MCP Resume Server

Busca dados de currículo de um gist do GitHub para fornecer contexto de histórico profissional para LLMs.

Documentação

🤖 AI Resume - Interface de Chat Interativa

Converse com o currículo com tecnologia de IA de Michael Wybraniec usando LLMs de código aberto - Implante GRATUITAMENTE!

✨ Construído com uma arquitetura limpa e modular para máxima manutenibilidade e escalabilidade.

🚀 Recursos

🎯 Funcionalidade Principal

📄 Chat Interativo com o Currículo - Faça qualquer pergunta sobre a formação e a experiência de Michael
🎯 Recuperação Inteligente de Contexto - Seleção inteligente de contexto com base nas perguntas do usuário
📄 Download de PDF - Gere e baixe um CV profissional sob demanda
🎯 Correspondência Inteligente - Análise de descrições de vagas para insights de recrutadores

🤖 Integração de IA e LLM

🤖 Múltiplos Provedores de LLM - OpenRouter (modelos gratuitos), OpenAI, Ollama (local)
⚡ Respostas em Tempo Real - Respostas instantâneas com recuperação inteligente de contexto
🆓 Modelos Gratuitos Disponíveis - Use modelos poderosos de código aberto sem custo
🔧 Configuração Flexível - Alternância fácil entre diferentes provedores de IA

🎨 Experiência do Usuário

💬 Interface de Chat Moderna - Interface Streamlit bonita com botões de ação rápida
📱 Responsivo para Dispositivos Móveis - Funciona perfeitamente em todos os dispositivos e tamanhos de tela
✅ Status do Sistema - Indicador de status em tempo real mostra quando todos os sistemas estão prontos
🔧 Configuração Automática - Fluxo de configuração inteligente com ajuda contextual
⚡ Ações Rápidas - Acesso com um clique a tarefas comuns e insights

🏗️ Excelência Técnica

🏗️ Arquitetura Baseada em Propósitos - Organização profissional do projeto com agrupamento lógico de arquivos
🆓 Implantação Gratuita - Implante no Streamlit Cloud gratuitamente
📦 Design Modular - Separação limpa de responsabilidades para manutenibilidade
🔧 Personalização Fácil - Simples de adaptar para o seu próprio currículo e marca

⚖️ Conformidade com a Lei de IA

✅ Conformidade Total com a Lei de IA da UE - Implementação completa de todos os requisitos para sistemas de IA de alto risco
🔍 Monitoramento Avançado - Monitoramento de conformidade em tempo real com alertas automatizados
📋 Procedimentos de Auditoria - Estrutura de auditoria abrangente com listas de verificação padronizadas
📊 Análise de Desempenho - Análises avançadas com análise de tendências e insights
🔍 Avaliação de Conformidade - Procedimentos sistemáticos de avaliação para prontidão de certificação
📋 Preparação para Certificação - Gerenciamento completo de documentos para submissão regulatória
✅ Validação de Conformidade - Validação automatizada e manual com elegibilidade para certificação

🎬 Demonstração ao Vivo

🚀 Experimente agora! Implante sua própria instância no Streamlit Cloud ou execute localmente.

📱 Capturas de Tela

Em breve: capturas de tela interativas e GIFs de demonstração

🎯 O Que Você Pode Fazer

💬 Converse com a IA - Faça perguntas sobre experiência, habilidades e projetos
📄 Baixe o CV - Gere currículos em PDF profissionais
🎯 Correspondência Inteligente - Analise descrições de vagas para adequação
⚡ Ações Rápidas - Obtenha insights instantâneos com botões de um clique

🎯 Início Rápido (Local)

Pré-requisitos

Python 3.11 ou superior
Git

Etapas de Instalação

# 1. Clone the repository
git clone https://github.com/michaelwybraniec/mcp-resume.git
cd mcp-resume

# 2. Create virtual environment (recommended)
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# 3. Install dependencies
pip install -r requirements.txt

# 4. Run the application
streamlit run app.py

🚀 Primeira Execução

Abra seu navegador em http://localhost:8501
Obtenha uma chave de API gratuita em OpenRouter.ai
Adicione sua chave de API na barra lateral
Procure pelo status "✅ Todos os Sistemas Prontos!"
Comece a conversar! 🎉

💡 Dica Profissional: Use o modelo gratuito meta-llama/llama-3.1-8b-instruct:free para testes!

