MDAN server exposes MCP tools to drive multi-agent development: run wizards, consult/customize agents, manage project state, context graph, memories, quality gates, traceability, scope estimation, and ecosystem access.
Workflows & Wizards: list and run 31 workflows (PRD, architecture, epics, sprint, dev, review, QA, payments, etc.) with resume points and artifacts.
Agents: list all 31 personas, consult them in character (layered customization + memories), and customize them per team/user without editing source files.
Project Status & State: query current workflow/step, record progress (start/step/complete), and register produced artifacts into the context graph.
Context Graph: add/update nodes and edges (input_to, derived_from, impacts, references), compute upstream dependencies and downstream impact, detect stale artifacts needing review, and visualize as Mermaid.
Decision Records: create DR-XXX from debates/consensus with rationale, confidence, participants, and graph impact edges.
Agent Memory: remember, recall, forget, end session (with decay and relationships), and list agents with memory sidecars.
Quality & Traceability: run mdan_check quality gates (placeholders, coverage, acceptance criteria), build FR/NFR → story → test traceability matrix, and get go/no-go release decisions.
Scope Estimation: recommend quick-dev, quick-spec, or full planning based on the change description and graph impact.
Ecosystem Integration: search/read installed Claude Code skills, agents, commands; catalog and stats; and export backlog to CSV/GitHub/Azure DevOps/Jira.
Allows generating Mermaid diagrams from the context graph to visualize relationships between artifacts in the project.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MDAN list all available workflows"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
🇫🇷 Français · 🇬🇧 English
MDAN est un framework de développement piloté par l'IA : des agents spécialisés, des wizards interactifs pas-à-pas, une mémoire de projet persistante, un protocole de débat structuré et un graphe de contexte qui trace chaque artifact. Il s'utilise via des slash commands dans ton IDE ou comme serveur MCP.
100% gratuit et open source. Made in Morocco.
npx mdan-method installL'installeur (interactif) demande la langue, les packs optionnels, le ou les IDE et ton nom, puis :
copie le contenu dans _mdan/ ;
génère les commandes /mdan-* pour chaque IDE choisi ;
écrit la config (_mdan/*/config.yaml) et l'état initial (_mdan/state/) ;
ajoute optionnellement le serveur MCP à .mcp.json.
Ensuite, dans ton IDE, tape /mdan- pour voir toutes les commandes.
Non interactif (CI, scripts) :
npx mdan-method install --yes --lang fr --ide claude-code,cursor --modules fintech,db-optimization --mcpOption | Valeurs |
|
|
|
|
|
|
|
|
| Ton nom, utilisé par les agents |
| Ajoute le serveur MCP MDAN à |
| Écrase les fichiers que tu as modifiés |
Mise à jour sans perdre tes modifications :
npx mdan-method@latest update
npx mdan-method update --channel next # tester la prochaine versionChaque fichier installé est tracé par son hash (_mdan/_config/files-manifest.csv). Un fichier que tu as modifié n'est jamais écrasé : la nouvelle version est écrite à côté en <fichier>.mdan-new. Dans les config.yaml, seules les clés gérées (user_name, communication_language, project_name) sont mises à jour.
Related MCP server: agent-team-mcp
Référencé sur Glama : fiche, note de qualité et test des outils dans le navigateur.
Tout client MCP (Claude Code, Claude Desktop, Cursor, …) peut utiliser MDAN directement.
{
"mcpServers": {
"mdan": {
"command": "npx",
"args": ["-y", "mdan-method", "serve"],
"env": { "MDAN_PROJECT_ROOT": "." }
}
}
}mdan serve # stdio (défaut)
mdan serve --http --port 3100 # Streamable HTTP sur /mcp, health check sur /health
mdan serve --http --host 0.0.0.0 --token $MDAN_HTTP_TOKEN # exposé : jeton obligatoire
docker build -t mdan-mcp . && docker run -i --rm -v "$PWD:/workspace" mdan-mcpSans installation dans le projet, le serveur sert le contenu embarqué dans le package. Le graphe et les decision records sont quand même écrits dans le projet.
Depuis la fiche Glama, tu peux appeler les outils de MDAN dans le navigateur ou te connecter à l'instance hébergée : parfait pour découvrir les wizards, les agents et le mode Party.
L'instance hébergée n'a pas accès à ton projet. L'état et la reprise, la mémoire des agents, le graphe de contexte,
mdan check/mdan traceet l'export lisent et écrivent les fichiers du projet : pour ce suivi, installe MDAN en local (npx mdan-method install) ou lancenpx mdan-method servedans ton projet.
