Le Knowledge MCP : notre savoir plateforme, lisible par tout système d'IA

Il y a quelques jours, nous avancions qu'un agent de code IA peut échafauder une vitrine en une heure, mais que l'exploitation du résultat est la véritable discipline. Voici l'autre moitié de cette histoire, et cette fois il s'agit de nous. Laioutr met désormais tout son savoir plateforme à disposition via un endpoint MCP ouvert. Tout système d'IA, qu'il s'agisse de Claude, Gemini, GPT ou de votre propre modèle, peut lire notre documentation, nos schémas de composants et de sections, les types de champs et les conventions, de façon lisible par la machine, avant même de construire un seul composant.

Nous l'appelons le Knowledge MCP. C'est la même idée à laquelle nous revenons sans cesse : un modèle capable de générer du code ne vaut que par le savoir qu'il a sous la main. La question n'a jamais été de savoir si un modèle peut construire avec Laioutr. Elle était de savoir s'il sait comment. Le Knowledge MCP comble cet écart, et il le fait sur un standard ouvert plutôt que sur une solution propriétaire ponctuelle.

Pourquoi un endpoint ouvert, pas une intégration fermée

Plutôt que de maintenir une source de savoir distincte pour chaque fournisseur de modèle, MCP offre à chaque client compatible un langage commun pour récupérer la même documentation. Laioutr s'appuie précisément sur ce standard au lieu d'une solution maison fermée. Et c'est désormais officiel : Laioutr est référencé dans l'Anthropic Connector Store, un client Claude peut donc se connecter directement à l'endpoint, sans SDK propriétaire.

Ce que le Knowledge MCP fournit concrètement

Un agent ne reçoit pas seulement la documentation. Il reçoit du contexte, lisible par la machine, avant que quoi que ce soit ne soit construit :

• Rechercher dans la documentation et récupérer exactement l'extrait dont un build a besoin.
• Récupérer les schémas de composants et de sections, les règles de slots et les types de champs, pour qu'un agent sache quels champs une section possède et quels blocks vont dans quel slot, au lieu de deviner.
• Consulter les conventions et des exemples concrets pour construire composants, apps et intégrations conformes au schéma.
• Connecter tout modèle compatible MCP, donc pas de lock-in sur un seul fournisseur, et changer ou combiner des modèles sans reconstruire l'accès au savoir.
• Faire passer chaque requête par des droits clairement attribués, de sorte que vous décidez quels projets et quelles parties de la documentation un agent peut voir.

La même thèse, un niveau plus profond

Cela suit le même principe que notre positionnement frontend-as-a-service : la plateforme doit donner aux humains et aux agents IA ce dont ils ont besoin pour construire correctement, puis s'effacer. Le Knowledge MCP ne change rien à votre frontend. Il livre le savoir nécessaire pour construire avec la plateforme, et il ne remplace volontairement ni la documentation ni la responsabilité. Le savoir devient accessible ; ce qui est construit, et ce qui est publié, reste votre décision.

MCP n'est par ailleurs qu'un canal parmi d'autres. Le même savoir plateforme est aussi accessible depuis un plugin ChatGPT et un Claude Connector, même savoir, même langage ouvert. Pour les équipes de commerce enterprise, la conclusion est simple : le backend reste stable, la couche frontend est construite conjointement par des humains et des agents IA, et chacun de ces agents travaille désormais à partir de l'état documenté plutôt que d'une supposition.

Plus sur la plateforme : Agentic Frontend Management Platform, Frontend as a Service et Composability & Orchestration. Découvrez l'endpoint lui-même sur la page Knowledge MCP.

À lire aussi : MCP pour les frontends e-commerce : comment les agents écrivent sur la plateforme en toute sécurité et WebMCP vs. MCP pour le e-commerce : ou se situe la frontiere des agents.