Un classement des serveurs MCP à installer dans Cursor, de Context7 et GitHub à Playwright et Supabase, avec des configurations prêtes à coller, les options gratuites signalées, la limite d’environ 40 outils expliquée et un flux de travail pour générer des images et des vidéos depuis votre éditeur.
Cursor écrit du code rapidement, mais par défaut il ne connaît rien de votre schéma de base de données, de vos pull requests ouvertes, des erreurs de production de la veille, ni de la version de la bibliothèque que vous avez installée mardi. Les serveurs Model Context Protocol (MCP) comblent cet écart en donnant à l’agent des outils qu’il peut appeler : interroger une table, lire un ticket, ouvrir un navigateur, récupérer la page de documentation exacte. Le piège, c’est que chaque serveur ajouté charge aussi des définitions d’outils dans la fenêtre de contexte. La meilleure configuration est donc une liste courte, où chaque serveur mérite sa place.
Ce classement ne retient que les serveurs qui résolvent un problème quotidien, et indique ceux qui ne coûtent rien. Les extraits de configuration suivent les formats de la documentation MCP de Cursor et du dépôt de chaque serveur, vous pouvez donc les coller et les adapter. Les dernières sections apportent ce que la plupart des listes MCP omettent : générer des images et des vidéos pour votre projet sans quitter l’éditeur.
💡 Vous manquez de temps ? Installez d’abord Context7, GitHub et Playwright. Ce trio règle les documentations périmées, l’absence de visibilité sur les dépôts et l’interface non testée, et les trois ont une porte d’entrée gratuite.
Un serveur MCP est un petit programme, ou un point de terminaison hébergé, qui expose des outils à l’agent via un protocole standard. Cursor joue le rôle de client. Lorsque vous posez une question, l’agent lit la liste des outils disponibles, décide lesquels sont utiles, les appelle et utilise leurs résultats dans sa réponse. Les appels sont validés par vous par défaut, ce qui vaut la peine de conserver pour tout ce qui écrit.
Cursor lit les serveurs depuis un fichier mcp.json à deux emplacements :
.cursor/mcp.json à la racine du dépôt, facile à partager avec votre équipe via git~/.cursor/mcp.json dans votre répertoire personnel, disponible dans tous les projetsTrois transports fonctionnent : stdio, où Cursor lance une commande locale, ainsi que SSE et Streamable HTTP pour les serveurs distants. Les entrées locales utilisent command, args et env. Les entrées distantes utilisent url et headers, et les serveurs distants peuvent s’authentifier avec OAuth. Les valeurs peuvent référencer ${env:NAME}, ${userHome} et ${workspaceFolder}, ce qui garde les chemins et identifiants propres à chaque machine hors du fichier. Pour une installation en un clic, la marketplace de Cursor et cursor.directory proposent tous deux un bouton « Add to Cursor ».
💡 Placez les entrées qui reposent sur un jeton personnel dans le fichier global. Gardez le fichier de projet sans identifiants afin qu’il puisse être versionné sans risque dans git.
Plusieurs classements de configuration de Cursor indiquent que l’agent voit environ 40 outils au total, tous serveurs actifs confondus. Chaque outil fournit un nom, une description et un schéma JSON, et tout cela occupe le contexte avant même que vous ne tapiez un mot. Un seul serveur de 30 outils peut à lui seul évincer quatre plus petits, et un menu plus long ralentit le choix de l’agent.
La règle pratique : utilisez trois à six serveurs et désactivez ceux dont la tâche en cours n’a pas besoin dans les réglages MCP de Cursor. Les serveurs qui permettent de choisir des ensembles d’outils, comme GitHub, vous aident à rester sous la limite sans perdre les fonctions utiles.
Ces quatre-là règlent les problèmes qui apparaissent dans presque tous les projets : documentation erronée, contexte du dépôt, tests dans le navigateur et fichiers hors de l’espace de travail. Chacun est gratuit pour commencer.
L’échec le plus courant de l’IA dans le code, c’est un code sûr de lui, écrit pour une API modifiée deux versions plus tôt. Context7 récupère à la demande la documentation propre à chaque version et l’intègre au contexte. Il expose deux outils, resolve-library-id pour transformer un nom de bibliothèque en identifiant et query-docs pour récupérer les pages pertinentes, si bien que le coût en définitions d’outils reste minime.
