Blank white background with no objects or features visible.

Bonjour, zone EMEA ! TrueFoundry étend sa présence en Europe, au Moyen-Orient et en Afrique. En savoir plus. →

Agent Skills pour Linear MCP : benchmark de précision de 62 % → 90 %

Published: novembre 20, 2026

En bref
  • L'outil qui fonctionnait était le problème. L'agent n'a jamais échoué en raison d'un appel cassé. Il a échoué parce qu'un outil voisin a réussi et que rien dans le résultat ne lui disait de s'arrêter.
  • La précision est passée de 62 % à 90 %. Mêmes tâches, mêmes données Linear, six configurations Claude. Chaque configuration s'est améliorée.
  • L'exécution est devenue moins chère, pas plus coûteuse. Les appels d'outils ont chuté de 42 %, les tokens d'entrée sont passés de 42,0k à 39,7k par tâche, et le coût du benchmark est passé de 38,15 $ à 36,17 $.
  • Un effort de raisonnement accru n'a pas comblé l'écart. Augmenter l'effort a ajouté au maximum 3,5 points sans skill. L'ajout du skill a ajouté de 22,9 à 31,6 points.
  • Un index de 56 lignes fournit le choix manquant. Il nomme l'objet avant l'outil, explique ce que signifie un résultat vide et ne charge les détails des arguments qu'en cas de besoin.
  • Utilisez ce schéma lorsque plusieurs outils peuvent renvoyer des réponses plausibles. Les cycles, projets, milestones et initiatives de Linear en sont un exemple parfait.

Voici un chiffre qui ne devrait pas exister. Nous avons exécuté 342 tâches Linear via Claude avec seulement la liste d'outils MCP. Ensuite, nous avons exécuté à nouveau les mêmes 342 tâches après avoir fourni à l'agent un fichier markdown de 56 lignes à lire en premier. La précision est passée de 62 % à 90 %. La facture est passée de 38,15 $ à 36,17 $.

Plus d'instructions, plus de contexte, plus de tokens sur chaque tâche, et l'exécution s'est révélée moins chère. Toute intuition sur le coût des prompts suggère que c'est illogique. Ce ne l'est pas, et la raison en est la partie qui mérite d'être lue.

L'agent n'a jamais échoué parce qu'un outil est tombé en panne. Il échouait parce que le mauvais outil fonctionnait. Demandez à Linear le sprint actuel et la liste des cycles revient vide. Cette liste vide est la réponse correcte. Mais la liste des issues n'est qu'à un appel de distance, elle renvoie de vraies issues, et rien dans ce résultat ne dit « ceci n'est pas le sprint ». L'agent signale donc les issues comme étant le sprint, en toute confiance, après avoir payé pour chaque appel qu'il a fallu pour y arriver. Chaque appel erroné coûte des tokens à l'aller et des tokens pour le résultat au retour, puis l'agent doit raisonner sur un résultat qu'il n'aurait jamais dû voir.

Le fichier de 56 lignes a fait une chose. Il a indiqué à l'agent quel objet faisait l'objet de la requête, et qu'une réponse vide est une réponse. La précision est venue de la première partie. Les économies sont venues de la seconde.

With no skill, the agent checks neighboring tools. With a progressive skill, it names the object, opens one reference file if it needs to, and makes one call.
Sans skill, l'agent vérifie les outils voisins. Avec un skill progressif, il nomme l'objet, ouvre un fichier de référence s'il en a besoin et effectue un seul appel.

Le sophisme : si l'agent peut appeler l'outil, il sait quand s'arrêter

La plupart des équipes traitent un serveur MCP comme une référence d'API. Exposez les outils, rédigez des descriptions correctes et le modèle figurera le reste. Quand ce n'est pas le cas, les correctifs auxquels les gens recourent sont toujours les trois mêmes : ajouter plus d'outils, améliorer les descriptions ou augmenter l'effort de raisonnement.

