Comment connecter des agents IA à Stellary via MCP
Guide pratique pour intégrer des agents IA à votre workspace Stellary avec le Model Context Protocol.
28 mars 20263 min de lecture
Vous avez probablement essayé de demander à ChatGPT de l'aide pour votre projet. Il donne des conseils génériques parce qu'il n'a aucune idée de ce à quoi ressemble votre projet. C'est le problème du contexte — et c'est la barrière numéro un pour une IA utile en gestion de projet.
Le problème du contexte
L'IA générique est une IA inutile
Demandez à une IA « que devrait-on prioriser ? » sans contexte et vous obtenez des réponses de manuel. Donnez-lui accès à votre board, votre historique de sprint, les données de vélocité et vos priorités documentées, et soudain elle peut dire : « La carte SP-47 est en cours depuis 8 jours — 3x votre moyenne. L'assigné travaille aussi sur 4 autres cartes. Considérez la réassignation. »
Ce que le contexte signifie en pratique
Le contexte pour un assistant IA de projet inclut : l'état du board, l'historique, les documents, les priorités, les décisions, et la structure de l'équipe. Sans ce contexte, l'IA ne peut que réagir à ce que vous lui tapez dans un chat.
Les niveaux de contexte IA
Niveau 0 : Pas de contexte (Chatbot)
L'IA ne voit que ce que vous tapez. Elle répond à des questions génériques sans connaissance de votre projet.
Niveau 1 : Contexte instantané
L'IA peut voir l'état actuel de votre board. Elle peut répondre à « qu'est-ce qui est bloqué ? » mais pas « cette carte est bloquée depuis un temps inhabituellement long ».
Niveau 2 : Contexte historique
L'IA peut voir l'évolution de votre projet dans le temps. Elle comprend les tendances de vélocité et les patterns récurrents.
Niveau 3 : Contexte profond
L'IA accède à votre board, vos documents, vos décisions, vos priorités et la structure de votre équipe. Elle comprend non seulement ce qui se passe, mais pourquoi. C'est là que l'IA devient réellement transformative.
Comment donner le bon contexte à l'IA
Des données structurées plutôt que du texte brut
L'IA fonctionne mieux avec des données structurées. Une carte avec des champs typés est plus utile qu'un paragraphe décrivant la même information.
Les journaux de décision
Chaque décision que vous consignez avec contexte devient une donnée d'entraînement pour les recommandations IA.
La documentation vivante
La documentation qui vit à côté de votre travail et reste à jour donne à l'IA une base de connaissances riche.
MCP : le protocole du contexte
Le Model Context Protocol est spécifiquement conçu pour résoudre le problème du contexte. Il donne aux agents IA un accès structuré à vos données projet via une interface standardisée.
L'IA contextuelle en action
Sans contexte : « Considérez ajouter plus de détails à vos cartes. » Avec contexte : « SP-23 et SP-31 sont assignées à Alice et dues cette semaine. Basé sur sa vélocité, elle n'en terminera probablement qu'une. Considérez réassigner SP-31. »
Sans contexte : « Pesez le pour et le contre de chaque option. » Avec contexte : « Le trimestre dernier, vous avez choisi Redis plutôt que Memcached pour le caching (Décision #14). Le raisonnement était le support multi-types. Ce nouveau besoin a le même pattern — Redis est probablement le bon choix encore. »
L'avantage compétitif
Les équipes qui donnent à leurs outils IA un contexte profond surpasseront dramatiquement celles qui utilisent l'IA comme un chatbot glorifié. L'investissement est simple : utilisez un outil qui structure bien vos données, gardez votre documentation vivante, consignez vos décisions, et connectez via MCP. L'IA fait le reste.