Model Context Protocol

Le Model Context Protocol (MCP) permet aux assistants d’appeler ChartQuery comme des outils : mêmes opérations que l’API REST, avec votre clé API. Vous pouvez documenter l’installation comme beaucoup d’équipes : README court, exemple de mcp.json, étapes à copier-coller.

Ce dont vous avez besoin

• Un compte ChartQuery (inscription si besoin) et accès au tableau de bord.
• Une clé API avec l’en-tête x-api-key (voir Clés API).
• Point d’accès MCP : https://mcp.chartquery.com/

Fonctionnement

Le serveur utilise Streamable HTTP sur https://mcp.chartquery.com/. Ce n’est pas une page web classique. Chaque outil correspond à une opération API ; la facturation et le comportement sont les mêmes que pour le REST. Le détail des endpoints est dans le reste de cette documentation.

Claude Code

Documentation officielle : Model Context Protocol (MCP). Exemple : claude mcp add --transport http chartquery https://mcp.chartquery.com/ avec --header x-api-key: YOUR_API_KEY. Même URL que dans la section Cursor ci-dessous.

Cursor

Voir la documentation MCP de Cursor. Dans Réglages → MCP, ajoutez un serveur HTTP, ou utilisez un mcp.json au niveau du projet avec une url (se terminant par /) et des headers pour la clé API.

Utilisez le point d’accès MCP pour ChartQuery ci-dessous. Ne commitez jamais de secrets. Préférez un placeholder du type YOUR_API_KEY.

{
  "mcpServers": {
    "chartquery": {
      "url": "https://mcp.chartquery.com/",
      "headers": {
        "x-api-key": "YOUR_API_KEY"
      }
    }
  }
}

Gemini CLI

Voir MCP server dans la documentation Gemini CLI. Indiquez https://mcp.chartquery.com/ et transmettez votre clé API (par ex. via x-api-key) comme décrit pour les outils.

OpenAI Developer Mode

Voir Developer mode dans la documentation de l’API OpenAI. Branchez les outils MCP sur https://mcp.chartquery.com/ et votre clé API en suivant ce guide.

Voir aussi

• Clés API: créer et gérer les clés
• Bonnes pratiques: intégration sécurisée