Le serveur hébergé fonctionne sans jeton, et un jeton gratuit obtenu depuis le tableau de bord de Context7 relève les limites de requêtes. Ajoutez la mention « use context7 » à un prompt, par exemple : « Créez un gestionnaire de route avec les options de cache actuelles de Next.js. use context7. »
{
"mcpServers": {
"context7": {
"url": "https://mcp.context7.com/mcp",
"headers": {
"Authorization": "Bearer ${env:CONTEXT7_TOKEN}"
}
}
}
}
Supprimez le bloc headers si vous voulez commencer sans aucun compte.
Le serveur officiel de GitHub permet à l’agent de lire et d’agir sur vos dépôts : rechercher du code, trier les tickets, ouvrir des pull requests et lire les résultats de CI. Il est sous licence MIT, et la version hébergée se trouve à https://api.githubcopilot.com/mcp/.
Vous pouvez vous connecter avec OAuth dans les clients qui le prennent en charge, ou transmettre un jeton d’accès personnel sous forme d’en-tête. Sans ensemble d’outils spécifié, il charge un groupe par défaut couvrant le contexte, les dépôts, les tickets, les pull requests et les utilisateurs, ce qui aide déjà à rester sous la limite d’outils. Un mode lecture seule désactive tous les outils d’écriture.
{
"mcpServers": {
"github": {
"url": "https://api.githubcopilot.com/mcp/",
"headers": {
"Authorization": "Bearer ${env:GITHUB_PAT}"
}
}
}
}
Créez le jeton avec les permissions les plus restreintes possible. Un jeton à grain fin limité aux dépôts sur lesquels vous travaillez réellement est plus sûr qu’un jeton classique à accès complet.
Le Playwright MCP de Microsoft permet à l’agent de piloter un vrai navigateur : ouvrir une page, cliquer, remplir des formulaires et vérifier ce qui s’est passé. Il travaille à partir de l’arbre d’accessibilité plutôt que des pixels, il n’a donc pas besoin de modèle de vision et limite la consommation de tokens. Il fonctionne en local sous licence Apache-2.0.
{
"mcpServers": {
"playwright": {
"command": "npx",
"args": ["@playwright/mcp@latest", "--headless"]
}
}
}
Sans --headless, le navigateur s’affiche à l’écran, ce qui est pratique pour suivre le travail de l’agent ; supprimez donc cet indicateur pendant vos tests. Utilisez --browser pour choisir Chrome, Firefox, WebKit ou Edge. Un bon premier prompt : « Lancez le serveur de développement, ouvrez la page d’inscription, soumettez un formulaire vide et signalez chaque erreur de la console. »
Cursor lit déjà votre espace de travail, donc le serveur Filesystem n’est utile que pour les dossiers situés en dehors : un répertoire de spécifications partagé, un dossier d’exports de maquettes, un coffre de notes. C’est un serveur de référence gratuit du projet MCP, auquel vous transmettez en arguments une liste explicite des répertoires autorisés.
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "${userHome}/Documents/specs"]
}
}
}
N’indiquez que les dossiers dont vous acceptez qu’un agent puisse les lire et les modifier. Si vous n’avez aucun dossier hors du dépôt, passez ce serveur et économisez les emplacements d’outils.
Une fois les bases en place, ajoutez les serveurs qui relient l’agent aux systèmes avec lesquels votre code communique réellement. Ces trois-là reviennent le plus souvent dans les projets réels.
Le serveur Supabase hébergé à https://mcp.supabase.com/mcp regroupe plus de 20 outils : conception de tables, migrations, requêtes SQL, création de branches de base de données et génération de types TypeScript. La connexion se fait dans le navigateur via OAuth, et vous le limitez à un seul projet avec un paramètre project_ref. La plateforme dispose d’une offre gratuite, vous pouvez donc l’essayer sur un projet personnel.
{
"mcpServers": {
"supabase": {
"url": "https://mcp.supabase.com/mcp?project_ref=YOUR_PROJECT_REF&read_only=true"
}
}
}
Pointez-le vers un projet de développement, pas vers la production, et commencez en lecture seule. Ne retirez read_only=true que lorsque vous voulez que l’agent exécute des migrations.
Le serveur de Sentry à https://mcp.sentry.dev/mcp se connecte via le navigateur et fait remonter dans le chat les traces de pile, les données de release et les détails des incidents. Au lieu de copier une erreur depuis un tableau de bord, vous demandez à l’agent de récupérer le dernier incident non résolu d’un projet, de lire le fichier en échec et de proposer un correctif. Il vous faut un compte Sentry, et l’offre gratuite suffit pour essayer ce flux de travail.
