MCP n’est plus un sigle expérimental. Claude, ChatGPT et Cursor peuvent tous se connecter à un même serveur et lui poser de vraies questions sur vos données, au lieu de passer d’un onglet à l’autre. La question intéressante n’est plus « dois-je exposer mes données via MCP ? » mais « lequel de ces trois serveurs convient réellement ? » — Enginy, Amplemarket et celui sur lequel nous travaillons, ClawStud MCP. Chacun est conçu pour une forme de travail différente, et chacun couvre une partie du tableau que les deux autres ne couvrent pas.
Ce qu’un serveur MCP de données commerciales est censé faire
Dans le cas le plus simple, vous donnez un jeton à Claude, vous lui indiquez un point de terminaison, et à partir de là, « quel a été le trafic la semaine dernière ? » devient une vraie réponse chiffrée tirée de votre propre boutique, au lieu d’une estimation polie. Trois conditions doivent être réunies pour que cela fonctionne : le serveur doit détenir vos données réelles derrière une couche d’authentification, il doit les exposer sous forme d’outils concrets qu’un LLM peut appeler, et les outils doivent décrire assez clairement ce qu’ils renvoient pour que le modèle choisisse le bon. La plupart des textes marketing passent sous silence la deuxième et la troisième, et c’est pourquoi la plupart des connexions MCP ressemblent à des écrans de démonstration plutôt qu’à du travail réel.
Le comparatif honnête
« Honnête » est le mot clé. Chacun des trois est bâti autour d’un produit différent. Enginy est une plateforme de sales engagement avec sa propre génération automatique d’OpenAPI. Amplemarket est une plateforme de sales engagement orientée vers la prospection à grande échelle. ClawStud est un tableau de bord client partagé pour les agences, bâti au-dessus de GA4, Search Console et Stripe. Les différences qui comptent pour le LLM ne sont pas esthétiques : elles déterminent les questions que le modèle peut réellement traiter.
| Fonctionnalité | ClawStud MCP | Enginy MCP | Amplemarket MCP |
|---|---|---|---|
| Authentification | Jeton bearer (csk_…) avec des portées par outil, ou OAuth 2.0 + PKCE pour ChatGPT et les connecteurs de Claude | OAuth 2.0 + PKCE | OAuth (selon leur documentation) ; le point de terminaison de documentation est également ouvert sans jeton |
| Source des définitions d’outils | Sélectionnées à la main, un outil par question commerciale courante | Générées automatiquement à partir de la spécification OpenAPI | Générées automatiquement à partir de l’API Amplemarket |
| Outils exposés | 28 : 27 en lecture seule et un qui enregistre seulement des brouillons de posts pour les réseaux (GA4, Search Console, Stripe, Resend, PostHog, Vercel / Netlify, Supabase, plus un P&L par espace de travail). Les outils couvrent les écarts entre deux périodes (compare_periods), l’état des connexions (list_integrations), une veille d’alertes (list_alerts + get_alert), le résultat de l’espace de travail après commissions Stripe et dépenses (get_workspace_pnl), et un dictionnaire de métriques (explain_metric) pour que le LLM n’invente pas de définitions. | Reprend la surface OpenAPI d’Enginy | 3 outils sur la base de connaissances documentaire publique (search_amplemarket_api, query_docs_filesystem_amplemarket_api, submit_feedback) ; l’API produit est derrière OAuth et ne figure pas dans le point de terminaison public |
| Écritures autorisées | Une : create_social_draft enregistre un brouillon ; seule une personne peut l’approuver et rien n’est publié tout seul | Les deux, selon l’outil | Les deux, selon l’outil |
| Multi-clients / multi-espaces de travail | Natif. Un jeton, plusieurs espaces de travail, des portées par outil | Une entreprise par correspondance OpenAPI | Orienté commerciaux / séquences |
| Offre tarifaire concernée | Disponible sur toutes les offres, y compris Free | Nécessite un poste Enginy payant (offre Smart : environ 799 €/mois, prix affiché sur Capterra) | Nécessite un poste Amplemarket payant |
| Intégration incluse | Aucune session dédiée requise ; « Connectez-le en une commande » | 5 sessions d’intégration par offre | Variable ; généralement assuré par le service commercial |
| Risque qu’un LLM agisse par erreur | Faible : le modèle peut seulement ajouter un brouillon à une file de relecture ; l’approuver exige une personne connectée | Moyen : les outils d’écriture sont accessibles | Moyen : les outils d’écriture sont accessibles |
Quand ClawStud est le bon choix
Vous dirigez une agence qui compte plusieurs clients boutiques en ligne. Chacun possède déjà GA4, Search Console, Stripe et un compte Resend. Vous voulez que l’équipe puisse poser à Claude ou ChatGPT des questions sur n’importe quel client sans partager de mots de passe administrateur, et sans que le modèle agisse par inadvertance. ClawStud MCP a été conçu pour cela. Le jeton n’accorde jamais d’accès en écriture ; les portées par outil déterminent ce qu’un LLM voit ; « list my clients » ou « describe this workspace » permettent à la même connexion de couvrir plusieurs boutiques. Un fondateur indépendant qui gère une seule boutique est également concerné, puisque toutes les offres l’incluent.