Outils
Outil | Description |
| Où en est le projet : workflow et étape en cours, phases terminées, artifacts, décisions, prochaine étape |
| Liste les workflows / charge un wizard avec son point de reprise et les artifacts existants |
| Enregistre la progression ( |
| Liste les agents / charge un persona avec sa personnalisation en couches et ses souvenirs |
| Personnalise un agent sans toucher à son fichier : couche équipe ( |
| Session multi-agent : |
| Mémoire persistante des agents entre sessions (renforcement, oubli progressif, relations) |
| Enregistre un DR-XXX (ids séquentiels) et l'ajoute au graphe, avec des arêtes |
| Trace un artifact (hash du fichier enregistré) / une relation (cycles refusés) |
| Dépendances amont et impact aval d'un artifact |
| Artifacts modifiés depuis leur enregistrement et artifacts aval à revoir |
| Diagramme Mermaid du graphe |
| Contrôle qualité des livrables (placeholders, sections vides, couverture FR/NFR entre PRD, architecture et epics, critères d'acceptation), sévérité selon la taille du projet |
| Matrice exigence → story → test, couverture et décision ; peut l'écrire dans le graphe |
| Quelle dose de process pour un changement : |
| Recherche classée (nom, description) et lecture des skills, agents et commandes de |
| Catalogue paginé / composants installés |
| Exporte le backlog vers CSV, GitHub Issues, Azure DevOps ou Jira (simulation par défaut) |
Prompts : chaque workflow (create-prd, create-architecture, …) et chaque agent (agent-<nom>) est aussi exposé comme prompt MCP, ce qui permet au client de les proposer comme slash commands.
Ressources : mdan://state, mdan://config, mdan://graph, mdan://health (bilan en un appel), mdan://workflow/{name} et mdan://agent/{name} (listables).
Migration depuis la v3 : les outils
mdan_workflow_<nom>etmdan_agent_<nom>sont remplacés parmdan_run_workflow { name }etmdan_consult_agent { name }, et les noms utilisent désormais_(mdan_list_workflows,mdan_graph_add_node, …).
DAG des artifacts du projet et de leurs relations (input_to, derived_from, impacts, references). À la fin d'un workflow, l'agent enregistre l'artifact produit via mdan_graph_add_node. Les decision records des débats y sont ajoutés automatiquement.
mdan graph # Mermaid
mdan graph --json # JSON brut
mdan graph --html graph.html
mdan impact <artifact-id> # amont + aval
mdan stale # artifacts modifiés et ce qu'il faut revoir (exit code 2 s'il y en a)
mdan stale --touch <id> # marque un artifact comme revugraph TD
prd[PRD] -->|input_to| arch[Architecture]
arch -->|input_to| epics[Epics & Stories]
epics -->|input_to| sprint[Sprint Plan]
dr-001[DR-001: API Strategy] -->|impacts| archToutes les commandes commencent par /mdan-.
Commande | Description |
| Product brief collaboratif en 6 étapes : vision, utilisateurs cibles, scope, métriques de succès. |
| Recherche de marché : analyse concurrentielle, comportement clients, pain points, opportunités. |
| Recherche technique : technologies, patterns d'architecture, intégrations, tendances. |
| Recherche de domaine : analyse sectorielle, réglementation, paysage concurrentiel. |
Commande | Description |
| PRD complet en 12 étapes : vision, user journeys, scoping, exigences fonctionnelles et non fonctionnelles. |
| Design UX en 14 étapes : discovery, design system, fondations visuelles, parcours, composants, responsive. |
Commande | Description |
| Architecture technique en 8 étapes : contexte, décisions, patterns, structure, validation. |
| Découpe les exigences en epics et user stories prêtes pour le développement. |
Commande | Description |
| Sprint plan depuis les epics, avec estimation. |
| Implémente une story depuis sa spec : TDD, tests, documentation. |
| Review de code adversariale : bugs, sécurité, violations de patterns, et revalidation de ce qui dépend du changement (graphe). |
| Changement important en cours de sprint : analyse d'impact (graphe), options, mise à jour PRD/architecture/epics, Sprint Change Proposal. |
| Rétrospective d'epic ou de sprint : constats, causes, actions ; les leçons deviennent des souvenirs des agents. |
Commande | Description |
| Documentation complète du projet : overview, deep-dives, source tree. |
Commande | Description |
| Développement rapide en 6 étapes pour les petits changements. |
| Spec technique rapide en 4 étapes, prête pour l'implémentation. |
Commande | Description |
| Multi-agents en 3 modes : discussion, débat, consensus. |
| Débat structuré (Partisan 🟢 vs Opposant 🔴 + Arbitre ⚖️), 3 rounds, arbitrage, puis decision record. |
| Brainstorming avec plus de 12 techniques (SCAMPER, Six Thinking Hats, Mind Mapping…). |
--modules qaTous les livrables de test sont reliés au graphe : « quels tests relancer si cette story change ? » a une réponse.