🌟 Implantar no Streamlit Cloud (GRATUITO!)

1. Envie para o GitHub

git add .
git commit -m "Deploy AI Resume to Streamlit Cloud"
git push origin main

2. Implante no Streamlit Cloud

Acesse share.streamlit.io
Conecte sua conta do GitHub
Selecione seu repositório
Defina o caminho do arquivo principal: app.py
Clique em "Deploy"!

3. Configure os Segredos (Opcional)

Para provedores de LLM aprimorados, adicione segredos no painel do Streamlit Cloud:

[secrets]
OPENROUTER_API_KEY = "your_openrouter_api_key_here"
OPENAI_API_KEY = "your_openai_api_key_here"

4. Seu aplicativo está no ar! 🎉

Você receberá uma URL como: https://your-username-mcp-resume-app-xyz.streamlit.app

🤖 Configuração do Provedor de LLM

Opção 1: OpenRouter (Recomendado)

Modelos gratuitos disponíveis!
Cadastre-se no OpenRouter
Obtenha a chave de API e adicione pela barra lateral ou pelos segredos do Streamlit
Use modelos gratuitos como meta-llama/llama-3.1-8b-instruct:free

Opção 2: Ollama (Desenvolvimento Local)

# Install Ollama
brew install ollama  # macOS
# or visit https://ollama.ai for other platforms

# Start Ollama
ollama serve

# Install models
ollama pull llama3.2
ollama pull llama3.1

Opção 3: OpenAI (Pago)

Obtenha a chave de API da OpenAI
Adicione aos segredos do Streamlit ou insira no aplicativo

🏗️ Arquitetura

Organização Baseada em Propósitos:

mcp-resume/
├── 🏠 app.py                     # Main entry point (Streamlit-ready)
├── 📋 requirements.txt           # Dependencies
│
├── 🔧 core/                      # Foundation & Configuration
│   ├── config.py                # Settings & constants
│   └── models.py                # Data models & types
│
├── ⚙️ services/                  # Business Logic & Integrations
│   ├── resume_service.py        # Resume data handling
│   ├── llm_providers.py         # AI/LLM integrations
│   ├── document_generator.py    # PDF generation
│   └── fallback_resume.py       # Data fallback service
│
├── 🎨 ui/                        # User Interface Layer
│   ├── ui_components.py         # UI components & styling
│   └── session_manager.py       # Session state management
│
├── 📊 data/                      # Data Files
│   ├── resume.json
│   ├── michael_wybraniec_resume.json
│   └── CV_Michael_Wybraniec_15_Jun_2025.pdf
│
└── 🔨 utils/                     # Utility Scripts
    └── create_gist.py           # GitHub Gist utilities

Diagrama da Arquitetura do Sistema:

┌─────────────────────────────────────────────────────────────────┐
│                        🌐 Streamlit App                        │
├─────────────────────────────────────────────────────────────────┤
│  🎨 UI Layer (ui/)                                              │
│  ├── ui_components.py    # Chat interface, modals, styling     │
│  └── session_manager.py  # State management & initialization   │
├─────────────────────────────────────────────────────────────────┤
│  ⚙️ Services Layer (services/)                                  │
│  ├── resume_service.py      # Data retrieval & context         │
│  ├── llm_providers.py       # AI/LLM integrations              │
│  ├── document_generator.py  # PDF generation                   │
│  └── fallback_resume.py     # Data fallback service            │
├─────────────────────────────────────────────────────────────────┤
│  🔧 Core Layer (core/)                                         │
│  ├── config.py           # Settings & constants                │
│  └── models.py           # Data models & types                 │
├─────────────────────────────────────────────────────────────────┤
│  📊 Data Layer (data/)                                         │
│  ├── resume.json              # Primary resume data            │
│  ├── michael_wybraniec_resume.json  # Backup data             │
│  └── CV_Michael_Wybraniec_15_Jun_2025.pdf  # Professional CV  │
└─────────────────────────────────────────────────────────────────┘
                                │
                                ▼
┌─────────────────────────────────────────────────────────────────┐
│                    🤖 External LLM Providers                   │
├─────────────────────────────────────────────────────────────────┤
│  🌐 OpenRouter API    │  🏠 Ollama Local    │  🔑 OpenAI API    │
│  • Free models        │  • llama3.2         │  • GPT models     │
│  • Paid models        │  • llama3.1         │  • Advanced AI    │
│  • Rate limiting      │  • Local processing │  • High quality   │
└─────────────────────────────────────────────────────────────────┘

