Les MCP sont morts
Vive les CLI + Skills !
Pourquoi le Model Context Protocol est devenu un boulet pour vos agents IA — et quelle approche le remplace vraiment.
🤔 C’est quoi un MCP, vraiment ?
Quand les MCP ont débarqué, tout le monde en parlait comme d’une magie. Leur nom — Model Context Protocol — semblait prometteur : une façon standardisée pour les modèles d’enrichir leur contexte.
Mais il y a une subtilité fondamentale dans ce nom : les MCP permettent principalement de définir des Tools (outils). Et c’est là que tout se joue.
Comment fonctionnent les Tools dans le contexte ?
Le contexte d’un modèle, c’est une fenêtre limitée dans laquelle on injecte tout ce qu’il doit savoir pour agir. Voici ce qu’on y trouve typiquement :
Instructions de rôle, comportement général de l’agent (ce qu’il est, ce qu’il peut faire).
La liste des outils disponibles avec leurs paramètres, injectée à chaque requête.
Fichiers de connaissances, historique de conversation, contexte du projet en cours.
L’échange en cours entre l’utilisateur et l’agent, avec les résultats des outils appelés.
💥 Le vrai problème des MCP
Imaginez que vous avez configuré cinq MCP : Stripe, NextJS, shadcn, Context7, Linear. Voici ce qui se passe :
C’est le problème n°1 des MCP : ils injectent toujours toutes leurs définitions dans le contexte, même quand vous n’en avez pas besoin. Du gaspillage pur de tokens.
❌ Approche MCP
- Tous les tools chargés dès le début
- Context window gonflé inutilement
- Process npm qui tourne en arrière-plan
- Consomme RAM & CPU en permanence
- Instable (ça marche… des fois)
- Complexité d’un serveur dédié
✅ Approche CLI + Skills
- Skills chargés uniquement si besoin
- Contexte propre et maîtrisé
- Zéro process parasite
- Léger, rapide, sobre en ressources
- CLI = fiable 365 jours/an
- Un simple binaire suffit
La tentative de correction d’Anthropic
Face à ce problème de contexte, Anthropic a proposé une solution : remplacer tous les MCP Tools par un seul outil appelé MCP Search. L’idée : le modèle cherche le bon outil si besoin.
Problème : le modèle ne connaît plus les outils disponibles. Résultat ? Il ne les utilise jamais. Les MCP deviennent totalement invisibles et donc inutiles.
⚡ La solution : Bash est le roi
La révélation au cœur de cette approche est simple mais puissante : tout peut passer par bash.
Claude Code, par exemple, liste ses outils natifs : bash, read, write, edit… Via bash, il peut exécuter n’importe quelle commande système, utiliser n’importe quel CLI installé sur la machine, filtrer les sorties, piper les résultats.
bash « ls && cat random.sh | head -50 »
# Il peut limiter ce qu’il ingère :
context7 « useEffect React » | head -150
# Résultat : seulement 150 caractères au lieu de 10 000 tokens !
Un MCP te force à ingérer tout l’output d’un outil. Un CLI exécuté via bash ? L’agent décide lui-même combien de données il veut récupérer. Contrôle total.
🎯 La magie des Skills
Un Skill (compétence en français), c’est l’innovation clé apportée par Claude. Voici comment ça fonctionne :
Fichier de description
Un petit fichier texte qui décrit quand et comment utiliser un outil.
Chargement à la demande
Le skill n’est injecté dans le contexte que quand la tâche le nécessite.
Combinaison libre
L’agent peut mélanger plusieurs skills dans une même conversation complexe.
Basé sur CLI
Le skill pointe vers un CLI local : stable, sans serveur, zéro magie noire.
Context7 : de MCP à CLI en 30 secondes
L’équipe Context7 propose maintenant une installation en mode CLI + Skill. La commande ctx7 latest setup configure automatiquement un skill qui ne charge que quand l’agent cherche de la documentation technique.
claude mcp add context7
# Nouvelle façon : CLI + Skill (propre, fiable)
ctx7 latest setup
# → Installe le skill « find-doc » qui guide l’agent
# → Utilise un CLI exécuté via bash uniquement si besoin
🛠️ API to CLI : transformer n’importe quelle API
Pour aller plus loin, un outil baptisé API to CLI a été créé lors d’un hackathon. Il permet de transformer n’importe quelle API en CLI + Skill directement utilisable par Claude Code.