Commande | Description |
| Stratégie de test par le risque : priorités P0-P3 (probabilité × impact), niveaux de test par story/epic. |
| Tests d'acceptation en échec (Given/When/Then) générés depuis les critères, avant l'implémentation. |
| Matrice exigence → story → test, trous de couverture, décision PASS/CONCERNS/FAIL. |
| Performance, sécurité, fiabilité, maintenabilité : seuils et preuves. |
| Qualité des tests existants (flakiness, isolation, assertions) avec grille notée. |
| Pipeline de test et quality gates en CI (exemples GitHub Actions et Azure DevOps). |
| Go/no-go : agrège tout, bloque si des artifacts aval d'une spec modifiée n'ont pas été revérifiés. |
--modules payments-maWallets, établissements de paiement, banques : exigences BAM, ISO 8583/20022, rapprochement. Les plafonds réglementaires sont indiqués comme « à vérifier dans la circulaire BAM en vigueur ».
Commande | Description |
| Niveaux KYC du wallet, plafonds (solde, flux mensuels, par opération), montée/descente de niveau, points de contrôle. |
| Flux de mouvement d'argent : états, écritures en partie double, idempotence, timeouts, extournes, frais, outbox. |
| Spécification d'interface ISO 8583 : MTI, mapping des DE, codes réponse, reversals/advices, vecteurs de test. |
| Rapprochement de fin de journée : sources, règles de matching, catégories d'écarts, résolution automatique. |
| Revue d'une fonctionnalité face à BAM / LCB-FT / CNDP / PCI DSS, avec rapport d'écarts. |
Fiches de référence incluses : structure RIB/IBAN MA avec calcul de clé (_mdan/payments-ma/data/rib-iban.md) et aide-mémoire ISO 8583.
Commande | Description |
| Que faire ensuite ? Analyse ce qui est fait et conseille la prochaine étape. |
| Revue critique (adversariale) d'un contenu. |
| Relecture éditoriale (style, structure). |
| Découpe un gros document ou indexe un dossier de docs. |
Commande | Description |
| Installe / met à jour MDAN dans un projet |
| Où en est le projet et quelle est la prochaine étape |
| Affiche ou supprime les souvenirs d'un agent |
| Contrôle qualité des livrables (code de sortie 1 si FAIL, utilisable en CI) |
| Matrice de traçabilité exigence → story → test |
| Recommande quick-dev, quick-spec ou une replanification complète |
| Exporte epics et stories (simulation par défaut, |
| Web bundles pour ChatGPT (GPT), Gemini (Gem) ou Claude (Project) : instructions + fichier de connaissances |
| Démarre le serveur MCP |
| Context Graph ( |
| Vérifie que toutes les références de fichiers de |
Les agents sont des personas IA spécialisés, invocables directement. Cette table est générée depuis les fichiers agents par npm run build.