Fluxo de Dados:

User Input → UI Components → Session Manager → Resume Service
     ↓              ↓              ↓              ↓
LLM Providers ← Message Processing ← Context Generation ← JSON Data
     ↓
AI Response → UI Components → User Interface

⚖️ Conformidade com a Lei de IA

🎯 Visão Geral

Este sistema de currículo com IA é totalmente compatível com os regulamentos da Lei de IA da UE para sistemas de IA de alto risco. O sistema foi projetado e implementado com medidas de conformidade abrangentes em todas as áreas exigidas.

📊 Status de Conformidade

Área de Conformidade	Status	Implementação
Artigo 9: Gerenciamento de Riscos	✅ COMPATÍVEL	Sistema abrangente de gerenciamento de riscos com avaliação automatizada
Artigo 10: Governança de Dados	✅ COMPATÍVEL	Sistemas de gerenciamento de qualidade de dados e registro de processamento
Artigo 11: Documentação Técnica	✅ COMPATÍVEL	Documentação completa da arquitetura do sistema e algoritmos
Artigo 12: Manutenção de Registros	✅ COMPATÍVEL	Trilhas de auditoria abrangentes e registro de operações
Artigo 13: Transparência	✅ COMPATÍVEL	Avisos de transparência de IA e fornecimento de informações ao usuário
Artigo 14: Supervisão Humana	✅ COMPATÍVEL	Mecanismos de supervisão humana e sinalização de respostas
Artigo 15: Precisão e Segurança Cibernética	✅ COMPATÍVEL	Monitoramento de precisão do sistema e medidas de segurança

🔍 Recursos de Conformidade

Fase 1: Medidas Imediatas de Conformidade

✅ Avisos de Transparência de IA - Avisos claros sobre o uso e as limitações do sistema de IA
✅ Painel de Supervisão Humana - Monitoramento em tempo real de respostas sinalizadas
✅ Sistema de Sinalização de Respostas - Usuários podem sinalizar respostas de IA para revisão humana
✅ Informações sobre Direitos do Usuário - Informações abrangentes sobre direitos do usuário e capacidades do sistema

Fase 2: Implementação Principal de Conformidade

✅ Sistema de Gerenciamento de Riscos - Identificação, avaliação e mitigação automatizadas de riscos
✅ Estrutura de Governança de Dados - Avaliação de qualidade de dados e gerenciamento de registros de processamento
✅ Documentação Técnica - Documentação completa da arquitetura do sistema e conformidade
✅ Sistema de Manutenção de Registros - Registro abrangente de interações do usuário e trilhas de auditoria

Fase 3: Conformidade Avançada

✅ Monitoramento Avançado - Monitoramento de conformidade em tempo real com alertas automatizados
✅ Procedimentos de Auditoria - Estrutura de auditoria abrangente com listas de verificação padronizadas
✅ Análise de Desempenho - Análises avançadas com análise de tendências e insights
✅ Alertas de Conformidade - Sistema de alertas inteligente com notificações baseadas em limites

