candy-mcp 🍬

Serveur MCP pour Candy-AI — Cédric8-Thinking

Connecte n'importe quel client compatible Model Context Protocol (Claude Desktop, Cursor, VS Code…) au moteur Cédric8-Thinking via la librairie candy-ai.

---

Installation

pip install candy-mcp

Nécessite Python 3.10+ et installe automatiquement candy-ai et mcp.

---

Utilisation rapide

1. Lancer le serveur

candy-mcp

2. Configurer Claude Desktop

Ajoute ce bloc dans ton fichier claude_desktop_config.json :

macOS : ~/Library/Application Support/Claude/claude_desktop_config.json
Windows : %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "candy-ai": {
      "command": "candy-mcp"
    }
  }
}

Redémarre Claude Desktop. Les outils Candy apparaîtront automatiquement. ✅

---

Outils disponibles

Outil	Description
candy_ask	Pose une question à Cédric8-Thinking (12 personnalités)
candy_batch	Traite plusieurs prompts en un seul appel
candy_translate	Traduit un texte vers la langue cible
candy_summarize	Résume un texte long
candy_sentiment	Analyse le sentiment (positif/négatif/neutre + score)
candy_keywords	Extrait les mots-clés d'un texte
candy_status	Vérifie que l'API Cédric8-Thinking est en ligne
candy_list_personalities	Liste toutes les personnalités disponibles

---

Personnalités disponibles

Auto · Full · Coding · Writing · Math · Medicine · Law · Finance · Tutor · Summarizer · Analytic · Translator

💡 La personnalité Auto sélectionne automatiquement la meilleure selon ton prompt.

---

Exemples d'usage dans Claude Desktop

Une fois configuré, tu peux dire à Claude :

• "Utilise Candy avec la personnalité Coding pour écrire un tri rapide en Python"
• "Traduis ce texte en japonais via Candy"
• "Résume cet article en 50 mots avec Candy"
• "Analyse le sentiment de ce commentaire client avec Candy"
• "Vérifie si l'API Candy est en ligne"

---

Configuration avancée — avec uvx

Si tu préfères ne pas installer globalement :

{
  "mcpServers": {
    "candy-ai": {
      "command": "uvx",
      "args": ["candy-mcp"]
    }
  }
}

---

Intégration avec d'autres clients MCP

Cursor / VS Code

{
  "mcp": {
    "servers": {
      "candy-ai": {
        "command": "candy-mcp",
        "type": "stdio"
      }
    }
  }
}

Via Python directement

import subprocess
import sys

# Lance le serveur MCP en sous-processus
process = subprocess.Popen(
    [sys.executable, "-m", "candy_mcp.server"],
    stdin=subprocess.PIPE,
    stdout=subprocess.PIPE,
)

---

Architecture

Client MCP (Claude Desktop, Cursor…)
        │
        │ stdio (JSON-RPC 2.0)
        ▼
  candy-mcp (ce serveur)
        │
        │ candy-ai (Python)
        ▼
  Cédric8-Thinking API
  (candy-gate.hubworld.net)

---

Publier sa propre version

# 1. Cloner et modifier
git clone https://github.com/candy-gate/candy-mcp
cd candy-mcp

# 2. Build
pip install hatchling
python -m hatchling build

# 3. Publier sur PyPI
pip install twine
twine upload dist/*

---

Licence

MIT — Libre d'utilisation, y compris commerciale.

---

Propulsé par Cédric8-Thinking · candy-ai v21