Comment faire avec Eigent : configurer votre premier serveur MCP personnalisé

Dans les projets open source, le temps est précieux. Les mainteneurs jonglent entre corrections de bugs, demandes de fonctionnalités, support de la communauté et documentation, tout en essayant de garder le code sécurisé et les versions bien organisées. Une tâche répétitive mais cruciale consiste à examiner les pull requests et préparer les mises à jour de version. C’est nécessaire, mais cela consomme des heures qui pourraient être consacrées à l’innovation.

Et si l’automatisation pouvait prendre en charge le travail fastidieux à votre place ? C’est là qu’Eigent intervient, en vous offrant un coéquipier open source d’Eigent capable de prendre en charge et d’automatiser de manière fiable vos workflows GitHub.

Eigent est la première application de bureau au monde basée sur un Multi-agent Workforce, vous permettant de créer, gérer et déployer un workforce IA personnalisé capable de transformer vos workflows les plus complexes en tâches automatisées. C’est un système modulaire multi-agent qui peut décomposer des tâches complexes et les exécuter grâce à des agents spécialisés travaillant en coordination.

La plateforme de coordination multi-agent d’Eigent améliore la productivité en transformant vos workflows en tâches automatisées. Construite sur le framework open-source CAMEL, elle apporte l’exécution parallèle, la personnalisation et la confidentialité à votre automatisation IA.

Que peut faire Eigent pour vous ? Pour les lecteurs qui découvrent l’outil, considérez Eigent comme un assistant agentique flexible. Vous pouvez créer différents « workers » (agents IA) avec des compétences spécifiques à un domaine (par ex. codage, documentation, DevOps) et les faire collaborer sur des tâches. Voici quelques exemples de workflows techniques qu’Eigent peut simplifier :

• Automatisation GitHub avec des agents IA : examiner les changements de code, résumer les pull requests, prioriser les issues.
• Génération de notes de version : compiler automatiquement les points forts de chaque nouvelle version.
• Documentation et analyse de code : extraire les points clés de la documentation ou des bases de code, proposer des améliorations.
• Workflows open source : suivre l’activité du projet, générer des rapports pour les contributeurs, etc.

Dans ce guide, nous allons vous montrer comment configurer un serveur GitHub MCP personnalisé dans Eigent et mettre en place un workflow d’agent qui :

1. Récupère les nouvelles pull requests d’un dépôt
2. Extrait et analyse les données des PR
3. Met en forme les points forts en notes prêtes à publier
4. Génère un court message pour les réseaux sociaux (par ex. pour Twitter/X)

Entrons dans le guide étape par étape !

Étape 1 : Ouvrir Eigent et accéder aux paramètres MCP & Tools

Une fois Eigent lancé, commencez par ouvrir le panneau Settings. Dans les paramètres, trouvez et cliquez sur la section “MCP & Tools”. C’est ici que vous pouvez configurer des outils externes et des serveurs pour vos agents IA. Nous utiliserons cette zone pour ajouter un nouveau serveur MCP personnalisé pour les tâches GitHub.

Dans l’onglet MCP & Tools, vous verrez une liste des outils disponibles et des serveurs MCP déjà configurés. Pour ajouter le vôtre, cherchez le bouton “Add MCP Server” et cliquez dessus. Cela ouvre une boîte de dialogue dans laquelle vous pouvez saisir une configuration JSON pour le nouveau serveur.

Étape 2 : Ajouter un serveur MCP personnalisé via une configuration JSON

Eigent permet aux utilisateurs avancés d’ajouter des serveurs d’agents personnalisés en fournissant une configuration JSON. Dans la boîte de dialogue Add MCP Server, vous verrez une zone de texte pour coller le JSON. Nous allons ajouter un serveur MCP sequential-thinking – un moteur de raisonnement IA polyvalent capable de coordonner des tâches (parfait pour décomposer des prompts complexes).

Utilisez le JSON minimal suivant pour enregistrer le serveur :

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

Étape 3 : Configurer les paramètres du serveur GitHub MCP (inclure votre PAT)

Avant de finaliser la configuration du serveur MCP, incluez votre GitHub Personal Access Token (PAT) dans la configuration. Ce jeton permet à l’agent de s’authentifier auprès de l’API GitHub et de récupérer les données du dépôt. Générez un PAT depuis votre compte GitHub avec les scopes appropriés (pour les dépôts publics, les scopes publics par défaut suffisent).

