Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAPI / Produit · Prêt à l'emploiHabr AI→ original

La configuration de Claude Code fonctionnait pour un seul utilisateur, mais a cassé chez les collègues : 5 étapes pour la rendre portable

Le harnais (harness) regroupe les skills, les connexions MCP, les sous-agents et les contrôles qui entourent un agent IA comme Claude Code. Chez l'auteur, chez Directum, il a fonctionné pendant un an sans incident, mais chez ses collègues il a cassé : les scripts contenaient encore des chemins propres à sa machine, et une machine virtuelle vierge n'avait ni Python ni Node.js. Il décrit cinq étapes pour se retirer du schéma : les chemins sont désormais calculés depuis la racine du dépôt, et l'installeur vérifie lui-même l'environnement. Conclusion : testez l'installation sur une machine propre avant le premier collègue.

Traité par IA depuis Habr AI ; édité par Hamidun News
La configuration de Claude Code fonctionnait pour un seul utilisateur, mais a cassé chez les collègues : 5 étapes pour la rendre portable
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1La boucle « revue — correction » est limitée à trois tentatives, après quoi un humain est appelé
Chiffre clé #2L'abonnement est nettement plus avantageux pour les tâches de l'auteur que les tokens de l'API, et aucun serveur n'est nécessaire
Chiffre clé #3Les evals, scénarios de vérification, détectent les régressions des skills après les évolutions

Beaucoup ont déjà bâti autour de leur agent IA une configuration personnelle : ils ont regardé de courtes vidéos, accumulé des skills, branché des serveurs MCP, et obtenu un poste de travail « équipé ». Le harnais, ou harness, désigne tout ce qui entoure le modèle : outils, instructions, base de connaissances, sous-agents et contrôles. Tant que l'utilisateur est seul, il fonctionne.

L'auteur de cette analyse, spécialiste de la promotion de la plateforme Directum RX chez Directum, a constaté ce qui se passe ensuite. Son harnais a tourné sans faille pendant un an, mais dès qu'il l'a remis à ses collègues, il a cassé : sa partie centrale était en fait l'auteur lui-même, et on ne peut pas installer l'auteur via un installeur. Il décrit ensuite cinq étapes pour se retirer du schéma.

Certaines solutions fonctionnent déjà, d'autres sont encore en cours d'amélioration, et il présente lui-même ce texte comme une expérience personnelle et non comme un mode d'emploi pour construire une équipe d'IA.

Ce qui a été transmis

Les clients envoient leurs exigences à l'auteur, qui doit rapidement montrer sur un prototype comment les mettre en œuvre sur la plateforme. L'environnement de développement Directum RX (Development Studio) dispose d'une API JSON-RPC, reliée à Claude Code via MCP. L'agent crée des entités, des propriétés et des squelettes de méthodes par le même mécanisme que le développeur dans la fenêtre de l'environnement, puis complète la logique métier en C#. Les paquets sont publiés sur le banc d'essai par l'utilitaire standard Deployment Tool, et le résultat est vérifié via l'API et l'interface web.

Le travail est réparti entre plusieurs sous-agents : le product owner prépare les exigences et les critères d'acceptation, l'architecte conçoit la solution, le développeur écrit le code et les tests, le testeur vérifie les scénarios, et trois relecteurs examinent en parallèle le code, la sécurité et la conformité à l'architecture. Les artefacts de chaque étape sont stockés dans le dossier .pipeline, et les transitions sont gérées par un script : il vérifie les résultats obligatoires et sauvegarde l'état, si bien qu'après une pause le coordinateur reprend exactement là où il s'était arrêté.

Deux boucles « vérifier — corriger » existent : l'une pour la conception de la solution, l'autre pour le code. Chacune est limitée à trois tentatives. Sans limite, les sous-agents peuvent se corriger mutuellement pendant longtemps, en consommant les quotas de l'abonnement. Si la troisième tentative échoue, le coordinateur appelle un humain et conserve la description du bug, les résultats des contrôles et l'historique des tentatives.

Serveur commun ou installation locale

L'auteur a envisagé deux options. La première est un service commun avec des bacs à sable (par exemple GoClaw ou OpenHands) : l'utilisateur obtient un environnement préconfiguré avec la bonne version du produit. Pour une seule équipe partageant un même environnement, c'est pratique. Mais le harnais devait servir plusieurs équipes, avec des produits, des versions de plateforme et des ensembles de solutions différents. Un environnement unique ne pouvait pas couvrir tous ces cas, et prendre en charge plusieurs variantes aurait nécessité une équipe dédiée.

Le choix s'est donc porté sur une installation locale : chacun clone le harnais depuis un dépôt distinct sur le GitLab interne et travaille avec son propre abonnement. Pour les tâches de l'auteur, l'abonnement est nettement plus avantageux que la facturation des tokens via l'API, et il n'est pas nécessaire de déployer un service commun dès le premier jour. Les équipes se raccordent progressivement et vérifient si le harnais leur est utile. Le prix de ce choix : les dépendances, les chemins, les droits d'accès et les versions des outils diffèrent d'une machine à l'autre.

