Quire MCP + Claude Managed Agents : une configuration complète qui fonctionne

Dernière mise à jour : 6 août 2026

Il est 9 h 04, lundi matin. Quelqu'un demande dans le canal de l'équipe : « Salut, un petit récap de ce qui est sorti la semaine dernière ? » Trois personnes ouvrent leurs onglets, parcourent le tableau Kanban, essaient de se rappeler lesquelles des quarante tâches fermées comptaient vraiment, et reviennent vingt minutes plus tard avec deux puces et un haussement d'épaules.

La réunion de récap, censée durer dix minutes, en dure quarante. Dès mardi, plus personne ne se souvient de ce qui s'y est dit.

Nous avons remplacé cette boucle. Nous avons construit un agent avec Quire MCP et Claude Managed Agents. Chaque lundi matin, il lit notre projet Dev_Changelog, repère tout ce qui a été terminé les sept derniers jours, le regroupe par équipe, traduit le jargon des développeurs en quelque chose qu'un client peut lire, et écrit tout le résumé dans un nouveau document Quire. Temps d'exécution total : moins de trente secondes. Maintenance continue : zéro.

Cet article détaille toute la construction, y compris les trois choses qui ont coincé en route et la façon dont nous les avons réglées. Si vous avez toujours voulu un agent IA qui fait un vrai travail sur les données de votre projet au lieu de simplement en discuter, voici une recette qui fonctionne.

Que produit concrètement l'agent ?

Chaque lundi à 9 h (heure du 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 ayant le plus d'impact pour les utilisateurs
• Features Shipped avec chaque nouvelle capacité traduite en bénéfice pour l'utilisateur
• Bugs Fixed décrivant ce que l'utilisateur vivait avant le correctif
• Design Updates centrée sur ce qui a visiblement changé
• Social and Marketing avec les chiffres d'engagement lorsque la description de la tâche en contenait

Les sections vides sont ignorées sans bruit. En bas, une ligne récapitule les totaux. L'ensemble fait environ 400 mots et se lit comme une synthèse interne plutôt que comme un changelog marketing, car c'est exactement ce que demande le prompt système.

Voir les exemples en direct : l'agent lit 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 point quotidien. Personne n'a à l'écrire. Personne n'a à y penser.

Notre webinaire sur MCP mène au même résultat sans aucune étape de construction, dans la partie Monitor. C'est là que commence le lecteur ci-dessous.

Dans cette session21:58 Workflow 4 : surveiller avec un agent planifié qui rédige le rapport hebdomadaire

Qu'apportent ensemble Quire MCP et Claude Managed Agents ?

Quire MCP est un serveur Model Context Protocol hébergé à l'adresse https://mcp.quire.app/mcp. Il expose l'API de Quire sous forme d'outils standardisés que n'importe quel client compatible MCP peut appeler. Il y en a environ quatre-vingt-quinze, 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 un catalogue d'outils et appelle ce dont il a besoin.

Claude Managed Agents est l'environnement d'exécution hébergé d'Anthropic pour les agents autonomes. Vous définissez un agent (modèle + prompt système + configuration des outils), un environnement (conteneur isolé avec des politiques réseau) et vous créez des sessions qui font réellement le travail. Anthropic prend en charge l'isolation, le proxy d'identifiants, la boucle d'exécution et le journal d'audit. Rien de tout cela n'est du code à écrire.

La combinaison compte, car chaque pièce seule n'est que de la plomberie. Quire MCP sans agent est un catalogue d'outils que personne n'appelle. Claude Managed Agents sans MCP métier est un bac à sable sans rien à faire. Branchez-les ensemble et vous obtenez un agent qui agit concrètement sur des données de production réelles, avec authentification et isolation intégrées.

Vous n'utilisez pas 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 l'environnement qui convient à votre stack.

