Model Context Protocol

O motor de cartas de apresentação para agentes IA

Seu agente encontra os empregos. O StoryLenses escreve as cartas que conseguem entrevistas. Adicione geração de cartas narrativas a qualquer agente compatível com MCP em minutos.

Começar

5 ferramentas componíveis

Um fluxo completo de carta de apresentação para seu agente — da análise de vaga ao controle de qualidade.

storylenses_analyze_job

Extraia mais de 15 campos estruturados de uma vaga — requisitos do cargo, desafios da empresa, sinais culturais, prioridades do recrutador.

storylenses_match_profile

Compare um perfil de candidato com os dados da vaga — identifica pontuação de ajuste, habilidades compatíveis, lacunas profissionais e o ângulo narrativo mais forte.

storylenses_generate_letter

Gere uma carta de apresentação narrativa usando dados combinados e um arquétipo narrativo selecionado. Suporta 4 idiomas.

storylenses_quality_check

Pontue e avalie uma carta de apresentação por relevância, força narrativa e completude. Retorna feedback acionável.

storylenses_list_archetypes

Retorne os arquétipos narrativos disponíveis com descrições para que o agente ou usuário possa selecionar um estilo.

Por que StoryLenses e não uma chamada direta ao LLM?

Seu agente pode enviar um CV e uma vaga ao GPT. O resultado soa como IA genérica.

O StoryLenses usa ciência narrativa — mais de 15 arquétipos estruturais, análise profunda de vagas e matching perfil-cargo — para produzir cartas que soam como se um estrategista humano as tivesse escrito.

Chamada direta ao LLM

✗ Estrutura genérica de 3 parágrafos
✗ Sem análise de vaga
✗ Sem matching de perfil
✗ Mesmo resultado toda vez
✗ Soa como um chatbot

StoryLenses MCP

✓ 15+ arquétipos narrativos
✓ 15+ campos estruturados extraídos
✓ Matching CV-vaga com análise de lacunas
✓ Resultado único por par vaga/candidato
✓ Soa como um estrategista humano

Início rápido

Conexão em menos de 2 minutos.

Claude Desktop

{
  "mcpServers": {
    "storylenses": {
      "url": "https://mcp.storylenses.app/sse",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

Cursor / VS Code

{
  "mcp": {
    "servers": {
      "storylenses": {
        "url": "https://mcp.storylenses.app/sse",
        "headers": {
          "Authorization": "Bearer YOUR_API_KEY"
        }
      }
    }
  }
}

TypeScript SDK

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { SSEClientTransport } from "@modelcontextprotocol/sdk/client/sse.js";

const transport = new SSEClientTransport(
  new URL("https://mcp.storylenses.app/sse"),
  { requestInit: { headers: { Authorization: "Bearer YOUR_API_KEY" } } }
);
const client = new Client({ name: "my-agent", version: "1.0" });
await client.connect(transport);

Fluxo de exemplo

// 1. Analyze the job posting
const job = await client.callTool("storylenses_analyze_job", {
  job_url: "https://linkedin.com/jobs/view/12345"
});

// 2. Match candidate profile
const match = await client.callTool("storylenses_match_profile", {
  job_analysis_id: job.id,
  candidate_profile: { cv_text: resumeText }
});

// 3. Generate cover letter
const letter = await client.callTool("storylenses_generate_letter", {
  job_analysis_id: job.id,
  match_id: match.id,
  archetype: match.suggested_archetype,
  locale: "en"
});

// 4. Quality check
const score = await client.callTool("storylenses_quality_check", {
  letter_text: letter.letter_text,
  job_analysis_id: job.id
});

console.log(letter.letter_text);  // Story-driven cover letter
console.log(score.score);          // 87/100