Commande | Agent | Rôle |
| 📊 Amina | Business Analyst — Business Analyst + Requirements Discovery Lead |
| 🏗️ Reda | System Architect — System Architect + Technical Design Leader |
| 💻 Haytame | Senior Developer — Senior Implementation Engineer + TDD Practitioner |
| 🧙 MDAN Master | Orchestrateur Principal, Gardien du Contexte, Directeur des Wizards — Master Orchestrator + MDAN Expert + Context Guardian |
| 📋 Khadija | Product Manager — Product Manager + Scope Guardian |
| 🏃 Nadia | Scrum Master — Technical Scrum Master + Delivery Guardian |
| 🛡️ Yassir | Security Engineer — Application Security Engineer + Threat Modeling Lead |
| 📚 Youssef | Technical Writer — Technical Documentation Specialist + Knowledge Curator |
| 🎨 Jihane | UX Designer — User Experience Designer + Interaction Specialist |
Commande | Agent | Rôle |
| 📑 Salma | Indexing Specialist — Database Indexing Strategy Expert |
| 📈 Mehdi | DB Performance Analyst — Database Performance Analysis Expert |
| 🔍 Driss | Query Optimizer — Database Query Optimization Expert |
Commande | Agent | Rôle |
| ☁️ Hamza | Azure Specialist — Azure Cloud Architecture Expert |
| 🔄 Yassine | CI/CD Architect — CI/CD Pipeline Architecture Expert |
| ⚙️ Omar | DevOps Engineer — DevOps Engineering and Operations Expert |
Commande | Agent | Rôle |
| 🧠 Fayçal | IA Master — IA Master — Chief AI Strategist, owns all AI/ML architecture, orchestrates 130+ AI skills and 48 AI agents. Reports to Khalil (MDAN Master) for project-level decisions. |
| 📊 Saad | Data Scientist — Data Scientist — orchestrates data analysis, visualization, and ML skills |
| 🚀 Ilyas | DevOps Commander — DevOps Commander — orchestrates 30+ DevOps skills, 39 infra agents, 11 deployment commands |
| 🏗️ Amine | Fullstack Architect — Fullstack Architecture Expert — routes to 200+ development skills and 100+ dev agents |
| 📈 Imane | Marketing Strategist — Marketing Strategist — orchestrates 25+ marketing skills and publishing commands |
| 💡 Adnane | Product Lead — Product Lead — orchestrates product, project management, and team skills |
| 🔬 Leila | Deep Research Team Lead — Deep Research Orchestrator — coordinates research teams using ecosystem agents and scientific skills |
| 🛡️ Samir | Security Specialist — Security Expert — orchestrates 40+ security skills and 21 security agents |
| 🎯 Zineb | Ecosystem Skill Dispatcher — Ecosystem Orchestrator — Routes requests to the right specialist from 1,053 skills, 418 agents, 340 commands |
Commande | Agent | Rôle |
| ⚖️ Rachid | Compliance Officer — Regulatory Compliance and Risk Assessment Expert |
| 📊 Sanae | Financial Analyst — Financial Analysis and Modeling Expert |
| 🛡️ Karim | Risk Manager — Financial Risk Management Expert |
Commande | Agent | Rôle |
| ⚖️ Houda | BAM Compliance Officer — Officier de Conformité Bank Al-Maghrib (BAM) pour établissements de paiement |
| 💳 Anas | Payments Systems Architect — Architecte Systèmes de Paiement (switch, wallet, core banking) |
| 🧾 Samira | Reconciliation & Settlement Lead — Responsable Rapprochement (EOD) & Règlement |
Commande | Agent | Rôle |
| 🧪 Fatima | Test Architect — Test Architecture & Quality Gate Expert |
L'équipe du mode Party (_mdan/mdan/teams/default-party.csv) référence uniquement des agents réels ; la CI le vérifie, ainsi que l'unicité des noms.
La langue se choisit à l'installation (--lang) et est stockée dans _mdan/mdan/config.yaml (communication_language). Toutes les règles de langue et de style sont centralisées dans _mdan/core/rules.md, que chaque agent et chaque wizard charge. Changer de langue revient donc à modifier une seule clé.
Le style par défaut est ultra-concis : outil d'abord, résultat d'abord, pas de remplissage, pas de récapitulatif superflu.
_mdan/ ← Contenu (source de vérité)
├── core/ ← Moteur : mdan-master, rules.md, tasks, workflow.xml
├── mdan/ ← Module principal : workflows, équipes, config
├── fintech/ devops-azure/ db-optimization/ ecosystem/ ← Packs optionnels
├── _config/ ← Manifests générés + personnalisation des agents
└── state/ ← État runtime (MDAN-STATE.json, context-graph.json)
tools/
├── build/ ← build.js (manifests + commandes), validate.js (références)
├── cli/ ← mdan install|update|serve|graph|impact|stale|validate
├── lib/ ← sources, commandes IDE, CSV, chemins sûrs, écriture atomique
└── mcp/ ← serveur MCP (tools, prompts, resources ; stdio + HTTP)git clone https://github.com/khalilbenaz/MDAN.git && cd MDAN
npm ci
npm run build # régénère _mdan/_config/*.csv, .claude/commands et les sections générées du README
npm run check # lint + build à jour + références valides + tests
ANTHROPIC_API_KEY=... npm run eval # banc d'évaluation : un LLM déroule les wizards, le livrable passe mdan checkPour ajouter un agent ou un workflow, crée le fichier source dans _mdan/<module>/agents/ ou _mdan/<module>/workflows/ (frontmatter name + description), puis lance npm run build. Il n'y a rien d'autre à maintenir à la main. La CI vérifie que les fichiers générés sont à jour. Voir Écrire un module.
MIT
Quality gate on the project artifacts (brief, PRD, architecture, epics, tech spec): unfilled placeholders, empty sections, missing sections, FR/NFR coverage across documents, acceptance criteria. Strictness follows the project scale
Inputs: paths, scale.