Pourquoi c'est important : La plupart des outils de gestion de projet ne proposent pas encore de serveur MCP public. Asana, Monday et ClickUp exposent des API REST mais pas de MCP : vous devriez donc les encapsuler vous-même et gérer l'authentification. Notion dispose d'un MCP, mais son jeu d'outils est pensé pour les documents et les pages, pas pour la structure tâches et sous-tâches dont l'automatisation de projet a réellement besoin. Quire MCP est construit autour des unités de travail (tâches, sous-tâches, statuts, étiquettes, sous-listes) sur lesquelles un agent opère, ce qui explique que cette construction ait pris un après-midi et non un trimestre.

Comment construire l'agent, étape par étape ?

Toute la mise en place a pris environ une heure, dont l'essentiel à me battre contre un piège de configuration que j'aborde dans un instant. Voici la recette réelle.

1. La définition de l'agent

L'agent tient dans un seul fichier YAML. Le prompt système en est la partie la plus importante, car c'est lui 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'exige pas un raisonnement poussé. L'agent regroupe, filtre et met en forme, ce que Haiku fait très bien, pour environ un dixième du coût par token de Sonnet et avec des limites de débit nettement plus élevées. Pour une exécution hebdomadaire sans surveillance, cette marge de débit compte plus qu'un gain de raisonnement marginal.

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 au modèle. Cela représente beaucoup de tokens, et la plupart sont inutiles quand votre agent doit seulement lire des tâches et 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 n'active que les quatre outils réellement utilisés par l'agent. Ce seul changement a fait passer nos tokens d'entrée par exécution d'environ 82 000 à moins de 12 000, ce qui nous a placés largement sous la limite de débit du Tier 1. (Nous y revenons dans les mésaventures ci-dessous.)

Il y a aussi un avantage côté sécurité. Avec seulement search_tasks, create_document, list_tags et resolve_quire_url activés, l'agent ne peut littéralement ni supprimer, ni archiver, ni modifier une donnée existante, même si une injection de prompt essayait de l'y pousser. L'outil Quire bulk_delete_tasks ne figure pas dans sa boîte à outils : le modèle ne peut donc pas l'appeler.

3. L'environnement

Managed Agents exécute chaque session dans un bac à sable gVisor, avec une politique réseau que vous contrôlez. Le réglage par défaut est « Limited », sans accès réseau externe, ce qui empêchera votre agent d'atteindre Quire MCP. La solution la plus propre applique le moindre privilège : conserver le type Limited, mais autoriser explicitement le seul nom d'hôte nécessaire.

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

4. Le coffre d'identifiants

Quire s'authentifie via OAuth. Dans Managed Agents, les jetons OAuth résident dans un coffre d'identifiants situé en dehors du bac à sable. Quand l'agent appelle Quire MCP, un proxy d'identifiants injecte le jeton côté serveur. Le modèle ne voit jamais le jeton, ce qui signifie qu'une injection de prompt réussie ne peut pas l'exfiltrer.

Créez un coffre, cliquez sur Add credential, pointez-le vers https://mcp.quire.app/mcp, choisissez OAuth comme type et lancez le flux d'autorisation. Dès que l'identifiant passe à Active, le coffre est prêt.

5. La planification

Les sessions Managed Agents sont ponctuelles. Elles ne se répètent pas automatiquement. Pour que l'agent s'exécute chaque lundi, pointez n'importe quel planificateur vers le point de terminaison d'API sessions.create avec l'expression cron 0 9 * * 1. Nous utilisons un simple Cloudflare Workers Cron Trigger qui appelle l'API d'Anthropic une fois par semaine, mais GitHub Actions avec une planification fonctionne aussi bien, tout comme n'importe quelle plateforme de fonctions cloud.

Qu'est-ce qui a coincé, et comment l'avons-nous su ?

Trois choses ont dérapé avant d'obtenir une exécution hebdomadaire propre. Elles méritent d'être nommées, car si vous construisez quelque chose de similaire, vous en rencontrerez au moins une.