Le commun, le projet et le personnel sont stockés séparément. Les règles générales vont dans le dépôt du harnais, les exigences du projet se trouvent à côté de son code, et les réglages et accès personnels restent en local, hors de Git. Tant que l'auteur était seul à utiliser le harnais, les scripts contenaient en dur les chemins de sa machine. Désormais, le harnais recherche ses fichiers par rapport à la racine du dépôt, et les chemins vers Development Studio et Deployment Tool sont lus par l'installeur depuis un fichier de configuration.

Les mises à jour sont assurées par un hook de Claude Code, c'est-à-dire un script lancé au démarrage de la session. Il détecte une nouvelle version, propose de récupérer les modifications, met à jour les dépendances et vérifie que les outils se lancent. Les réglages locaux sont conservés, les conflits avec les développements en cours sont signalés, et un retour à la version précédente reste possible.

Premier lancement sur une machine vierge

Le hook n'est pas arrivé en premier. L'auteur a d'abord déployé une machine virtuelle vierge, cloné le dépôt et lancé l'agent. Les erreurs sont apparues avant même la première tâche utile : il manquait des dépendances qu'il avait installées depuis longtemps sur sa machine et oubliées. Un outil avait besoin de Python, un autre de Node.js, un troisième de bibliothèques absentes. Au début, l'agent aidait lui-même à la configuration, mais parfois la préparation consommait tout le quota de la fenêtre de cinq heures de Claude.

Aujourd'hui, un nouveau participant lance l'installeur : il vérifie l'environnement, installe les dépendances et configure les serveurs MCP. Une installation interrompue peut être relancée, les étapes déjà réalisées étant ignorées. Si une erreur se répète chez plusieurs personnes, sa solution intègre l'installeur.

Celui-ci tient compte du système d'exploitation, du SGBD et de la version de la plateforme. Par exemple, la plateforme fonctionne avec PostgreSQL comme avec MSSQL, mais les utilitaires de l'auteur basés sur psql ne sont pas disponibles avec MSSQL, et l'installeur en avertit. Les outils sont vérifiés depuis Claude Code, car travailler dans un terminal et être accessible à l'agent sont deux choses différentes.

Et comme Bash, sous l'antivirus de Windows, se lançait de façon instable, les points d'entrée des scripts ont été portés sur Node.js.

Pour que les modifications apportées par les équipes ne cassent pas le comportement de l'agent, on exécute des evals, c'est-à-dire des scénarios de vérification assortis de critères de réussite définis à l'avance. Par exemple, si quelqu'un adapte un skill de base à son projet et que celui-ci cesse d'exécuter le contrôle obligatoire avant la fin d'une tâche, ce scénario fera apparaître la régression. En revanche, les evals ne couvrent que les cas qui y sont décrits.

Que faire en pratique

Un harnais pour une personne et un harnais pour une équipe ne se distinguent pas par leur jeu d'outils, mais par la part qui repose sur l'auteur. Si vous envisagez de partager votre harnais d'agent, testez l'installation sur une machine virtuelle vierge, supprimez les chemins absolus, séparez le commun, le projet et le personnel, fixez une limite de tentatives pour les boucles de correction et créez des evals pour les skills clés. Réserve : il s'agit de l'expérience d'un seul ingénieur dans une seule entreprise, et pour d'autres plateformes, les solutions devront être retrouvées au cas par cas.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui a été transmis ?

Les clients envoient leurs exigences à l'auteur, qui doit rapidement montrer sur un prototype comment les mettre en œuvre sur la plateforme. L'environnement de développement Directum RX (Development Studio) dispose d'une API JSON-RPC, reliée à Claude Code via MCP. L'agent crée des entités, des propriétés et des squelettes de méthodes par le même mécanisme que le développeur dans la fenêtre de l'environnement, puis complète la logique métier en C#.

Que sait-on sur Serveur commun ou installation locale ?

L'auteur a envisagé deux options. La première est un service commun avec des bacs à sable (par exemple GoClaw ou OpenHands) : l'utilisateur obtient un environnement préconfiguré avec la bonne version du produit. Pour une seule équipe partageant un même environnement, c'est pratique. Mais le harnais devait servir plusieurs équipes, avec des produits, des versions de plateforme et des ensembles de solutions différents.

Que sait-on sur Premier lancement sur une machine vierge ?

Le hook n'est pas arrivé en premier. L'auteur a d'abord déployé une machine virtuelle vierge, cloné le dépôt et lancé l'agent. Les erreurs sont apparues avant même la première tâche utile : il manquait des dépendances qu'il avait installées depuis longtemps sur sa machine et oubliées. Un outil avait besoin de Python, un autre de Node.js, un troisième de bibliothèques absentes.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…