Intégration MCP pour Claude, Cursor et ChatGPT

Vous ouvrez Claude Desktop. Vous demandez : « Comment ma visibilité IA a-t-elle évolué cette semaine, et quelles sources dois-je démarcher ? ». Claude récupère les données de Mentionable via MCP, regarde vos prompts trackés, identifie les domaines qui citent vos deux principaux concurrents mais pas vous, les classe par impact score et prix marketplace, et vous rend une shortlist d'outreach en quatre lignes.

Aucun changement d'onglet. Aucun copier-coller de captures d'écran de dashboard dans un chat. Aucun « attendez, je vérifie ça dans Mentionable et je reviens ». Votre IA a la donnée, parce que la donnée va là où l'IA vit.

Qu'est-ce que MCP et pourquoi c'est dans un produit GEO

Le Model Context Protocol est un standard ouvert introduit par Anthropic fin 2024 qui permet à un agent IA d'appeler des outils et des données externes via une interface commune. Un client (Claude Desktop, Cursor, Claude Code, ChatGPT avec connecteurs custom, Zed) implémente le côté client. Un éditeur (Mentionable, dans ce cas) implémente un serveur qui expose des outils et des ressources. L'agent découvre les outils, les invoque quand c'est pertinent, lit la réponse, et intègre la donnée dans sa réponse finale.

Pour un tracker de visibilité IA, ce n'est pas un bonus. C'est le canal de distribution naturel.

La plupart des outils marketing construits la dernière décennie partaient du principe que le dashboard était le produit. Vous payez, vous vous connectez, vous lisez des charts, vous exportez des CSV. Ce modèle avait du sens quand les marketeurs lisaient leurs rapports le matin et prenaient des décisions dans une UI.

Ce modèle n'a plus de sens quand l'outil quotidien du marketeur est un agent IA. Un consultant qui rédige un article dans Cursor, un opérateur d'agence qui gère 5 projets clients via Claude Desktop, un fondateur qui demande à ChatGPT de résumer ses métriques hebdo : ils ne veulent pas quitter leur IA pour vérifier un dashboard. Ils veulent la réponse du dashboard dans l'IA.

MCP est le protocole qui rend ça possible. Le serveur Mentionable le rend concret.

Les 48 outils, et ce qu'ils débloquent

Le serveur MCP expose 48 outils aujourd'hui (32 en lecture, 16 en écriture), alignés sur les données à plus fort signal que Mentionable trace déjà. Les huit outils d'origine sont détaillés ci-dessous ; les quarante ajoutés depuis (scans et résultats bruts, établissements locaux, liens suivis, robots IA, signaux Reddit, Page Audit, extractions de fan-outs, audits en masse, GEO Audit, Journal d'actions) sont résumés en fin de section.

list_projects

Les projets de votre espace, avec scoping tenant automatique. Le point d'entrée de tout workflow d'agent. Tous les autres outils prennent un projectId, donc c'est le premier appel que l'agent fait quand vous demandez « que se passe-t-il sur mes marques ».

list_prompts

Chaque prompt tracké d'un projet, avec ses stats complètes : nombre total de runs, taux de mention, visibilité par LLM (ChatGPT, Claude, Perplexity, Gemini, Copilot, Google AI Mode, Google AI Overview), dernier résultat par LLM avec position de marque et sentiment. Un agent peut répondre à « sur quels prompts je perds de la visibilité ce mois-ci » en un seul appel.

list_llm_sources

L'outil le plus précieux pour la stratégie de contenu. Retourne chaque domaine qui est apparu dans les réponses LLM pour vos prompts trackés, ventilé en trois types d'apparition :

• Citations visibles : le LLM a cité ce domaine dans sa réponse, l'utilisateur a vu le lien
• Citations cachées : le LLM a lu ce domaine dans son contexte mais ne l'a pas cité dans la réponse finale (disponible sur les LLMs qui exposent ce signal, typiquement Perplexity et Gemini)
• Fan-out searches : le LLM a lancé une recherche en arrière-plan et a trouvé ce domaine dans les résultats, qu'il l'ait cité ou pas

La donnée fan-out est une mine d'or GEO. Elle vous dit quels domaines le LLM considère quand il répond à des prompts de votre niche, même si aucune citation n'a jamais été montrée à l'utilisateur. Ces domaines sont la vraie carte d'influence. Un agent peut demander à l'outil les domaines avec un fort fan-out count mais un faible nombre de citations visibles, et vous voyez immédiatement les sites que les LLMs consultent sans les créditer : des candidats prioritaires pour la collaboration de contenu ou le backlink.

list_fan_outs

Les requêtes elles-mêmes, pas les domaines. Toutes les recherches web que les LLMs ont lancées en arrière-plan pour répondre à vos prompts trackés, dédupliquées entre les runs et classées par fréquence. Chaque ligne inclut le texte de la requête, le nombre de fois où elle a été lancée, les LLMs qui l'ont émise, les prompts d'origine, et les dates de première et dernière apparition.