Étendez la configuration pour inclure le serveur GitHub et votre jeton :

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": [
        "-y", "@modelcontextprotocol/server-sequential-thinking",
        "ghcr.io/github/github-mcp-server"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_yourGitHubTokenHere"
      }
    }
  }
}

Une fois le JSON prêt, cliquez sur Install ou Add pour enregistrer le serveur MCP. Eigent téléchargera et initialisera le serveur en arrière-plan. Après un instant, vous devriez voir le nouveau serveur listé dans vos outils MCP.

Étape 4 : Ajouter un worker orienté GitHub (agent) en utilisant le nouveau serveur MCP

Maintenant que le serveur MCP est configuré, créez un Worker qui utilise ce serveur. Dans Eigent, un « Worker » est une persona d’agent IA capable d’exécuter des tâches à l’aide d’un ensemble d’outils ou d’un serveur MCP spécifié. Rendez-vous sur l’écran Workforce/Agents et choisissez Add Worker.

Nommez-le par exemple « GitHub MCP » et décrivez-le comme « Aide pour les tâches GitHub ». Assignez l’Agent Tool au serveur MCP que nous venons d’ajouter (par ex. « sequential-thinking »). Enregistrez le worker pour créer votre assistant d’automatisation GitHub.

Étape 5 : Demander à l’agent de résumer les pull requests

Ouvrez une discussion avec votre nouveau worker et donnez à l’agent un prompt de tâche lui demandant d’examiner les pull requests d’un dépôt et de les résumer.

Essayez un prompt détaillé comme celui-ci :

Review the latest 30 pull requests from the repo https://github.com/camel-ai/camel. Select the top 5 by impact (lines changed, files touched, or discussion depth). For each selected PR, generate a release-ready update in this format: ✨ Feature: <catchy one-liner summary> \n💡 Why it matters: <short bullet-point explanation> \n🙏 Thanks @<GitHubAuthor>.

Cela demande à l’agent d’automatiser un workflow open source courant : analyser les pull requests récentes et préparer un résumé des changements importants. Vous pouvez personnaliser l’URL du dépôt ou les critères selon vos besoins.

Étape 6 : Observer comment Eigent décompose automatiquement la tâche et récupère les données

Une fois le prompt envoyé, le moteur multi-agent d’Eigent se met en route. La demande est assez complexe, mais Eigent la gère en la divisant en sous-tâches faciles à traiter. En coulisses, le serveur MCP Sequential Thinking interprète l’instruction et élabore un plan. Il peut :

1. Récupérer la liste des 30 dernières PR du dépôt spécifié (en utilisant l’outil GitHub MCP).
2. Analyser les métadonnées de chaque PR (lignes modifiées, fichiers, commentaires) pour déterminer l’« impact ».
3. Sélectionner les 5 meilleures PR selon les critères.
4. Pour chacune de ces PR, rédiger un résumé dans le format demandé (✨ Feature, 💡 Why it matters, 🙏 Thanks...).
5. Préparer éventuellement une version condensée pour X (Twitter) si demandé.

Enfin, l’agent produit la sortie : un ensemble bien formaté de mises à jour prêtes à publier pour les meilleures PR, souvent présentées en Markdown.

Donner plus de pouvoir aux workflows OSS grâce à l’automatisation agentique

Dans ce tutoriel, nous avons configuré Eigent pour automatiser une tâche de maintenance open source — résumer des pull requests GitHub — à l’aide d’un agent IA. Nous avons introduit un serveur GitHub MCP personnalisé dans Eigent, créé un worker dédié et généré des extraits de notes de version à partir de données réelles du dépôt.

En tirant parti de l’intégration MCP d’Eigent et de la coordination multi-agent, des workflows complexes (comme le tri de dizaines de PR) peuvent être pris en charge efficacement par l’IA, vous laissant vous concentrer sur les décisions de plus haut niveau. Eigent peut être adapté à de nombreux scénarios, de la rédaction de résumés et de la gestion des issues aux tests de code ou à la mise à jour de la documentation.

Essayez Eigent dans vos propres projets et profitez du gain de productivité offert par une équipe propulsée par l’IA à vos côtés ! L’avenir de la collaboration open source pourrait bien être un mélange de passion humaine et d’assistants IA infatigables travaillant ensemble. 🚀