WebAsk a lancé un serveur MCP pour les enquêtes et a constaté qu’AI lit plus qu’elle ne crée

WebAsk a connecté son constructeur de sondages et de tests à MCP pour que Claude, Cursor et autres clients LLM puissent travailler avec le service sans changer d'onglet dans le navigateur. Après le lancement, l'équipe a découvert que la demande principale provenait non pas de la génération de nouveaux questionnaires, mais de la lecture, de l'analyse et de l'export de réponses déjà collectées.

Pourquoi WebAsk a Besoin de MCP

L'équipe WebAsk décrit un scénario familier : un utilisateur rédige un rapport ou analyse du code dans un LLM, puis doit soudainement mener une enquête pour les RH, une conférence ou l'onboarding. Sans intégration, cela signifie un nouvel onglet, une connexion au service, une configuration manuelle du formulaire et une perte de contexte. Dans cette situation, MCP est devenu pour le produit non pas un ajout à la mode, mais un moyen de garder l'utilisateur dans une seule conversation avec l'assistant et de donner au modèle accès à l'infrastructure déjà existante du service.

En même temps, WebAsk souligne : les LLM peuvent rapidement imaginer des questions, mais le questionnaire lui-même n'est qu'une petite partie du travail.

• publication et hébergement d'enquêtes pour des milliers de répondants
• collecte de réponses sans perte et stockage des données
• analyses telles que NPS, segmentation et cartes thermiques
• export des résultats en CSV, Excel, PDF et Word
• intégrations avec des systèmes externes et webhooks

Comment le Serveur Est Construit

L'équipe a construit le serveur MCP comme une couche Node.js fine entre des clients comme Claude et Cursor et le backend principal de WebAsk. De l'extérieur, c'est du JSON-RPC 2.

0 avec autorisation par token Bearer ; de l'intérieur, c'est un routeur, des schémas de validation et un gestionnaire séparé pour chaque outil. L'architecture s'est avérée simple : une requête arrive avec le nom de l'outil, les paramètres sont validés selon le schéma, puis le serveur appelle la méthode REST API correspondante et retourne la réponse au modèle. Le principal problème pratique n'était pas dans le code, mais dans la compatibilité des clients.

Selon la spécification, MCP peut fonctionner avec tools, resources et prompts, mais dans Claude Desktop, l'équipe n'a vu le support que pour tools. WebAsk a donc enveloppé 19 ressources—comme la lecture de réponses, la structure d'enquête et les résumés—dans des outils wrapper séparés. Par conséquent, le serveur a grandi jusqu'à environ 60 outils, divisés en groupes : cycle de vie de l'enquête, contenu, formatage, analyses, export et codes promotionnels.

Où Étaient les Pièges

La leçon la plus douloureuse concernait les descriptions des outils. Des formulations brèves économisaient des tokens, mais le modèle confondait trop souvent des actions similaires, substituait des paramètres incorrects et parfois choisissait même le mauvais outil. Après plusieurs itérations, l'équipe a réécrit les descriptions de manière plus détaillée : avec des contraintes, des exemples de paramètres et des scénarios typiques. Cela a augmenté le contexte, mais a considérablement amélioré la précision sur des chaînes d'appels complexes.

"Économiser sur les descriptions est une fausse économie."

Parallèlement, il a fallu revoir les limites de débit et l'approche même des tests. Si une personne se contente de 60 requêtes par minute, un agent fait facilement 50–70 appels en quelques secondes, donc WebAsk s'est arrêté à un seuil de 180 requêtes par minute. Et les tests se sont transformés en une exécution manuelle d'environ 20 scénarios : le modèle pouvait changer l'ordre des actions, ajouter un écran d'accueil ou un thème de formatage de son propre chef et faire preuve d'initiatives excessives.

En pratique, le cas le plus courant ne s'est avéré être le constructeur, mais l'analyse : Cursor lit des centaines de réponses textuelles, les regroupe par sujet et prépare un résumé pour le rapport plus vite qu'une personne ne peut ouvrir le bon tableau de bord.

Ce Que Cela Signifie

L'histoire de WebAsk montre bien que MCP pour SaaS n'est plus un jouet pour les démos, mais une nouvelle interface au-dessus d'un produit existant. Mais le gagnant n'est pas celui qui a simplement ouvert l'accès à l'API pour les LLM, mais celui qui a réfléchi à fond aux descriptions d'outils, aux contraintes des clients et aux véritables flux d'utilisateurs où l'IA économise non pas des clics, mais des heures de travail manuel.