Tous trois supposent que le problème est une capacité manquante. Sur Linear, c'est le contraire. L'agent dispose de trop d'outils qui réussissent. Cycles, projets, milestones et initiatives peuvent tous ressembler au « plan ». Quelqu'un dit « ce sprint », que Linear appelle un cycle. Quelqu'un demande un point de contrôle dans un projet, que Linear appelle un milestone. Quatre outils peuvent chacun renvoyer une liste, et n'importe laquelle de ces listes peut ressembler à une réponse.

Un serveur MCP indique à un agent ce qu'il peut appeler. Il ne lui dit jamais quel appel réussi est suffisant. C'est là que se situe l'écart, et aucun effort de raisonnement ne le comble. Dans ce benchmark, augmenter l'effort de moyen à élevé sans skill a ajouté au plus 3,5 points de pourcentage. Le modèle peut réfléchir plus intensément à la mauvaise liste tant qu'il le souhaite. Il ne peut pas récupérer une distinction que le catalogue d'outils ne lui a jamais fournie.

Le sophisme du coût repose sur celui-ci. Chaque instruction que vous ajoutez représente des tokens sur chaque tâche, un skill devrait donc rendre l'exécution plus coûteuse. Cela ne tient que si le skill est lu intégralement à chaque fois et ne change rien à ce que fait l'agent. Un skill qui évite un mauvais appel économise l'appel, le résultat qui l'accompagne et le raisonnement que l'agent a consacré à un résultat qu'il n'aurait jamais dû voir. Sur Linear, cette économie a été supérieure au coût de lecture de l'index.

TL;DR : l'exemple et l'apprentissage

L'exemple. « Sur quoi travaille qa-release dans le sprint actuel ? » Sonnet 4.6 à un effort moyen, sans skill : 15 appels d'outils. Il a listé les équipes, listé les cycles deux fois, obtenu une liste de cycles vide, puis a appelé la liste des issues encore et encore, puis get_team, les statuts d'issues et les projets. Il a répondu avec les issues de l'équipe. Avec le skill : 2 appels. Il a listé les équipes, listé les cycles, vu la liste vide, dit qu'aucun sprint n'était configuré et s'est arrêté. La liste vide était la réponse depuis le début.

Les chiffres. 19 tâches Linear délibérément confuses, six configurations Claude, trois exécutions chacune. Précision de 62,0 % sans le skill, 90,4 % avec. Chaque modèle et configuration d'effort s'est amélioré, de 22,9 à 31,6 points. Les appels d'outils par tâche sont passés de 2,41 à 1,39, soit une baisse de 42 %, par rapport à un chemin correct le plus court de 1,0. Les tokens d'entrée par tâche sont passés de 42,0k à 39,7k. Le coût du benchmark est passé de 38,15 $ à 36,17 $. Les 5 % de tâches les plus lentes sont passées de 80,5 secondes à 50,9.

L'apprentissage. Lorsque deux outils peuvent tous deux renvoyer une réponse plausible, le modèle a besoin de trois choses que la liste d'outils ne lui donne pas : sur quel objet porte la requête, ce que signifie un résultat vide et ce que le serveur ne peut pas faire. Un court index qui nomme l'objet avant l'outil fournit les trois. Gardez-le suffisamment petit pour être lu à chaque fois, placez les détails des arguments dans des fichiers de référence chargés à la demande, et le skill rentabilise son coût par les appels qu'il évite.

Comment nous avons évalué les Agent Skills sur Linear MCP

Nous avons changé une variable. Tout le reste a été maintenu constant.

Les tâches. 19 prompts Linear rédigés autour de trois éléments qui confondent les agents : des outils similaires (cycle par rapport à projet par rapport à milestone par rapport à initiative), des capacités manquantes (supprimer une issue, fusionner une PR) et des écritures nécessitant une confirmation. Nous les avons choisis parce qu'ils prêtent à confusion, ils sont donc plus difficiles que le trafic Linear ordinaire.

Les données. Les réponses Linear provenaient d'un enregistrement figé. Les deux branches ont vu des données identiques et les écritures n'ont jamais atteint un espace de travail réel. Cela élimine également la latence réelle de l'API des chronométrages.

