Analyse-CV - MCP Server

MCP (Model Context Protocol) server exposant le workflow "Analyse-CV" comme outil réutilisable.

Description

Analyse et compare automatiquement 5 CV par rapport à une fiche de poste, en évaluant chaque candidat selon des critères pondérés et génère un rapport professionnel avec scores et recommandations.

Ce serveur MCP permet d'utiliser ce workflow directement depuis:

• Claude Desktop - Assistant IA avec accès aux outils MCP
• LightOn Paradigm - Plateforme IA (support MCP à venir)
• Tout client compatible MCP - Via le protocole standardisé

Prérequis

• Python 3.10 ou supérieur
• Clé API LightOn Paradigm (https://paradigm.lighton.ai)
• Accès aux documents dans votre workspace Paradigm

Installation

1. Installer les dépendances communes (une seule fois)

IMPORTANT: N'installez les dépendances qu'une seule fois, pas pour chaque workflow !

pip install mcp aiohttp python-dotenv

⚠️ NE FAITES PAS pip install -e . dans ce dossier ! Cela créerait des conflits si vous avez plusieurs workflows MCP.

2. Configurer les variables d'environnement

Créez un fichier .env à la racine du package:

PARADIGM_API_KEY=votre_clé_api_ici
PARADIGM_BASE_URL=https://paradigm.lighton.ai
# Optionnel : Bearer token pour sécuriser le serveur HTTP MCP (Paradigm)
MCP_BEARER_TOKEN=votre_token_secret

3. Configuration pour LightOn Paradigm (Recommandé)

Pour utiliser ce workflow dans LightOn Paradigm via MCP :

Étape 1 : Démarrer le serveur HTTP

python -m http_server --port 8080

Le bearer token sera lu depuis le fichier .env (variable MCP_BEARER_TOKEN). Si aucun token n'est configuré, le serveur démarrera en mode développement sans authentification.

Étape 2 : Enregistrer le serveur dans Paradigm

En tant qu'administrateur système dans Paradigm :

1. Allez dans Admin > MCP Servers
2. Ajoutez un nouveau serveur :
   • Name: analyse-cv
   • URL: http://votre-serveur:8080 (ou l'URL où le serveur est accessible)
   • Bearer Token: La valeur de MCP_BEARER_TOKEN (si configuré)
3. Activez le serveur dans Chat Settings > Agent Tools

Le workflow sera alors disponible comme outil dans vos conversations Paradigm avec le mode Agent activé.

4. Configuration pour Claude Desktop (Optionnel)

Ajoutez cette configuration dans le fichier de configuration de Claude Desktop:

macOS/Linux: ~/Library/Application Support/Claude/claude_desktop_config.json

Windows:

# Ouvrir directement le fichier avec l'explorateur
start "" "%APPDATA%\Claude"
# Puis ouvrir claude_desktop_config.json avec un éditeur de texte

Ou via l'explorateur Windows :

1. Tapez %APPDATA%\Claude dans la barre d'adresse de l'explorateur
2. Ouvrez le fichier claude_desktop_config.json avec un éditeur de texte

{{
  "mcpServers": {{
    "analyse-cv": {{
      "command": "python",
      "args": ["-m", "server"],
      "cwd": "/chemin/absolu/vers/ce/dossier"
    }}
  }}
}}

Notes:

• Le chemin cwd doit pointer vers le dossier où se trouve ce package
• La commande command doit pointer vers votre exécutable Python 3.10+ (sous Windows, utilisez le chemin complet comme C:\\Users\\VotreNom\\AppData\\Local\\Programs\\Python\\Python310\\python.exe)
• Le fichier .env dans le dossier cwd contient déjà les variables d'environnement (pas besoin de les mettre dans env)

5. Redémarrer Claude Desktop

Si vous utilisez Claude Desktop, fermez-le complètement et relancez-le. Le nouvel outil MCP sera disponible.

Utilisation

Dans Claude Desktop

Une fois configuré, vous pouvez utiliser le workflow directement dans vos conversations:

Exemple de demande dans Claude Desktop:

Utilise le workflow Analyse-CV avec les parametres suivants: file_paths: ["fichier1.pdf", "fichier2.pdf"], query: "votre texte ici"

Claude utilisera automatiquement l'outil MCP pour executer le workflow.

Test en ligne de commande

Pour tester le serveur MCP en ligne de commande:

python -m server

Le serveur démarre et attend les commandes MCP via stdin/stdout.

Structure du projet

analyse-cv/
├── server.py              # Serveur MCP stdio (Claude Desktop)
├── http_server.py         # Serveur MCP HTTP (Paradigm)
├── workflow.py            # Logique du workflow
├── paradigm_client.py     # Client API Paradigm
├── pyproject.toml         # Configuration Python
├── README.md              # Ce fichier
└── .env                   # Variables d'environnement (à créer)

Paramètres du workflow

• file_paths (files): Obligatoire - Chemins complets des fichiers locaux a analyser (ex: C:\Documents\cv.pdf)
• query (text): Optionnel - Question ou demande d'analyse (optionnel)

Format de sortie

JSON object containing the workflow results, including any analysis, extracted data, or generated content.

Dépannage

Le serveur ne démarre pas

• Vérifiez que Python 3.10+ est installé: python --version
• Vérifiez que les dépendances sont installées: pip install -e .
• Vérifiez les logs dans Claude Desktop (menu Developer > Show Logs)

Erreur d'authentification Paradigm

• Vérifiez que votre clé API est correcte dans .env ou claude_desktop_config.json
• Testez la clé avec: curl -H "Authorization: Bearer VOTRE_CLE" https://paradigm.lighton.ai/api/v2/health

Le workflow échoue

• Vérifiez que les documents nécessaires sont bien dans votre workspace Paradigm
• Consultez les logs pour voir les détails de l'erreur
• Vérifiez que les paramètres d'entrée respectent le schéma attendu

Support

Pour toute question ou problème:

• Documentation MCP: https://modelcontextprotocol.io
• Documentation Paradigm: https://docs.lighton.ai
• Support LightOn: support@lighton.ai

Licence

Généré par LightOn Workflow Builder