Mauvaise URL MCP. Le produit Quire est hébergé sur quire.io, mais le serveur MCP se trouve sur quire.app. Nous avions tout pointé (agent, hôtes autorisés de l'environnement, coffre d'identifiants) vers mcp.quire.io/mcp et obtenu un échec OAuth déroutant, puis, une fois celui-ci dépassé, une erreur HTTP 502 en amont.

La correction est banale mais mérite d'être signalée : chaque référence au MCP doit utiliser mcp.quire.app, pas quire.io. Si l'un des trois emplacements a le mauvais hôte, l'exécution échoue.

Jeu d'outils de l'agent surchargé. Le agent_toolset_20260401 par défaut d'Anthropic charge dans le contexte tous les outils généralistes (bash, opérations sur les fichiers, recherche web, exécution de code). Notre agent n'en a besoin d'aucun.

Laisser le jeu d'outils par défaut activé en plus du serveur Quire MCP a fait grimper nos tokens d'entrée au-delà de 80 000 par appel au modèle, et nous avons atteint la limite de débit du Tier 1 aussitôt.

Supprimer le jeu d'outils par défaut et filtrer les outils de Quire (comme montré plus haut) l'a ramené à environ 12 000. La leçon : chaque outil présent dans le contexte de votre agent est une taxe, même si l'agent ne l'appelle jamais.

Panique sur la limite de débit. Avant de comprendre le problème de surcharge, le réflexe naturel était « il faut passer à un palier d'API supérieur ». Les changements 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 que contient votre fenêtre de contexte avant de conclure qu'il vous faut une limite plus haute.

Que permet Quire MCP au-delà d'un changelog hebdomadaire ?

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

Voici quelques prototypes en cours :

• Un brief de lancement de sprint quotidien qui lit les tâches passées à « In Progress » pendant la nuit et publie un résumé dans Slack
• Un rédacteur de rétrospective d'incident qui surveille un projet Quire à la recherche de tâches incident terminées et assemble un brouillon de rétro avec chronologie, facteurs contributifs et actions de suivi tirés des sous-tâches
• Un digest de statut client qui s'exécute le vendredi après-midi pour chaque projet client et résume les livrables de la semaine dans un langage qu'on peut transmettre tel quel au client

La forme est toujours la même. Un déclencheur planifié, un agent ciblé, un petit ensemble d'outils Quire MCP, un document ou un message en sortie. Le gros du travail (isolation, identifiants, boucle de l'agent) est dans Managed Agents. Le travail métier (quelles données Quire interroger, quoi en faire) est dans le prompt système.

Quand cette approche n'est-elle pas la bonne ?

Un Managed Agent est disproportionné pour les questions ponctuelles. Si vous voulez un résumé unique de « ce qui est sorti ce trimestre », interroger directement Claude dans une fenêtre de discussion et coller les données Quire est plus rapide que de construire un agent déployé. Le format agent ne devient rentable que lorsque le même job se répète sans supervision.

Ce n'est pas non plus la bonne forme quand le travail demande vraiment du raisonnement, comme rédiger une stratégie produit réfléchie à partir des mêmes données. Haiku convient pour « résume et mets en forme ». Pour « décide ce que nous devrions faire », il vous faut Sonnet ou Opus, et vous voudrez sans doute aussi un humain dans la boucle.

Et si vos données de projet sont maigres (disons, deux tâches terminées par semaine sans description), l'agent n'a rien d'utile à résumer. Le résultat ne vaut que par la rigueur de votre équipe à rédiger de vraies descriptions de tâches. Nous l'avons appris à nos dépens quand un premier test a produit un résumé techniquement correct et totalement inutile, parce que la moitié des noms de tâches n'étaient que des identifiants de ticket.

Pas besoin d'IA dans la boucle ? Quire CLI vous donne les mêmes données via des commandes structurées que vous pouvez scripter et planifier en cron, sans appel de modèle dans le circuit.

