Developer Productivity | The .NET Blog

Mise à Jour Avril du Azure DevOps MCP Server : Requêtes WIQL, Auth PAT et MCP Apps Expérimentales

Emiliano Montesdeoca — Mon, 27 Apr 2026 00:00:00 +0000

Cet article a été traduit automatiquement. Pour la version originale, cliquez ici.

Le Azure DevOps MCP Server s’améliore continuellement. La mise à jour d’avril couvre les deux serveurs.

Support des Requêtes WIQL

Le nouvel outil wit_query_by_wiql permet d’exécuter des requêtes Work Item Query Language depuis votre client MCP.

Personal Access Tokens

Authentification PAT sur le serveur local — important pour les scénarios d’intégration sans authentification interactive.

Annotations MCP

Métadonnées pour les outils en lecture seule, destructifs et open-world — fondamentaux pour la fiabilité des agents.

Consolidation des Outils Wiki

5 outils wiki séparés → 2 outils plus capables. Moins d’outils = meilleure performance LLM.

Expérimental : MCP Apps

Workflows packagés dans l’environnement du serveur MCP. La direction est bonne.

Post original de Dan Hellem : Azure DevOps MCP Server April Update.

Aspire 13.2 : Support Bun, Meilleurs Conteneurs et Moins de Friction de Debug

Emiliano Montesdeoca — Fri, 24 Apr 2026 00:00:00 +0000

Cet article a été traduit automatiquement. Pour la version originale, cliquez ici.

Si vous construisez des backends .NET avec des frontends JavaScript dans Aspire, la 13.2 est la mise à jour qui améliore silencieusement votre quotidien. Des améliorations solides à des choses légèrement agaçantes.

Bun est Maintenant Citoyen de Première Classe

await builder
 .addViteApp("frontend", "./frontend")
 .withBun();

Si votre équipe utilise déjà Bun, Aspire ne vous force plus à aller à contre-courant.

Yarn Plus Fiable

Les utilisateurs de Yarn bénéficient de moins d’échecs mystérieux avec withYarn() et addViteApp().

Améliorations des Conteneurs

Pull policy explicite avec ImagePullPolicy.Never pour utiliser l’image locale sans aller au registry. PostgreSQL 18+ avec des volumes de données fonctionne maintenant correctement.

Améliorations du Débogage

DebuggerDisplayAttribute sur les types core
Meilleurs messages d’erreur pour WaitFor
BeforeResourceStartedEvent se déclenche au bon moment

Conclusion

Post original de David Pine : Aspire 13.2: Bun Support and Container Enhancements.

68 Minutes par Jour à Ré-Expliquer Son Code ? Il Y a une Solution

Emiliano Montesdeoca — Thu, 23 Apr 2026 00:00:00 +0000

Cet article a été traduit automatiquement. Pour la version originale, cliquez ici.

Vous connaissez ce moment où votre session Copilot atteint /compact et que l’agent oublie complètement ce sur quoi vous travailliez ? Vous passez les cinq minutes suivantes à ré-expliquer la structure des fichiers, le test qui échoue, les trois approches déjà essayées. Puis ça recommence.

Desi Villanueva l’a chronométré : 68 minutes par jour — juste pour la réorientation. Pas à écrire du code. Pas à revoir des PRs. Juste à remettre l’IA au courant de choses qu’elle savait déjà.

Il s’avère qu’il y a une raison concrète à cela — et une solution concrète.

Le Mensonge de la Fenêtre de Contexte

Votre agent arrive avec un grand nombre sur la boîte. 200K tokens. Ça semble massif. En pratique c’est un plafond, pas une garantie.

Voici le calcul réel :

200K contexte total
Moins ~65K pour les outils MCP chargés au démarrage (~33%)
Moins ~10K pour les fichiers d’instructions comme AGENTS.md

Cela vous laisse environ 125K avant d’avoir tapé un seul mot. Et ça empire — les LLMs ne se dégradent pas gracieusement. Ils atteignent un mur vers 60% d’utilisation. Le modèle commence à perdre des éléments mentionnés 30 tours plus tôt.

Limite effective : 45K tokens avant que la qualité se dégrade.

La Taxe de Compactage

Chaque /compact vous coûte votre état de flow. Vous êtes profondément dans une session de débogage. Contexte partagé construit sur 30 minutes. Puis l’avertissement arrive.

La partie cruelle : La mémoire existe déjà. Copilot CLI écrit chaque session dans une base de données SQLite locale à ~/.copilot/session-store.db. L’agent ne peut tout simplement pas la lire.

auto-memory : Une Couche de Rappel, Pas un Système de Mémoire

pip install auto-memory

~1 900 lignes de Python. Zéro dépendances. Installé en 30 secondes.

Au lieu d’inonder le contexte avec des résultats grep, vous donnez à l’agent un accès chirurgical à ce qui compte vraiment — 50 tokens au lieu de 10 000.

En Conclusion

Le context rot est une contrainte architecturale réelle. auto-memory le contourne en donnant à votre agent un mécanisme de rappel bon marché et précis.

Consultez-le : auto-memory sur GitHub. Post original de Desi Villanueva : I Wasted 68 Minutes a Day.