Quand Enginy est le bon choix
Vous dirigez une équipe commerciale de cinq à dix SDR dont le métier est la prospection sortante. Vous voulez que le modèle recherche un contact, vérifie si sa réponse a exprimé un intérêt, ou fasse passer une séquence dans un brouillon. Enginy a été conçu pour cela, et son MCP s’appuie sur la même OpenAPI que son application web, ce qui est le bon choix pour un produit qui compte des centaines de points de terminaison. À cette échelle d’activité commerciale, le poste de 1 500 à 3 000 € par mois (Smart / Business) représente un coût d’exploitation, pas un problème de marge.
Quand Amplemarket est le bon choix
Vous prospectez à grande échelle et vous voulez que le LLM enrichisse des listes, évalue des réponses, rédige des messages de prospection et transmette les prospects chauds à un humain. Amplemarket correspond à ce besoin. Son point de terminaison MCP, accessible aujourd’hui à tous, expose toutefois la base de connaissances de la documentation de l’API Amplemarket plutôt que le produit lui-même : trois outils en lecture seule (rechercher dans la base documentaire de l’API, interroger un système de fichiers virtuel en lecture seule contenant la documentation, envoyer un retour). Leur API produit est accessible via OAuth, mais elle ne figure pas dans l’ensemble d’outils publié, et cette différence compte lorsqu’on veut réellement que le modèle remonte un vrai prospect plutôt que de consulter la documentation de l’API. Il convient également mal à une question du type « qu’est-ce qui a changé sur le site cette semaine et est-ce cohérent avec ce qui a été payé en publicité » : il s’agit d’analyse de revenus en lecture, pas d’actions sur les prospects.
Ce que ClawStud ne fait pas (volontairement bref)
Deux choses qu’Enginy et Amplemarket savent faire et que ClawStud ne fait pas : envoyer des e-mails au nom d’un expéditeur, et enrichir un contact avec des adresses e-mail et des numéros de téléphone. Les deux reposent sur un produit de sales engagement ; ClawStud est un tableau de bord, pas un moteur de prospection. Si ce sont vos exigences en matière de MCP, restez sur Enginy ou Amplemarket. Si le besoin est de « dialoguer avec les analyses et les revenus de vos clients », ClawStud MCP est le seul des trois dont les outils décrivent réellement les réponses.
Comment décider en cinq minutes
Si votre équipe pratique la prospection sortante à grande échelle, avec des personnes à intégrer et des séquences à produire, examinez d’abord Enginy ou Amplemarket. Si votre équipe est une agence ou un fondateur indépendant qui a besoin d’un tableau de bord qu’un LLM puisse interroger au-dessus de GA4, Search Console et Stripe, connectez ClawStud MCP avec une seule commande et un jeton que vous créez dans Settings → API keys. L’installation complète prend deux minutes et est gratuite. Si cela ne correspond pas, vous le saurez avant le déjeuner.
Référence technique : modelcontextprotocol.io — le protocole ouvert que ces trois serveurs implémentent.
À lire ensuite : Comment ClawStud MCP est né.
Explorez le tableau de bord ClawStud avec des données d’exemple.