Points clés à retenir

L'agent de changelog hebdomadaire a une portée modeste et un gros retour, car il supprime une taxe récurrente (la réunion de récap du lundi) sans que personne ait à y penser.

Ce qui a fait la différence tient à des choix précis : Haiku 4.5 pour le coût et la marge de débit, un filtrage agressif des outils pour garder la fenêtre de contexte serrée, une politique d'environnement au moindre privilège qui n'autorise que le trafic vers mcp.quire.app, et un coffre d'identifiants pour que l'agent ne touche jamais le jeton OAuth.

La leçon générale : Quire MCP et Claude Managed Agents forment un moyen rapide de placer un agent autonome devant les données de votre projet sans construire d'infrastructure. Les parties difficiles (isolation, authentification, planification, journaux d'audit) sont déjà résolues. Vous apportez le prompt, le choix des outils et la discipline de rédiger des données de projet qui valent la peine d'être résumées.

Foire aux questions

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 se trouve à l'adresse 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 masse, et plus encore. Tout client compatible MCP (Claude, Cursor, agents personnalisés construits avec le SDK d'Anthropic) peut s'y connecter.

Que sont les Claude Managed Agents ?

Claude Managed Agents est l'environnement d'exécution hébergé d'Anthropic pour faire tourner dans le cloud des agents autonomes de longue durée. Vous définissez un agent (modèle, prompt système, outils), un environnement (conteneur isolé avec des politiques réseau) et vous créez des sessions qui exécutent le travail. Anthropic gère l'isolation, l'intermédiation des identifiants et la boucle d'exécution, de sorte que vous n'avez pas à construire cette infrastructure vous-même.

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

Résumer des données structurées de tâches dans un document n'exige pas un raisonnement poussé. Il s'agit de regrouper, filtrer et mettre en forme. Haiku 4.5 atteint sans problème ce niveau de qualité, coûte environ dix fois moins que Sonnet par token et offre des limites de débit nettement plus élevées à chaque palier d'API. Pour un job hebdomadaire sans surveillance, le coût et la marge de débit comptent plus qu'un gain de raisonnement marginal.

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

Pour un projet d'environ vingt tâches terminées sur la période, l'exécution complète prend moins de trente secondes de bout en bout. Cela comprend la recherche dans Quire, le traitement des résultats, la rédaction du corps du document et la création du document dans le projet. L'essentiel de ce temps correspond à l'appel du modèle, pas aux allers-retours avec les outils.

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

Seulement si vous lui accordez explicitement ces autorisations d'outils. Le serveur Quire MCP expose environ quatre-vingt-quinze outils, mais Claude Managed Agents permet d'en activer un sous-ensemble par agent. Pour le cas du changelog, nous n'avons activé que quatre outils de lecture et de création : l'agent ne peut donc modifier ni supprimer aucune donnée existante, même si une injection de prompt essayait de l'y pousser.

Que se passe-t-il si aucune tâche n'a été terminée pendant la semaine d'exécution ?

Le prompt de l'agent contient une consigne de repli : si la recherche ne renvoie aucune tâche terminée, ne pas créer de document et consigner une seule ligne indiquant que la semaine était vide. Cela évite de publier un résumé hebdomadaire vide ou trompeur quand l'équipe n'a rien livré sur la période.

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

Quire MCP fonctionne avec tout plan disposant d'un accès à l'API. Les quotas d'API actuels sont indiqués sur la page des tarifs de Quire. Pour un agent hebdomadaire qui effectue quelques appels d'outils par exécution, les limites des offres gratuites ou d'entrée de gamme suffisent généralement.

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

Oui. Le schéma le plus propre consiste à avoir une définition d'agent par workflow et une session par projet. L'URL du projet devient un paramètre transmis à la création de la session. Si vous voulez un seul résumé hebdomadaire couvrant plusieurs projets, restructurez le prompt pour interroger chaque projet à la suite 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 documentation développeur de Quire pour découvrir le catalogue complet d'outils MCP. Sans carte bancaire, accès complet.