Le workflow est le suivant :
L’agent fetch le Swagger/JSON de l’API cible pour récupérer tous les endpoints disponibles.
Un projet CLI est créé avec toutes les commandes (analytics, list, domain, links, tags…).
Un fichier SKILL.md est généré pour guider l’agent sur les commandes disponibles.
Le CLI est linké globalement (npm link) pour être disponible via bash immédiatement.
Exemples de CLI créés en live
Voici quelques CLI générés via API to CLI dans la démonstration :
Lumil CLI
Gère les emails, abonnés, campagnes. L’agent peut créer une newsletter pour 29 000 abonnés.
TypeFully CLI
Planifie des tweets, gère les social sets, récupère les créneaux disponibles.
Dub CLI
Crée des URL raccourcies et gère les liens courts (QR codes, tokens, analytics).
Gemini CLI
Génère des images via Gemini API — créé en temps réel pendant la vidéo !
Codline CLI
Gère les coupons de formation. Crée « Baptiste 44% » sans jamais quitter le terminal.
Front App CLI
Gère les signatures d’email avec un paramètre custom — impossible à faire en MCP.
🔄 Workflow multi-step sans surcharge
La puissance réelle des Skills apparaît dans les scénarios complexes. Imaginons la demande suivante :
« Cherche des infos sur
useState en React, puis crée et planifie un tweet pour demain à ce sujet. Ensuite, écris une newsletter pour tous mes abonnés. »Voici ce que fait l’agent :
Seulement quand la recherche de doc est nécessaire. Résultat : doc React récupérée via Context7 CLI.
Déclenché par le mot « tweet ». L’agent récupère les créneaux libres et planifie le post.
Déclenché par « newsletter ». L’agent accède aux 29 000 abonnés et envoie la campagne.
Résultat : trois skills chargés au bon moment, contexte toujours propre, aucun token gaspillé.
📊 Comparatif : MCP vs CLI + Skills
🧠 La vision Anthropic : tout repose sur le code
Ce changement n’est pas un accident. Il reflète une conviction profonde d’Anthropic :
Les MCP étaient une abstraction créée parce qu’on ne savait pas encore comment faire. Une abstraction au-dessus de quelque chose qui, fondamentalement, n’en avait pas besoin.
- Le terminal est universel : tout ce qu’un développeur peut faire, un modèle peut le faire via bash
- Les CLI sont standardisés, testés, documentés — pas de serveur à maintenir
- Les Skills permettent un chargement intelligent du contexte à la demande
- Pas de processus parasite en arrière-plan qui mange de la RAM
- Compatible avec tous les agents IA modernes (Claude Code, Cursor, etc.)
🚀 Prêt à migrer vos MCP ?
Essayez API to CLI pour transformer n’importe quelle API en skill utilisable par votre agent IA. Un hackathon de quelques heures, une transformation de fond dans votre workflow.
▶ Voir la démo complète🎬 La vidéo complète
📋 Sommaire de la vidéo
- Introduction : Les MCP sont morts00:00
- Fonctionnement et principe des MCP00:54
- Qu’est-ce qu’un modèle agentique ?01:17
- Les Tools dans le contexte (Claude Code)02:18
- Le vrai problème des MCP Tools04:18
- La tentative de solution d’Anthropic06:00
- Pourquoi Bash permet tout faire ?06:52
- Démonstration : Context7 MCP → CLI08:31
- Les Skills : chargement à la demande11:00
- Multi-skills : tweet + newsletter en chaîne13:27
- API to CLI : transformer une API en Skill16:07
- Création du Dub CLI en direct20:01
- Création du Gemini CLI en direct23:00
- Conclusion : dégager les MCP définitivement25:01