Fase 4: Avaliação de Conformidade e Certificação

✅ Estrutura de Avaliação de Conformidade - Procedimentos sistemáticos de avaliação com critérios padronizados
✅ Preparação para Certificação - Gerenciamento completo de documentos e procedimentos de solicitação
✅ Validação de Conformidade - Validação automatizada e manual com prontidão para certificação
✅ Documentação Regulatória - Documentação preparada para submissão regulatória

📋 Painel de Conformidade

O sistema inclui um painel de conformidade abrangente acessível pela barra lateral que fornece:

Status de Conformidade em Tempo Real - Monitoramento ao vivo de todos os sistemas de conformidade
Métricas de Gerenciamento de Riscos - Níveis de risco, status de mitigação e análise de tendências
Status de Governança de Dados - Pontuações de qualidade de dados e conformidade de processamento
Monitoramento de Trilha de Auditoria - Registros de operações do sistema e integridade da trilha de auditoria
Análise de Desempenho - KPIs de conformidade e análise de tendências
Prontidão para Certificação - Avaliação em tempo real da elegibilidade para certificação

🔧 Arquitetura de Conformidade

┌─────────────────────────────────────────────────────────────────┐
│                    ⚖️ AI Act Compliance Layer                  │
├─────────────────────────────────────────────────────────────────┤
│  🔍 Advanced Monitoring    │  📋 Audit Procedures              │
│  • Real-time monitoring    │  • Standardized checklists        │
│  • Automated alerting      │  • Comprehensive reporting        │
│  • Performance analytics   │  • Compliance verification        │
├─────────────────────────────────────────────────────────────────┤
│  🔍 Conformity Assessment  │  📋 Certification Preparation     │
│  • Systematic procedures   │  • Document management            │
│  • Standardized criteria   │  • Application workflows          │
│  • Certification readiness │  • Regulatory submission          │
├─────────────────────────────────────────────────────────────────┤
│  ⚠️ Risk Management        │  📊 Data Governance               │
│  • Risk identification     │  • Data quality management        │
│  • Assessment procedures   │  • Processing records             │
│  • Mitigation strategies   │  • Compliance monitoring          │
├─────────────────────────────────────────────────────────────────┤
│  📝 Record Keeping         │  ✅ Compliance Validation         │
│  • System operation logs   │  • Automated validation rules     │
│  • Audit trails           │  • Manual validation procedures    │
│  • Retention management    │  • Certification eligibility      │
└─────────────────────────────────────────────────────────────────┘

📄 Documentação de Conformidade

AI_ACT_COMPLIANCE.md - Documentação abrangente de conformidade
services/risk_management.py - Implementação do sistema de gerenciamento de riscos
services/data_governance.py - Governança de dados e gerenciamento de qualidade
services/record_keeping.py - Sistema de manutenção de registros e trilha de auditoria
services/compliance_monitoring.py - Monitoramento e alertas avançados
services/audit_procedures.py - Procedimentos e protocolos de auditoria
services/performance_analytics.py - Análise de desempenho e insights
services/conformity_assessment.py - Estrutura de avaliação de conformidade
services/certification_preparation.py - Sistema de preparação para certificação
services/compliance_validation.py - Procedimentos de validação de conformidade

🎯 Benefícios da Conformidade

✅ Conformidade Regulatória - Adesão total aos requisitos da Lei de IA da UE
✅ Mitigação de Riscos - Gerenciamento e monitoramento abrangentes de riscos
✅ Transparência - Informações claras sobre o sistema de IA e direitos do usuário
✅ Supervisão Humana - Mecanismos eficazes de controle e revisão humana
✅ Prontidão para Auditoria - Documentação completa e trilhas de auditoria
✅ Pronto para Certificação - Preparado para certificação oficial de conformidade

Responsabilidades dos Módulos:

🔧 Camada Principal

core/config.py - Configuração, constantes e configurações
core/models.py - Modelos de dados e definições de tipos

🎨 Camada de UI

ui/ui_components.py - Componentes de UI, estilos e modais
ui/session_manager.py - Gerenciamento de estado da sessão e inicialização