Pas de clustering, pas de filtrage heuristique, pas de gate « taille minimum de topic » : la surface brute. Une agence qui pilote une stratégie de backlink peut demander « montre-moi les 100 requêtes fan-out les plus fréquentes du projet client ce trimestre, filtre sur Perplexity uniquement » et récupérer une liste copiable-collable. Supporte la recherche texte, le filtre par prompt, le filtre par LLM, et deux modes de tri (fréquence, récence).

list_backlink_opportunities

Les domaines où placer un backlink peut booster votre visibilité GEO, classés par un score d'impact composite qui pondère le nombre de citations, la fréquence de fan-out, le nombre de LLMs distincts qui citent le domaine, et le nombre de vos prompts trackés où le domaine apparaît. Chaque domaine vient avec ses offres marketplace actuelles (prix, provider) issues de la donnée backlink agrégée de Mentionable. Un agent peut répondre à « quelle est ma meilleure opportunité de backlink en dessous de 500 € » en un seul appel d'outil et retourner une shortlist triée, pas un mur de bruit.

list_competitors

Les concurrents trackés sur un projet, avec totaux de mentions agrégés, Share of Voice, présence par LLM, et statut (confirmé, suggéré, rejeté). La base pour toute conversation d'intelligence concurrentielle avec votre IA.

list_competitor_sources

L'endpoint d'outreach le plus utile. Étant donné un concurrent spécifique, l'outil retourne chaque domaine où ce concurrent est cité, avec nombre de mentions, LLMs, URLs top et contexte sample de la réponse LLM. Si votre concurrent est cité 12 fois sur un site de review spécifique et que vous n'y êtes pas, ce site est une cible d'outreach directe. Un agent peut préparer une liste d'outreach concurrentielle complète en un seul prompt.

bulk_update_competitor_status

L'outil d'écriture. Accepte jusqu'à 50 mises à jour de concurrents en un appel, chacune CONFIRMED, SUGGESTED (en attente) ou REJECTED. Un agent peut exécuter le workflow opérationnel courant entièrement depuis le chat : « liste les 12 suggestions de concurrents détectées la semaine dernière, garde ces 8 comme vrais concurrents, rejette ces 4 comme bruit ». Un appel, résultats atomiques, gestion d'erreur par item quand un ID est invalide.

Ajoutés depuis le lancement : scans, résultats, local, liens, robots IA, Reddit, audits, Journal d'actions

Quarante outils supplémentaires shippés après le lancement initial, sur ces surfaces adjacentes :