Les modèles. Sonnet 4.6, Opus 4.8 et Fable 5, chacun avec un effort moyen et élevé. Six configurations, trois exécutions par tâche, dans un espace de travail vierge à chaque fois. 342 exécutions avec le skill et 342 sans.

Les deux branches.

Sans skillAvec skill progressif
Ce que lit l'agentUniquement la liste d'outils MCPListe d'outils, un index de 56 lignes et un fichier de référence au besoin
Comment il choisit un outilLe nom le plus proche, puis vérifie les voisinsNomme d'abord l'objet, puis l'outil correspondant
Résultat videSouvent traité comme « essayer un autre outil »Traité comme la réponse
Actions manquantes ou risquéesPrétend parfois qu'un outil qui n'existe pas est présentL'index liste ce qui n'est pas disponible et quelles écritures nécessitent une confirmation

Le skill. Un index SKILL.md de 56 lignes que l'agent lit toujours. Il nomme les objets de Linear, donne une règle courte pour en choisir un, liste les éléments similaires, explique ce que signifie un résultat vide et liste ce que le serveur ne peut pas faire. Quatre fichiers de référence contiennent les détails des arguments, tels que les filtres qui nécessitent un id et ceux qui acceptent un nom. L'agent ouvre l'un de ces fichiers ou aucun. Sur une tâche typique, il nomme un objet, choisit l'outil dans l'index, ouvre le fichier de référence de cet objet si l'appel le nécessite, effectue un appel, puis s'arrête.

L'évaluation. Une tâche n'était réussie que si l'agent choisissait les bons outils dans le bon ordre, respectait les règles de confirmation et donnait une réponse finale correcte. Un juge séparé Opus 4.8 a noté la réponse sans savoir si un skill était présent. Trois exécutions par tâche représentent un petit échantillon et deux des vérifications de réussite sont évaluées par le modèle, veuillez donc lire les pourcentages exacts comme des tendances.

Les tâches, les skills, les règles d'évaluation et les étapes de reproduction se trouvent dans le dépôt public mcp-skillbench.

Résultats : précision de Linear MCP avec et sans skill

La précision est passée de 62 % à 90 %, les appels d'outils ont chuté de 42 % et l'exécution a coûté 5 % de moins.

Sans skillAvec skill progressif
Précision62.0%90.4%
Coût estimé, benchmark complet38.15 $36.17 $
Tokens d'entrée par tâche42.0k39.7k
Appels d'outils par tâche (chemin le plus court : 1.0)2.411.39
Latence médiane34.9s31.8s
5 % des tâches les plus lentes (p95)80.5s50.9s

Où l'agent s'est perdu. Sans skill, l'agent fonctionnait bien sur les issues uniques, les commentaires et les questions du centre d'aide. Il s'est perdu sur les objets de planification. Quatre outils peuvent chacun renvoyer une liste, il en a donc vérifié plus d'un, et n'importe laquelle de ces listes ressemblait à une réponse.

Le sprint actuel a été le cas le plus clair. La liste des cycles y répond seule. Sans skill, l'agent a souvent cherché le nom de l'équipe comme s'il s'agissait d'abord d'un utilisateur. Lorsque la liste des cycles est revenue vide, il a continué pour lire quand même les issues. Cette tâche n'a jamais réussi sur aucun modèle. Avec le skill, il a lu la liste des cycles, a indiqué qu'aucun cycle n'était configuré et s'est arrêté. La tâche a réussi presque à chaque fois.

Deux exécutions, côte à côte. Même modèle, même prompt. Le seul changement est le skill.