⚙️ Camada de Serviços

services/resume_service.py - Recuperação de dados do currículo e geração de contexto
services/llm_providers.py - Implementações de provedores de LLM e interface de chat unificada
services/document_generator.py - Geração de PDF e funcionalidade de exportação
services/fallback_resume.py - Serviço de dados do currículo e gerenciamento de contexto

📊 Camada de Dados

data/ - Arquivos JSON do currículo e ativos de PDF
utils/ - Scripts utilitários e funções auxiliares

💡 Exemplos de Uso

💬 Exemplos de Chat:

"Conte-me sobre a experiência profissional de Michael"
"Quais são as habilidades técnicas dele?"
"Resuma a formação dele para um recrutador"
"Encontre projetos envolvendo JavaScript"
"Qual é a experiência dele com IA e aprendizado de máquina?"
"Quantos anos de experiência em Python ele tem?"
"Ele já trabalhou com tecnologias de IA/ML?"
"Em quais setores ele trabalhou?"

⚡ Ações Rápidas:

👤 Resumir Perfil - Obtenha uma visão geral abrangente do candidato
📅 Anos de Experiência - Veja a linha do tempo da progressão da carreira
🛠️ Habilidades Técnicas - Analise competências técnicas
🎯 Correspondência Inteligente - Análise de adequação à vaga com pontuações de correspondência
📄 Baixar CV - Currículo em PDF profissional

🎯 Para Recrutadores e RH:

"Este candidato é adequado para uma função de desenvolvedor sênior?"
"Qual é a experiência de liderança dele?"
"Ele tem experiência com plataformas em nuvem?"
"Avalie as habilidades de frontend versus backend dele"
"Analise a adequação para esta descrição de vaga..." (cole a descrição da vaga)

🔧 Recursos e Funcionalidades

📱 Interface de Chat Moderna

Design limpo e profissional com barra lateral expandida
Botões de ação rápida para insights instantâneos
Indicador de status do sistema em tempo real
Carimbos de data/hora das mensagens e indicadores de processamento
Design responsivo para dispositivos móveis

🎯 Recuperação Inteligente de Contexto

Seleção inteligente de contexto com base nas perguntas do usuário
Respostas focadas com seções relevantes do currículo
Correspondência de experiência, habilidades, projetos e conquistas
Capacidades de análise de descrições de vagas

📄 Geração Profissional de CV

Gere PDF do CV sob demanda
Formatação limpa e profissional
Download direto pela interface

🔧 Experiência do Usuário Aprimorada

Status do Sistema: Indicador em tempo real mostrando "All Systems Ready!" quando configurado
Ajuda e Dicas: Guia de configuração abrangente e perguntas de exemplo
Ações Rápidas: Painel organizado e expansível para tarefas comuns
Configuração Automática: Fluxo de configuração inteligente com orientação contextual

🌐 Opções de Implantação

1. Streamlit Cloud (Recomendado - Gratuito) ⭐

Hospedagem gratuita para repositórios públicos
Implantações automáticas a partir do GitHub
Gerenciamento de segredos integrado
Perfeito para demonstrações e portfólios

2. Desenvolvimento Local

pip install -r requirements.txt
streamlit run app.py

3. Outras Plataformas de Nuvem

Railway, Render, Heroku
Use os requirements.txt e runtime.txt fornecidos
Defina o comando de inicialização: streamlit run app.py --server.port $PORT