• Scans et résultats bruts. list_scans, list_prompt_results, get_prompt_result. Parcourez l'historique de tracking scan par scan, listez les réponses d'un prompt par LLM et par date, puis récupérez le payload complet d'un résultat précis : sources citées (visibles et cachées), fan-out searches, mentions de concurrents et réponse brute du LLM (opt-in, c'est le champ le plus lourd).
• Visibilité locale et liens suivis. list_local_places, list_tracked_links. Voyez quels établissements ChatGPT et Google AI Overview affichent dans leur carte sur vos prompts, et combien de fois les liens que vous avez achetés sont cités comme sources.
• Robots IA. get_ai_crawler_overview, list_ai_crawler_pages, get_ai_crawler_page, list_ai_crawler_visits. Une fois le projet connecté à Cloudflare, voyez quels robots IA visitent votre site et quelles pages ils lisent, répartis en lectures pour répondre, indexation recherche et collecte entraînement, croisés avec les citations de chaque page dans les réponses des IA. Pour une page publiée avec Mentionable, suivez le délai entre la publication, la première visite IA et la première citation. Les visites viennent de Cloudflare AI Crawl Control, synchronisées chaque nuit.
• Signaux Reddit. list_reddit_threads, get_reddit_thread, bulk_update_reddit_thread_status, enrich_reddit_thread. Surfacent les threads Reddit cités par les LLM sur vos prompts trackés, les triagent à l'échelle, et déclenchent un scrape Bright Data (50 credits) sur les plus prometteurs. Pipeline d'outreach dans le chat plutôt que dans un tableur.
• Page Audit. list_page_audits, run_page_audit, get_page_audit. Queue un Page Audit sur n'importe laquelle de vos pages pour obtenir une liste structurée de corrections GEO, puis suivez et récupérez les résultats. run_page_audit débite 100 credits par audit sur chaque plan et respecte le cap credits (plafonné par monthlyOverageCapEuros). quota_exceeded est renvoyé en donnée structurée pour que l'agent explique la limite et le path d'upgrade. Les audits tournent en async ; pollez get_page_audit avec l'auditId jusqu'à COMPLETED.
• Extractions de fan-outs. create_fan_out_extraction, list_fan_out_extractions, get_fan_out_extraction. ChatGPT ne publie plus ses requêtes de recherche aux visiteurs non connectés : une extraction interroge son moteur de recherche via l'API d'OpenAI pour les prompts choisis. Requêtes, résultats classés, pages ouvertes et citées, plus une synthèse des requêtes où votre site est absent. 5 crédits par prompt, débités seulement si le moteur a cherché ; une simulation donne le coût d'abord.
• Audits en masse. list_bulk_audits, get_bulk_audit, list_bulk_audit_competitors, select_bulk_audit_competitors. Suivez une campagne d'audits en masse et curez sa shortlist de concurrents depuis le chat.
• GEO Audit (white-label). list_geo_audits, get_geo_audit, list_geo_audit_competitors, select_geo_audit_competitors. Pilotez un audit prospect one-shot depuis le chat : lisez son statut, curez la shortlist de concurrents pendant qu'il est en REVIEWING, puis figez la sélection pour déclencher la génération des insights.
• Édition du rapport GEO Audit. list_geo_audit_recommendations, add_geo_audit_recommendation, remove_geo_audit_recommendation, set_geo_audit_recommendation_visibility, list_geo_audit_content_ideas, add_geo_audit_content_idea, remove_geo_audit_content_idea, set_geo_audit_content_idea_visibility, set_geo_audit_section_visibility, list_audit_ctas. Ajoutez vos propres recommandations et idées de contenu par-dessus les générées, masquez celles qui ne s'appliquent pas, teasez une section derrière un CTA. Tout ce que l'UI du rapport fait à la main, appelable par un agent.
• Journal d'actions. list_action_logs, create_action_log. Le journal du projet : chaque optimisation réalisée (réécritures de pages, contenus publiés, outreach), avec dates. Votre agent logge ce qu'il vient de faire avec create_action_log, puis list_action_logs filtré sur une plage de dates transforme le rapport mensuel d'un exercice de mémoire en un seul appel d'outil. Les actions loggées apparaissent aussi en markers sur le chart de performance du dashboard : les mouvements de visibilité s'alignent avec le travail qui les a causés.

Schémas complets pour les 48 outils sur /docs/mcp/tools.

Des workflows réels, pas des démos

La valeur de MCP se révèle dans des workflows spécifiques qui compressent du travail manuel multi-étapes en une seule conversation.

Briefs de contenu depuis la donnée de citation IA

Vous demandez à Claude : « Rédige un brief de contenu pour le prompt « best gym management software ». Utilise les 5 sources les plus citées comme matériel de référence et explique pourquoi chacune ranke. »

Claude appelle list_llm_sources filtré sur ce prompt, récupère les 5 domaines top avec leurs fan-out queries et URLs sample, lit les titres et la classification seenAs, et rédige un brief dont la structure reflète ce que les LLMs valorisent déjà. Votre brief n'est pas de la spéculation. Il est dérivé de vrais signaux de citation.

Listes d'outreach sans tableur

Vous demandez à ChatGPT : « Trouve-moi 15 cibles d'outreach pour ce mois. Je veux des domaines qui citent au moins deux de mes trois principaux concurrents mais qui ne nous ont jamais cités. »

ChatGPT appelle list_competitor_sources sur chacun de vos trois concurrents top, intersecte les listes de domaines, compare avec list_llm_sources pour votre propre empreinte de citation, retire les domaines où vous apparaissez déjà, et retourne une liste classée avec les counts de citation des concurrents et votre score d'absence actuel. La version manuelle de ce workflow prend 90 minutes de tableur.

Triage opérationnel en une conversation

Vous demandez à Claude Desktop : « Montre-moi les suggestions de concurrents détectées les 14 derniers jours. Je vais passer chacune en revue et confirmer ou rejeter. »

Claude appelle list_competitors filtré sur le statut SUGGESTED créés récemment, les présente avec contexte et nombre de mentions, vous approuvez ou rejetez chacun depuis le chat, Claude appelle bulk_update_competitor_status une fois avec le batch complet. Un triage qui prenait 20 minutes de clics dans l'app, fait en une conversation de deux minutes.

Un modèle de sécurité que vous pouvez raisonner

Un seul principe : une clé API ne peut jamais accorder plus d'accès que l'utilisateur n'en a lui-même.

Les clés sont rattachées à votre TenantMember (votre paire user-tenant). Si vous appartenez à deux espaces, chaque espace a son propre jeu de vos clés. Vous créez une clé dans Paramètres → MCP, vous lui donnez un nom, vous la restreignez optionnellement à des projets spécifiques dans votre scope, vous copiez le plaintext une seule fois (affiché une seule fois), et vous configurez votre client IA.