Le serveur Dev Mode de Figma fonctionne en local à http://127.0.0.1:3845/mcp et transforme les cadres sélectionnés en code avec les espacements, couleurs et noms de composants réels. Il nécessite l’application de bureau Figma et un siège payant avec Dev Mode, c’est donc le seul outil de cette liste qui n’est pas un choix gratuit. Ajoutez-le seulement si vous convertissez des maquettes en code chaque semaine.
Voici la liste complète dans un tableau, avec le coût de chaque serveur et son mode de connexion. Les tarifs et les quotas évoluent : vérifiez la page du projet avant d’engager une équipe.
| Serveur | Coût | Connexion | Idéal pour |
|---|---|---|---|
| Context7 | Offre gratuite | Jeton facultatif | Documentation adaptée à la version |
| GitHub | Serveur gratuit, licence MIT | OAuth ou jeton | Pull requests, tickets, recherche de code |
| Playwright | Gratuit, Apache-2.0 | Aucune | Tests d’interface et tests de bout en bout |
| Filesystem | Gratuit | Aucune | Dossiers hors du dépôt |
| Sequential Thinking | Gratuit | Aucune | Planification de tâches en plusieurs étapes |
| Supabase | Offre gratuite de la plateforme | OAuth dans le navigateur | Postgres et migrations |
| Sentry | Offre gratuite | OAuth dans le navigateur | Débogage en production |
| Brave Search | Quota mensuel gratuit (environ 2 000 requêtes au moment de la rédaction) | Jeton requis | Recherche sur le web |
| Figma | Siège payant | Dev Mode | Du design au code |
Si vous voulez un seul fichier de départ, celui-ci configure les trois choix qui ne nécessitent aucun compte autre que GitHub. Collez-le dans ~/.cursor/mcp.json et définissez d’abord GITHUB_PAT dans votre shell.
{
"mcpServers": {
"context7": { "url": "https://mcp.context7.com/mcp" },
"github": {
"url": "https://api.githubcopilot.com/mcp/",
"headers": { "Authorization": "Bearer ${env:GITHUB_PAT}" }
},
"playwright": {
"command": "npx",
"args": ["@playwright/mcp@latest", "--headless"]
}
}
}
MCP n’est utile que si le modèle derrière Cursor choisit le bon outil, transmet des arguments cohérents et s’arrête lorsqu’il a la réponse. Ce comportement varie beaucoup d’un modèle à l’autre et change à chaque version ; méfiez-vous donc de tout classement et testez sur votre propre dépôt.
Un test équitable consiste en une tâche qui demande trois ou quatre appels d’outils dans l’ordre : « Trouvez la dernière exécution de CI en échec, ouvrez le fichier mentionné dans le journal et proposez un correctif. » Surveillez quatre points : le mauvais outil choisi en premier, les appels identiques répétés, les arguments inventés et une réponse finale qui ignore le résultat de l’outil.
Voici les modèles qui méritent ce test, en supposant que votre offre Cursor les donne accès :
Mon point de départ : un modèle rapide pour les recherches rapides dans la doc et le dépôt, et un modèle plus solide pour les enchaînements de cinq appels ou plus, puis j’ajuste après une semaine d’usage réel. Vous pouvez aussi coller le même prompt de planification dans chacun de ces modèles sur Picasso IA pour comparer la façon dont ils séquencent un plan d’outils avant de changer celui de votre éditeur.
Les sites de documentation, les pages d’accueil, les bannières de README, les états vides et les articles de changelog ont tous besoin de visuels. La routine habituelle consiste à quitter l’éditeur, générer quelque chose ailleurs, renommer le fichier et le glisser dans le dépôt. Une API de génération transforme cela en un prompt, un script et un fichier versionné.
Quand une image se trouve dans la même pull request que le composant qui l’utilise, les relecteurs voient les deux ensemble et rien ne se perd. Cela permet aussi de régénérer une image principale dans la même session où vous avez modifié le titre.
