Rizel Scarlett a dirigé les relations développeurs open-source chez Block, où Goose continue de servir d’implémentation de référence pour les nouvelles fonctionnalités du protocole. De MCP UI à MCP Apps, Goose est là où les standards rencontrent la réalité.

Cet article est adapté d’un entretien avec Rizel Scarlett, alors Tech Lead des relations développeurs open-source chez Block.

Avant que MCP n’ait un nom, Block avait un problème. L’entreprise traversait une restructuration, et un agent IA interne appelé Goose aidait les équipes à avancer plus vite. Mais son système d’extension exigeait une expertise Python et un travail d’intégration personnalisé pour chaque nouvel outil.

Block a contacté Anthropic au sujet de ces frictions, pour découvrir qu’Anthropic travaillait déjà sur ce problème avec ce qu’on appellerait le « Model Context Protocol », ou MCP. Block est devenu contributeur à la spécification avant sa sortie. Et Goose est devenu le premier client MCP disponible au grand public.

Cette implication précoce a établi une dynamique qui se poursuit aujourd’hui. Quand de nouvelles fonctionnalités MCP ont besoin d’une implémentation de référence, Goose est souvent le premier à les accueillir. C’est donc logiquement que Block a fait don de Goose parallèlement au don par Anthropic de MCP à l’Agentic AI Foundation (AAIF) en novembre 2025.

Ce qui fait d’un agent un agent

« La façon dont je décrirais [un agent], c’est un logiciel qui accomplit des tâches en votre nom », a expliqué Rizel Scarlett à RL Nabors lors d’un entretien pour la série MCP MVP d’Arcade. « Contrairement à quelque chose comme ChatGPT ou Claude.ai où vous avez une conversation en va-et-vient (vous posez une question, il suggère quelque chose, vous devez copier-coller). Avec Goose, il peut réellement accomplir la tâche. Il peut modifier le code dans votre IDE. Il peut même toucher vos paramètres système. »

Un agent, c’est bien plus qu’un modèle de langage. On pourrait dire qu’il n’est bon que ce que vaut l’environnement qui l’entoure. Le LLM fournit le raisonnement, mais c’est l’environnement qui apporte la boucle, les outils et la capacité d’agir. LLM, boucle et outils assemblés font un agent, et c’est l’interaction entre ces trois éléments qui détermine son utilité et sa qualité.

Rizel a utilisé une analogie avec les consoles de jeu rétro : le LLM, c’est la cartouche. Elle contient le savoir, mais sans la console, l’alimentation et la manette, elle ne sert à rien. Goose, c’est cet environnement. Vous branchez le modèle de votre choix (Claude, GPT, Gemini, ou même des modèles locaux comme Llama ou Qwen), et Goose gère la boucle agentique : envoyer la saisie au modèle, recevoir un plan, exécuter les outils, itérer jusqu’à la fin de la tâche.

« Nous sommes open source », a dit Rizel. « Vous pouvez dire : j’aime Llama, j’aime Qwen, branchez-le. Vous pouvez ainsi avoir un agent qui tourne entièrement en local. »

Le Firefox des agents

Block est cofondateur de l’Agentic AI Foundation aux côtés d’Anthropic et OpenAI. Goose est donc une infrastructure neutre, pas un produit qui peut être abandonné au gré d’une décision d’entreprise.

« Une chose que nous priorisons avec Goose, c’est de s’assurer qu’il est l’implémentation de référence pour MCP », a dit Rizel. « Tout ce qui sort de nouveau dans la spec, vous devez pouvoir l’essayer dans Goose, que ce soit les elicitations, le sampling ou les MCP Apps. »

Goose se positionne ainsi comme un terrain d’expérimentation pour les fonctionnalités MCP avant leur finalisation. Les développeurs qui construisent des serveurs MCP peuvent tester avec Goose pour voir comment leurs outils se comporteront dans un client conforme.