TâcheSans skillAvec skill
« Sur quoi travaille qa-release dans le sprint actuel ? » Sonnet 4.6, effort moyen. La liste des cycles est revenue vide, ce qui était la réponse.15 appels. list_teams, puis list_cycles deux fois. Il ne s'est pas arrêté. Il a appelé list_issues encore et encore, puis get_team, list_issue_statuses et list_projects. Les pages d'issues étaient incomplètes et la réponse comptabilisait toujours les issues de l'équipe.2 appels. list_teams, puis list_cycles. Il s'est arrêté. Aucun sprint n'était configuré.
« Quels points de contrôle sont définis dans le projet sandbox [zzz-test] exec-bench2, qu'il est possible d'annuler en toute sécurité ? » Opus 4.8, effort élevé. Linear appelle ces points de contrôle des milestones.2 appels. list_projects, puis list_milestones. Il n'a trouvé la liste des milestones qu'après avoir parcouru la liste des projets.1 appel. list_milestones, et rien d'autre.
« Déterminez quelle équipe détient QAR-113, puis dites-moi ce à quoi cette équipe s'est engagée dans son sprint actuel. »A lu l'issue et la liste des cycles, puis a généralement récupéré également l'équipe. L'issue avait déjà nommé l'équipe.Les deux appels, puis s'est arrêté, à chaque fois.

Le cas partiellement résolu. Une initiative à l'échelle de l'organisation s'étendant sur plusieurs projets est la question de planification que le skill n'a que partiellement résolue. « Donnez-moi le statut du thème à l'échelle de l'entreprise Pfizer Marketing Agents et de ses projets » n'a jamais réussi sans le skill, car l'agent a trouvé l'initiative puis a extrait chaque projet avec des appels séparés. Avec le skill, la tâche a réussi environ la moitié du temps.

Outils inventés. « Supprimer définitivement QAR-113 de Linear. » Linear MCP ne peut pas supprimer une issue. Sans skill, l'agent n'effectuait souvent aucun appel et répondait comme si un outil de suppression existait et n'attendait qu'une confirmation. « Fusionner la pull request 758 en utilisant la méthode par défaut du dépôt » a reçu le même traitement : l'agent a parfois déclaré que l'outil de fusion de Linear le ferait, sans rien appeler. Une courte section « non disponible » combinée à une liste d'écritures nécessitant une confirmation a corrigé la plupart de ces cas.

Chacune de ces défaillances correspond à une ligne dans l'index :

Si la requête porte sur...UtiliserPas
Un thème à l'échelle de l'organisation s'étendant sur des projetslist_initiatives / get_initiativeprojets ou issues
Un effort nommé unique et son statutget_project / list_projectsinitiatives ou cycles
Le sprint actuel d'une équipelist_cyclesissues ou projets
Un point de contrôle dans un projetlist_milestonesprojets ou cycles
Quelque chose que l'espace de travail a rédigélist_documentssearch_documentation
Comment Linear lui-même fonctionnesearch_documentationoutils de document
La discussion de revue sur une pull requestget_diff_threadscommentaires d'issue

Pourquoi l'effort n'a pas aidé. Passer l'effort de moyen à élevé sans skill a ajouté 3,5 points pour Sonnet et 1,8 point pour Opus et Fable. L'ajout du skill a ajouté de 22,9 à 31,6 points selon le modèle et la configuration. Opus 4.8 à un effort élevé avec le skill a atteint 96 %. Plus d'effort a aidé un peu en soi. Cela n'a jamais comblé l'écart, car l'effort ne peut pas récupérer une distinction que le catalogue d'outils ne fournit pas.

Accuracy by model and effort, with and without the skill, sorted by accuracy with the skill.
Précision par modèle et effort, avec et sans le skill, triée par précision avec le skill.

Pourquoi cela a coûté moins cher. L'index est suffisamment court pour être lu à chaque fois. Les fichiers de référence ne se chargent que pour l'objet en jeu, de sorte que la majeure partie du skill n'entre jamais dans le contexte. L'agent utilisant le skill a dépensé un peu pour l'index et a économisé davantage en évitant le mauvais appel et le résultat qui l'accompagnait. Le chemin correct le plus court compte en moyenne un appel. Sans le skill, l'agent tournait en moyenne à environ deux et demi. Avec, à moins de un et demi. Les 5 % de tâches les plus lentes sont passées d'environ 80 secondes à environ 51. Cette traîne est là où résidaient les détours, c'est donc là qu'un skill disant « stop » s'est révélé efficace.

Utilisez un skill lorsque les outils qui réussissent restent ambigus

Ignorez-le lorsque la liste d'outils est petite et que les noms ne se chevauchent pas. Si deux outils ne peuvent pas de manière plausible répondre à la même question, le modèle n'a pas besoin d'un critère de départage.

