SKILL.md
Collègue MCP Toolkit — Guide des outils
Tu as accès aux 12 outils du MCP Collègue via le protocole MCP. Ce guide t'explique quand et comment les utiliser pour chaque type de tâche.
Outils par catégorie
Analyse de code
| Outil | Quand l'utiliser |
|---|---|
repoconsistencycheck |
Détecter imports inutilisés, variables mortes, code dupliqué, symboles non résolus |
impact_analysis |
Avant un changement : évaluer les fichiers impactés, risques, tests à lancer |
code_refactoring |
Refactoriser du code : rename, extract, simplify, optimize, clean, modernize |
code_documentation |
Générer de la documentation (Markdown, RST, HTML, docstring) |
test_generation |
Générer des tests unitaires avec mocks optionnels |
Sécurité
| Outil | Quand l'utiliser |
|---|---|
secret_scan |
Scanner du code pour détecter secrets exposés (clés API, tokens, mots de passe, entropie) |
dependency_guard |
Valider les dépendances : existence, versions, vulnérabilités CVE, typosquatting |
iacguardrailsscan |
Scanner Terraform/K8s/Dockerfile pour configurations dangereuses |
DevOps & Infrastructure
| Outil | Quand l'utiliser |
|---|---|
kubernetes_ops |
Inspecter un cluster K8s : pods, logs, déploiements, services, événements |
github_ops |
Interagir avec GitHub : repos, PRs, issues, branches, search code |
postgres_db |
Inspecter une base PostgreSQL : schéma, tables, requêtes SELECT |
Monitoring
| Outil | Quand l'utiliser |
|---|---|
sentry_monitor |
Récupérer erreurs, stacktraces, statistiques depuis Sentry |
Workflows recommandés
Audit de sécurité complet
secret_scan— scanner tous les fichiers pour secrets exposésdependency_guard— vérifier les vulnérabilités des dépendancesiacguardrailsscan— valider l'infrastructure as code- Consolider les résultats en un rapport unifié avec scoring de risque
Code review approfondi
repoconsistencycheck— détecter les problèmes de cohérenceimpact_analysis— évaluer l'impact du changementcode_refactoring(si nécessaire) — proposer des améliorationstest_generation— vérifier la couverture de tests
Onboarding sur un projet
githubops(listrepos, repo_branches) — comprendre la structurepostgresdb(listtables, describe_table) — comprendre le schéma de donnéesrepoconsistencycheck— identifier la dette techniquecode_documentation— générer la documentation manquante
Debugging production
sentrymonitor(listissues, issue_events) — identifier les erreurs récenteskubernetesops(podlogs, list_events) — vérifier les logs et événementsimpact_analysis— trouver la cause probable dans le codegithubops(repocommits) — identifier le commit responsable
Préparation de déploiement
dependency_guard— vérifier qu'aucune vulnérabilité n'est présentesecret_scan— confirmer qu'aucun secret n'est exposéiacguardrailsscan— valider la configuration d'infrastructuretest_generation— s'assurer que les tests couvrent les changements
Combinaisons à éviter
- Ne pas appeler
coderefactoringsansrepoconsistency_checkd'abord — il faut connaître les problèmes avant de refactoriser - Ne pas appeler
impactanalysissans fournir lechangeintent— l'outil a besoin de savoir quel changement est prévu - Ne pas appeler
kubernetes_opssans vérifier que le cluster est accessible
Paramètres clés
repoconsistencycheck
files: liste de{path, content}— obligatoirechecks:['unusedimports', 'unusedvars', 'deadcode', 'duplication', 'signaturemismatch', 'unresolved_symbol']language:'python','typescript','javascript','auto'mode:'fast'(heuristiques) ou'deep'(analyse complète)
secret_scan
files: liste de{path, content}— recommandé pour scan batchcontent: contenu d'un seul fichierseverity_threshold:'low','medium','high','critical'
dependency_guard
content: contenu du fichier de dépendances (package-lock.json, requirements.txt, pyproject.toml)language:'python'ou'typescript'/'javascript'check_vulnerabilities:truepour scanner les CVE via OSV
impact_analysis
change_intent: description du changement en langage naturel — obligatoirefiles: liste de{path, content}— obligatoireanalysis_depth:'fast'(~10ms) ou'deep'(+2-3s avec IA)
iacguardrailsscan
files: liste de{path, content}— obligatoirepolicy_profile:'baseline'(recommandé) ou'strict'analysis_depth:'fast'ou'deep'(scoring LLM)