De MCP UI à MCP Apps

Le passage de MCP UI à MCP Apps illustre l’évolution de l’écosystème. MCP UI était une fonctionnalité expérimentale permettant aux agents de restituer des interfaces interactives, pas seulement du texte. « Votre agent peut répondre avec plus que du texte », expliquait Rizel. « Au lieu de dire

Andrew Harvard, design engineer dans l’équipe Goose, a vu le potentiel et a implémenté le support de MCP UI rapidement. L’enthousiasme de la communauté a été tel que MCP UI a évolué en MCP Apps, désormais intégré à la spécification officielle.

La différence clé : MCP Apps peut lancer des appels d’outils directs. Avec MCP UI, cliquer sur un bouton ne faisait que relancer l’interface. Avec MCP Apps, cliquer sur un bouton peut invoquer un outil. Vous pouvez afficher une liste de tweets, cliquer sur « répondre », et cette action appelle l’outil de réponse sans briser l’interface ni revenir au texte brut.

« C’est une différence subtile », a noté Nabors pendant la démo, mais elle change tout pour apporter des interactions proches d’une vraie app à ce qui serait autrement une expérience de chatbot.

Les MCP Apps sont désormais supportées dans Goose, Claude, ChatGPT, Postman et MCP Jam. Le principe d’héberger des composants UI sur des endpoints (en local ou en public) ouvre des possibilités qui ressemblent à la prochaine génération de design systems.

Planification, modèles lead-worker et flexibilité locale

Goose inclut des fonctionnalités que même les offres payantes des agents commerciaux ne proposent pas toujours. Les tâches planifiées permettent d’exécuter des agents selon un calendrier. Le modèle lead-worker vous laisse attribuer différents modèles à différents rôles : un pour la planification, un autre pour l’exécution, un troisième pour la revue de code.

« Je fais souvent ça quand je veux faire revoir mon code », a dit Rizel. « Je veux que l’un s’occupe de l’exécution avec la planification, et que l’autre passe le code en revue. Comme ça, il y a moins de biais. »

Pour les développeurs qui utilisent des modèles locaux, cette flexibilité compte. Les petits modèles comme Qwen peuvent peiner avec les appels d’outils mais s’en sortent bien à l’exécution. Les modèles plus grands raisonnent mieux mais tournent plus lentement. Répartir les responsabilités entre modèles permet d’optimiser à la fois la vitesse et la qualité.

La configuration personnelle de Rizel utilise Claude Opus 4.5 comme modèle principal, avec Gemini ou GPT-5.2 en alternatives. Pour l’expérimentation locale, elle a vu des développeurs obtenir de bons résultats avec Qwen 2.5 30B, même si les appels d’outils restent un point faible pour la plupart des modèles locaux.

Construire votre propre Claude Code

« Si vous voulez construire votre propre Claude Code de zéro, vous pouvez commencer par Goose », explique Rizel. « C’est open source, ça fait partie de la Linux Foundation. Prendre Goose, l’ouvrir, personnaliser ses entrailles, en faire le vôtre : ce n’est pas si compliqué. »

C’est le positionnement de Goose comme infrastructure : pas un produit à utiliser tel quel, mais une base sur laquelle construire, comme Electron s’appuie sur Chrome pour le développement d’applications. Et comme Goose tourne en local, vous pouvez l’intégrer dans des workflows que les agents commerciaux ne peuvent pas atteindre : outils internes, systèmes isolés, exigences de sécurité sur mesure.

Comment s’impliquer

Le développement de Goose se fait au grand jour. L’équipe est active sur Discord, où les utilisateurs posent des questions et proposent des fonctionnalités. Les GitHub Discussions incluent la roadmap 2026, et des issues sont disponibles pour les contributeurs.

« Le mieux, c’est que vous pouvez utiliser Goose pour vous aider à résoudre beaucoup de ces issues », dit Rizel. « On est ouverts à l’utilisation de l’IA, tant que vous relisez ce qui a été produit et que vous testez. »

Retrouvez Goose sur YouTube pour des lives et des tutoriels. Suivez Rizel sur les réseaux sociaux sous le pseudo @blackgirlbytes (« bytes » avec un Y).

MCP MVP est une série vidéo d’Arcade avec RL Nabors qui met en lumière les builders qui façonnent l’écosystème agentique. Voir l’interview complète avec Rizel Scarlett →