Skate : l'agent IA gère le tableau kanban

Agent IA gère un tableau Kanban Mattermost via l'outil CLI Skate

Les agents IA comme Claude Code excellent dans la génération de code, mais ils négligent souvent le suivi des projets : les statuts des tâches restent inchangés, le temps n'est pas enregistré, et le contexte se perd entre les sessions. Voici Skate : un outil CLI en Go avec un serveur MCP qui connecte directement les agents à l'API Mattermost Boards. L'agent consulte les tâches de manière autonome, met à jour les statuts, lance des chronomètres, commente les changements et ferme les tickets.

Skate comble l'écart entre le travail en terminal et l'état du tableau. La commande skate tasks affiche une liste priorisée :

ID                           TITLE                        STATUS       PRIORITY   ASSIGNEE
c4cf6f4wzbjgxdm3hpa7iygtjdo  Middleware de traduction     Non démarré  2. Moyen
cuppcm819atnixx71qg9i485jsr  Lister les tâches            En cours     1. Élevé 🔥

L'agent analyse la sortie, sélectionne la tâche de priorité la plus haute, met à jour son statut via l'API, et boucle sans changer de contexte.

Configuration et flux de travail de base

Le binaire statique de Skate fonctionne via des requêtes HTTP avec un token Bearer Mattermost. Pas de base de données ni de dépendances conteneurs.

Initialisation :

• skate init — saisir l'URL du serveur et le token.
• skate local-init — sélectionner le tableau pour le projet.
• skate setup claude-code — enregistrer le serveur MCP avec 9 outils : tableaux, tâches, détails de tâche, mise à jour de statut, création de tâche, commentaires, démarrage/arrêt de chronomètre, journal des temps.

La sortie supporte JSON/YAML pour un parsing facile :

skate tasks --json | jq '.[] | select(.Priority | test("Élevé"))'

Les permissions héritent de votre utilisateur : si vous voyez le tableau dans le navigateur, il est accessible en CLI.

Traduction des tâches pour équipes multilingues

Le middleware traduit les descriptions de tâches en anglais pour l'agent sans modifier l'original sur le tableau. Activez dans ~/.config/skate.yaml :

translate:
  enabled: true
  provider: ollama
  model: gpt-oss:latest
  base_url: http://localhost:11434/v1

Heuristique : texte ASCII saute la traduction ; non-ASCII passe par une API compatible OpenAI (Ollama, OpenRouter). Idéal pour équipes distribuées avec tâches multilingues.

Cycle de développement complet sous contrôle de l'agent

Skate lui-même a été construit avec ce flux : un tableau Mattermost avec tâches, où Claude saisissait la prochaine tâche de priorité élevée.

Étapes de l'agent :

• skate tasks — obtenir la liste.
• skate task <ID> — voir les détails.
• Statut : En cours.
• Lancer le chronomètre.
• Exécuter (code, tests, docs).
• Commenter les changements.
• Arrêter le chronomètre.
• Statut : Terminé.
• Demander : prochaine tâche ?

30 tâches fermées avec horodatages et commentaires. Tâches récurrentes (mises à jour README, tests) repassent de Terminé à Non démarré — l'agent analyse les diffs et met à jour en conséquence.

Intégration des agents dans les flux d'équipe

Créer des tâches depuis le terminal : skate create avec une description du chat. Pour fonctionnalités complexes, l'agent génère un plan Markdown, l'attache au ticket et le passe en Bloqué. L'équipe révise de manière asynchrone ; l'agent intègre les retours avant de coder.

Résultat : l'IA agit comme un membre d'équipe à part entière sur le tableau — plans visibles, temps enregistré, décisions documentées.

Contrôle via SKILL.md : Fichier Markdown intégré avec instructions (statuts, chronomètres, mentions, pièces jointes). Les agents le suivent plus fiablement que les humains : ils vérifient les tâches liées, relisent les commentaires, journalisent chaque étape.

Points clés

• Skate donne à l'IA un accès direct aux tableaux Mattermost sans navigateur, en s'appuyant sur la mémoire d'équipe plutôt que sur celle de l'agent.
• Cycle complet : de la priorité à la fermeture avec suivi temporel et traductions.
• Tâches récurrentes automatisées — l'agent compare les diffs lui-même.
• Intégration équipe : plans sur le tableau pour revue humaine avant codage.
• Pile minimale : binaire Go, API REST, outils MCP.

— Editorial Team