À chaque appel, le serveur résout les permissions effectives en intersectant vos permissions de membership courantes avec les restrictions optionnelles de la clé. Si vous êtes retiré de l'espace plus tard, vos clés cessent de fonctionner immédiatement au prochain appel. Si votre rôle est dégradé en lecture seule (customer), vos clés se mettent à refuser les opérations d'écriture immédiatement. Rien n'est mis en cache, pas de permission figée.

Le plaintext n'est jamais stocké. Le serveur stocke un hash SHA-256 de la clé et un préfixe visible pour l'identification dans l'UI. La révocation se fait en un clic et prend effet au prochain appel.

Les rate limits sont appliqués par clé via une fenêtre glissante : 100 requêtes par minute par défaut, large pour un trafic d'agent IA normal.

Setup en moins de 60 secondes

Claude, ChatGPT, Claude Code et Cursor se connectent en OAuth. Ajoutez un connecteur custom avec l'URL du serveur, cliquez sur Connect, approuvez sur l'écran Mentionable :

https://mentionable.ai/api/mcp

Aucune clé à créer ni à coller. Pour Claude Code, enregistrez le serveur avec claude mcp add --transport http mentionable https://mentionable.ai/api/mcp, puis lancez /mcp et choisissez Authenticate.

Automatisations et clients sans OAuth

Pour n8n, un script ou un client sans bouton Connect, créez une clé API dans Paramètres → MCP et envoyez-la en Bearer token :

{
  "mcpServers": {
    "mentionable": {
      "url": "https://mentionable.ai/api/mcp",
      "headers": {
        "Authorization": "Bearer mnt_sk_VOTRE_CLE"
      }
    }
  }
}

Connecteurs qui n'acceptent pas de headers personnalisés

Si votre connecteur IA n'accepte qu'une URL (pas de headers custom), passez la clé API en query parameter :

https://mentionable.ai/api/mcp?key=mnt_sk_VOTRE_CLE

?key= et ?apiKey= sont acceptés. Préférez le header Bearer quand votre client le supporte : les query params peuvent être loggés par les serveurs, les CDN, les reverse proxies et l'historique du navigateur, ce qui augmente le risque de fuite de la clé. Régénérez la clé dans Paramètres → MCP si vous suspectez une exposition.

Ce qui rend la donnée intéressante à interroger

Un serveur MCP ne vaut que par la donnée qu'il expose. Le construire correctement suppose un contrat d'outils stable, une authentification propre par utilisateur, des permissions qui connaissent le membership, et un modèle de données qui vaut le coup d'être interrogé.

Mentionable a eu un modèle de données multi-tenant propre et une couche d'auth dès le premier jour, parce que l'app elle-même est multi-utilisateurs. Ajouter MCP a été une extension naturelle, pas un rétrofit. Votre IA récupère le tracking quotidien sur 7 moteurs IA, les fan-out queries derrière chaque réponse, les sources visibles et cachées, les concurrents et les audits, dans un contrat cohérent.

Le pari plus large

Les outils qui survivent à la transition LLM sont ceux qui arrêtent de supposer que l'humain va ouvrir leur UI. Le produit, c'est la donnée. L'UI est une interface. MCP en est une autre. Demain il y en aura d'autres.

Si vous faites du marketing en 2026 et que votre assistant IA ne peut pas accéder à vos données de visibilité sans copier-coller, vous payez pour le mauvais outil.

Assistant IA ou MCP ?

Pas besoin du MCP pour interroger vos données. L'assistant IA de Mentionable fonctionne dans le dashboard, sans configuration, dans tous les plans : il lit votre projet, explique les chiffres et renvoie vers la page où agir. Le MCP apporte le même type de données dans votre propre IA, sur les plans Pro et Agency, quand vous voulez que votre agent s'en serve dans des briefs, des rapports ou des automatisations, à côté du reste de votre stack.

Essayez

Choisissez le plan Pro ou Agency, ajoutez https://mentionable.ai/api/mcp comme connecteur dans Claude ou ChatGPT, approuvez la connexion, et posez à votre IA votre première vraie question sur votre visibilité. Pendant l'essai gratuit, commencez par l'assistant IA du dashboard.

Articles liés

• Tracking Concurrents - le tracking sous-jacent qui rend les outils concurrents du MCP intéressants.
• Tracking Sources & Citations - la donnée derrière list_llm_sources.
• Opportunités d'Outreach - la version in-app du workflow backlink que le MCP expose aussi.
• Assistant IA - posez vos questions sur les mêmes données dans le dashboard, dans tous les plans.