Ajoutez-en un lorsque deux outils peuvent tous deux renvoyer quelque chose qui ressemble à une réponse. Les objets de planification de Linear sont le cas auquel nous avons été confrontés à maintes reprises : l'outil voisin réussit également, donc rien dans le résultat ne dit au modèle de s'arrêter.

Limitez l'index toujours lu au choix lui-même. Les objets, les éléments similaires, ce que signifie un résultat vide et quelles écritures nécessitent une confirmation. Les noms d'arguments et les particularités des filtres vont dans les fichiers de référence, ouverts une fois le choix effectué. C'est l'index qui a fait varier la précision. Les fichiers de référence sont ce qui a empêché le nombre de tokens d'augmenter.

Nommez l'objet avant l'outil. Si votre serveur MCP possède des objets qui partagent des noms, le modèle passera des appels à les distinguer, et certains de ces appels produiront des réponses plausibles mais erronées. Un court index qui nomme d'abord l'objet, explique ce que signifie un résultat vide et liste ce qui n'est pas disponible comble la majeure partie de cet écart. Sur Linear, cela a fait passer la précision de 62 % à 90 % avec moins d'appels et une facture réduite.

Gouverner les appels d'outils Linear MCP avec TrueFoundry

Un skill modifie l'outil qui est appelé. Il ne décide pas de qui peut l'appeler, des identifiants utilisés par l'appel ou de ce qui est journalisé. En production, ce sont des rôles distincts, et vous avez besoin des deux.

Le TrueFoundry Skills Registry est l'endroit où réside un tel skill dès lors que plusieurs équipes l'utilisent. Un skill se trouve dans un dépôt aux côtés des prompts et des modèles. Le dépôt décide qui peut le découvrir, l'éditer et l'attacher, et conserve l'historique des versions ainsi que le journal d'audit. Chaque publication est une version numérotée, afin qu'un agent puisse rester sur la version actuelle ou figer une version plus ancienne si une nouvelle publication se comporte mal. L'index Linear que vous ajustez est celui que chaque agent charge, et la même version peut être attachée à un agent TrueFoundry ou intégrée dans Claude Code et Cursor. Ce skill Linear est un index assorti de fichiers de référence, il est donc publié sous forme de bundle via le CLI ou via GitOps avec tfy apply.

La TrueFoundry MCP Gateway se place devant le serveur Linear MCP. Elle gère l'authentification, le contrôle d'accès au niveau des outils et la traçabilité de chaque appel. Le surcoût est d'environ 3 à 4 ms, et elle traite plus de 350 requêtes par seconde sur un vCPU. Ce benchmark a utilisé un replay local, il ne dit donc rien sur la passerelle. Le skill garantit que l'appel est le bon. La passerelle décide si cet appel est autorisé.

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

INSCRIVEZ-VOUS
Table des matières

Gouvernez, déployez et suivez l'IA dans votre propre infrastructure

Réservez un séjour de 30 minutes avec notre Expert en IA

Réservez une démo

Le moyen le plus rapide de créer, de gérer et de faire évoluer votre IA

Démo du livre
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Découvrez-en plus

Aucun article n'a été trouvé.
novembre 20, 2026
|
5 min de lecture

Grok 4.3 on Amazon Bedrock: We Routed Four Frontier Models Through One Gateway and Measured the Cost

Outils LLM
comparaison
novembre 20, 2026
|
5 min de lecture

Alternatives au bifrost : les meilleurs outils que vous pouvez envisager en 2026

Aucun article n'a été trouvé.
novembre 20, 2026
|
5 min de lecture

GPT-6.1 Terra : API, benchmarks, tarification et mode d'emploi

Aucun article n'a été trouvé.
novembre 20, 2026
|
5 min de lecture

GPT-5.1 vs GPT-5 : 9 améliorations majeures à connaître

LLM et GenAI
Aucun article n'a été trouvé.
Faites un rapide tour d'horizon des produits
Commencer la visite guidée du produit
Visite guidée du produit