Un serveur MCP transforme les fonctionnalités d’un produit en outils qu’un assistant IA peut appeler. Nous en avons construit deux, et chacun fonctionne depuis l’éditeur ou l’application que les gens utilisent déjà.
Les outils SEO professionnels sont chers, exigent des clés API et vivent en dehors du flux de développement. seo-mcp est un serveur MCP gratuit et open source qui apporte l’audit dans les éditeurs IA comme Claude Desktop, Claude Code et Cursor. Vous demandez à l’assistant d’auditer une page, de crawler un site ou de surveiller les changements de contenu, et il le fait, sans quitter l’éditeur. Il ne demande aucune clé API et tourne en local.
Le serveur compte 28 règles d’audit qui couvrent les balises meta, la qualité du contenu, les facteurs techniques et les signaux de performance. Chaque règle renvoie des résultats structurés, classés par gravité et écrits pour être lus par un LLM : l’assistant peut expliquer un problème et prioriser la correction. Un crawl complet suit un site jusqu’à une profondeur et un nombre de pages configurables, et les worker threads de Node.js analysent les pages en parallèle. Chaque page revient avec le détail du DOM, un graphe de liens, un inventaire des ressources et le détail des problèmes. Comme les résultats arrivent dans la conversation, on peut poser des questions de suivi et lancer des corrections ciblées sans changer d’outil.
Pour la surveillance en direct, seo-mcp se connecte à Firehose by Ahrefs via Server-Sent Events et filtre les changements de contenu avec des requêtes Lucene. Le code est sur GitHub, où chacun peut lire les règles, en proposer de nouvelles ou étendre l’outil.
Bridddge est notre application macOS pour LinkedIn, et elle est livrée avec son propre serveur MCP. Le serveur expose 30+ outils qui donnent à Claude Code un accès direct à LinkedIn. À partir de demandes en langage courant, Claude Code recherche des prospects, analyse des réseaux, rédige des messages de prospection personnalisés et gère des campagnes. Le travail passe par l’application, sur la machine de l’utilisateur, avec les données dans une base SQLite locale.