que le gain marginal en raisonnement.

Combien de temps l'agent met-il à générer un brief hebdomadaire ?

Pour un projet avec environ vingt tâches terminées dans la fenêtre, l'exécution complète prend moins de trente secondes de bout en bout. Cela inclut la recherche dans Quire, le traitement des résultats, la rédaction du corps du document et la création du document dans le projet. La plus grande partie de ce temps est l'appel au modèle, pas les allers-retours d'outils.

L'agent peut-il modifier ou supprimer des tâches existantes dans mon projet ?

Uniquement si vous accordez explicitement ces autorisations d'outils. Le serveur Quire MCP expose environ quatre-vingt-quinze outils, mais Claude Managed Agents vous permet d'activer un sous-ensemble par agent. Pour le cas d'usage du changelog, nous n'avons activé que quatre outils de lecture et de création, donc l'agent ne peut ni modifier ni supprimer des données existantes, même si une prompt injection tentait de l'y forcer.

Que se passe-t-il si aucune tâche n'a été terminée la semaine où l'agent s'exécute ?

Le prompt de l'agent inclut une solution de secours : si zéro tâche terminée est renvoyée par la recherche, ne pas créer de document et consigner à la place une seule ligne indiquant que la semaine a été vide. Cela évite la publication d'un brief hebdomadaire vide ou trompeur lorsque l'équipe n'a rien livré dans la fenêtre.

Faut-il un plan Quire payant pour utiliser Quire MCP ?

Quire MCP fonctionne avec tout plan disposant d'un accès à l'API. Vérifiez les quotas API actuels sur quire.io/pricing. Pour un agent hebdomadaire qui fait une poignée d'appels d'outils par exécution, les limites du Free ou du palier d'entrée suffisent généralement.

Puis-je exécuter le même agent sur plusieurs projets Quire ?

Oui. Le schéma le plus propre est une définition d'agent par workflow et une session par projet. L'URL du projet ou l'OID devient un paramètre à la création de la session. Si vous voulez un brief hebdomadaire unique couvrant plusieurs projets, restructurez le prompt pour interroger chaque projet séquentiellement et combiner les résultats dans un seul document.

Prêt à construire votre propre agent sur Quire MCP ?

Démarrez votre essai gratuit de 30 jours sur quire.io/signup et explorez la doc développeur de Quire pour voir le catalogue complet des outils MCP. Pas de carte bancaire, accès complet.