Load an MDAN agent persona (with layered customization and its memories) to answer in character
Inputs: name (required), question.
Save a decision record (DR-XXX) from a debate or consensus session and register it in the context graph
Inputs: topic (required), decision (required), rationale (required), id, +6 more.
Customize an agent without editing its file: team layer (_mdan/custom/.yaml, versioned) or personal layer (.user.yaml, git-ignored). Values are merged into the layer
Inputs: agent (required), menu, layer, memories, +4 more.
Page through the MDAN ecosystem catalog (categorized list of known components)
Inputs: length, offset.
Read the full content of an installed skill, agent or command
Inputs: kind (required), name (required).
Search installed Claude Code skills, agents or commands (~/.claude) by keywords, ranked by name/description match
Inputs: kind (required), query (required), limit.
Count installed Claude Code components (skills, agents, commands) in ~/.claude
Inputs: no named parameters.
Decide how much process a change needs (oneshot quick-dev / quick-spec first / full planning) from its description, files and the real downstream impact in the context graph
Inputs: description (required), files, artifacts.
Export the epics/stories document to CSV, GitHub Issues, Azure DevOps Boards or Jira. Dry run by default (returns the planned requests); apply=true sends them (tokens from environment variables). Re-runs update instead of duplicating
Inputs: target (required), org, url, file, +3 more.
Add a relationship between two nodes of the context graph (cycles are rejected)
Inputs: source (required), target (required), relation.
Add or update an artifact node in the MDAN context graph (records the file hash for staleness checks)
Inputs: id (required), path, type, agent, +1 more.
Upstream dependencies and downstream impact of an artifact in the context graph
Inputs: nodeId (required).
List artifacts modified since registration and the downstream artifacts that must be reviewed
Inputs: no named parameters.
Mermaid diagram of the context graph
Inputs: no named parameters.
List all installed MDAN agents with their roles
Inputs: no named parameters.
List all installed MDAN workflows with their descriptions
Inputs: no named parameters.
Close a session for the participating agents: count the session, apply memory decay, record relationships and decision outcomes
Inputs: agents (required).
Delete one memory from an agent sidecar
Inputs: id (required), agent (required).
List agents that have a memory sidecar
Inputs: no named parameters.
Recall an agent's memories from previous sessions, highest confidence first
Inputs: agent (required), type, limit, query.
Store a memory in an agent's persistent sidecar (observation, preference, project context or decision). Identical memories are reinforced, not duplicated
Inputs: agent (required), content (required), tags, type, +1 more.
Start a multi-agent session: free discussion, structured debate (-> decision record) or consensus
Inputs: mode, topic, agents.
Load an MDAN workflow (wizard) with its rules and progress (resume point, existing artifacts) and return the instructions to execute step by step
Inputs: name (required), topic.
Record workflow progress: "start" (or resume) a workflow, "step" when moving to a step, "complete" with the produced artifacts (also registered in the context graph)
Inputs: action (required), workflow (required), step, summary, +2 more.
Project status: current workflow and step, completed workflows per phase, artifacts, decisions and the recommended next step
Inputs: no named parameters.
Traceability matrix requirement (FR/NFR) → stories → tests, coverage and gate decision; optionally writes it into the context graph
Inputs: register.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 27 tools
Most tools target distinct resources (workflows, agents, memory, graph, ecosystem, quality) and their descriptions clarify boundaries. A few pairs like memory_list vs list_agents or graph_impact vs graph_stale could be confused at first glance, but the descriptions prevent serious misselection.
All tools share the mdan_ prefix, but the suffix pattern varies: verb_noun (list_workflows), noun_verb (memory_list, ecosystem_search), noun_adjective (graph_stale), and bare verbs (check, trace). This mixed ordering is readable but not predictable.
27 tools is above the comfortable range and covers seven or eight distinct subdomains, making the server feel heavy. Some tools like ecosystem_stats and memory_list could arguably be merged without loss.
The server covers the full workflow lifecycle: planning, execution, state tracking, quality gates, traceability, and export. Minor gaps exist (no graph node/edge removal, no workflow creation/editing, no decision record update), but these are likely handled by file operations and don't block core usage.
Build and run AI workflows, agents, data tables and 1000+ API integrations from any MCP client.
Package intelligence MCP for AI agents — 22 tools, 19 ecosystems, AGPL SDK, free.
MCP server for your apps' tools and custom tools, plus hosted AI agents and approval-gated workflows
Control plane for autonomous software labor. Agents claim objectives over MCP with audit trail.