Picasso IA expose quatre modèles via son API pour les développeurs : Picasso IA Image pour la génération texte vers image, Picasso IA Image Editor Pro pour éditer et combiner des images, Picasso IA Video pour une vidéo à partir d’un texte ou d’une image, et Seedance 2.5 Lite pour une vidéo avec audio synchronisé. La zone du compte liste aussi les connexions MCP, mais les détails du serveur sont derrière la connexion ; vérifiez-y donc l’URL exacte avant de l’ajouter à mcp.json.
Commencez dans le navigateur pour trouver un prompt qui fonctionne, puis transférez-le dans un script.
curl -X POST https://api.picassoia.com/v1/models/picassoia/picassoia-image/predictions \
-H "Authorization: Bearer $PICASSOIA_TOKEN" \
-H "Content-Type: application/json" \
-d '{"input":{"prompt":"a developer desk in morning light, photorealistic","aspect_ratio":"16:9"}}'
curl https://api.picassoia.com/v1/predictions/PREDICTION_ID \
-H "Authorization: Bearer $PICASSOIA_TOKEN"
Les jetons commencent par pia_sk_ et se créent dans la section API de votre compte, avec une limite de deux par compte. Un compte peut lancer cinq prédictions en même temps, partagées entre les jetons et les connexions MCP. D’après la documentation de l’API, les prédictions ne consomment pas de crédits, mais leur création nécessite une offre Infinite, et les autres offres reçoivent une réponse 403 plan_required. Vérifiez votre offre avant d’intégrer cela dans une étape de build.
💡 Enregistrez les fichiers générés dans
public/images/avec des noms descriptifs, puis demandez à l’agent d’ajouter la balise<img>avec un texte alternatif correct. Des noms de fichiers et des textes alternatifs descriptifs favorisent le référencement.
Un clip de cinq secondes vaut mieux qu’une capture d’écran statique pour une entrée de changelog ou une page de fonctionnalité. Picasso IA Video anime une image fixe : vous pouvez donc prendre l’image principale de l’étape précédente et lui donner un léger mouvement de caméra. Seedance 2.5 Lite ajoute un audio synchronisé, et sa page annonce des clips allant jusqu’à 10 secondes.
Écrivez les prompts vidéo dans l’ordre chronologique : où part le sujet, ce qui bouge et comment la caméra se déplace. Par exemple : « Un ordinateur portable sur un bureau en bois à l’aube, travelling avant lent vers l’écran, vapeur qui s’élève d’une tasse à gauche, lumière douce de la fenêtre. » Compressez le résultat avant de le versionner, car les fichiers vidéo alourdissent vite un dépôt.
La plupart des mauvaises configurations MCP échouent de la même façon. Corrigez-les avant d’ajouter quoi que ce soit de nouveau.
Quinze serveurs semblent puissants et se comportent mal. Les descriptions d’outils se chevauchent, l’agent hésite entre des options presque identiques, et vous payez en tokens les schémas à chaque requête. Ajoutez un serveur, utilisez-le pendant une semaine, et ne le gardez que si l’agent y fait appel sans qu’on le lui demande.
Un mcp.json au niveau du projet finit en général dans git. Un jeton collé dedans reste dans l’historique, et le supprimer plus tard ne rend pas l’ancienne valeur sûre. Utilisez des références ${env:NAME}, ou l’option envFile pour les serveurs locaux, et renouvelez tout jeton qui a déjà été versionné.
Commencer en lecture seule est une bonne habitude. GitHub prend en charge un mode lecture seule, et Supabase accepte read_only=true. Gardez la validation des outils activée pour tout ce qui écrit, fusionne, supprime ou exécute du SQL. Pour les serveurs communautaires hors des serveurs officiels, lisez le code source avant d’installer, figez une version plutôt que @latest lorsque le serveur touche à des systèmes sensibles, et privilégiez les serveurs à mainteneur actif et à licence claire.
Vous n’avez pas besoin de tout cela aujourd’hui. Installez Context7, ajoutez GitHub avec un jeton restreint, et laissez Playwright vérifier une vraie page. Ensuite, prenez la prochaine image principale, bannière ou vidéo de démonstration dont votre projet a besoin et réalisez-la vous-même : rédigez un prompt sur Picasso IA Image, affinez-le avec Image Editor Pro, puis transformez la meilleure image en mouvement avec Picasso IA Video. Changez un seul détail à chaque tentative, comme la direction de la lumière ou l’objectif, et vous verrez vite quels prompts méritent leur place dans votre dépôt. Le catalogue complet vous attend sur picassoia.com/en/all-models.
Choisissez votre langue