📁 Estrutura do Projeto

mcp-resume/
├── 🏠 app.py                           # Main entry point (Streamlit-ready)
├── 📋 requirements.txt                 # Python dependencies
├── 🐍 runtime.txt                      # Python version for deployment
├── 📖 README.md                        # Documentation
├── 🚀 DEPLOYMENT.md                    # Deployment guide
├── 🔧 secrets.toml.example             # Example secrets configuration
├── ⚖️ AI_ACT_COMPLIANCE.md             # AI Act compliance documentation
├── 📋 agentic-sdlc/                    # Agentic SDLC project management
│   ├── tasks/                          # Task management and tracking
│   └── project-backlog.md              # Project backlog and progress
│
├── 🔧 core/                            # Foundation & Configuration
│   ├── __init__.py
│   ├── config.py                       # Settings & constants
│   └── models.py                       # Data models & types
│
├── ⚙️ services/                        # Business Logic & Integrations
│   ├── __init__.py
│   ├── resume_service.py               # Resume data handling
│   ├── llm_providers.py                # AI/LLM integrations
│   ├── document_generator.py           # PDF generation
│   ├── fallback_resume.py              # Data fallback service
│   ├── risk_management.py              # AI Act risk management system
│   ├── data_governance.py              # Data governance and quality management
│   ├── record_keeping.py               # Record keeping and audit trails
│   ├── compliance_monitoring.py        # Advanced compliance monitoring
│   ├── audit_procedures.py             # Audit procedures and protocols
│   ├── performance_analytics.py        # Performance analytics and insights
│   ├── conformity_assessment.py        # Conformity assessment framework
│   ├── certification_preparation.py    # Certification preparation system
│   └── compliance_validation.py        # Compliance validation procedures
│
├── 🎨 ui/                              # User Interface Layer
│   ├── __init__.py
│   ├── ui_components.py                # UI components & styling
│   └── session_manager.py              # Session state management
│
├── 📊 data/                            # Data Files
│   ├── resume.json                     # Primary resume data
│   ├── michael_wybraniec_resume.json   # Backup resume data
│   ├── CV_Michael_Wybraniec_15_Jun_2025.pdf # Professional CV
│   ├── risk_management_log.json        # Risk management data
│   ├── data_governance_log.json        # Data governance records
│   ├── system_records.json             # System operation logs
│   ├── audit_trails.json               # Audit trail data
│   ├── compliance_monitoring.json      # Compliance monitoring data
│   ├── audit_procedures.json           # Audit procedures data
│   ├── performance_analytics.json      # Performance analytics data
│   ├── conformity_assessment.json      # Conformity assessment data
│   ├── certification_preparation.json  # Certification preparation data
│   └── compliance_validation.json      # Compliance validation data
│
├── 🔨 utils/                           # Utility Scripts
│   ├── __init__.py
│   └── create_gist.py                  # GitHub Gist utilities
│
└── 🐍 venv/                            # Virtual environment

🏗️ Benefícios da Arquitetura Baseada em Propósito

🔧 Para Desenvolvedores:

Navegação Fácil: Encontre arquivos por propósito (UI, serviços, dados, etc.)
Manutenível: Separação clara de responsabilidades entre diretórios
Escalável: Adicione novos recursos sem tocar nos módulos existentes
Testável: Cada camada pode ser testada independentemente
Profissional: Organização de projeto padrão da indústria

🚀 Para Recursos:

Novos Provedores de LLM: Estenda services/llm_providers.py
Alterações de UI: Modifique ui/ui_components.py
Formatos de Exportação: Adicione a services/document_generator.py
Fontes de Dados: Estenda services/resume_service.py
Configuração: Atualize core/config.py

📁 Destaques da Organização:

Compatível com Streamlit: app.py permanece na raiz para implantação
Agrupamento Lógico: Arquivos organizados por funcionalidade, não arbitrariamente
Raiz Limpa: Sem desordem - apenas arquivos essenciais visíveis
Pacotes Python: Arquivos __init__.py adequados para importações limpas

Destaques da Arquitetura:

Redução de 88% na complexidade do arquivo principal (1.500 → 180 linhas)
8 módulos focados em vez de estrutura monolítica
Dependências claras e relações de importação
Princípio de responsabilidade única em todo o projeto

🚀 Primeiros Passos

Clone e Instale

git clone <your-repo>
cd mcp-resume
pip install -r requirements.txt

Execute Localmente
```
streamlit run app.py
```
Configure e Converse
- Navegue até http://localhost:8501
- Obtenha uma chave de API gratuita em OpenRouter.ai
- Adicione sua chave de API na barra lateral
- Quando vir "✅ All Systems Ready!" você está pronto para começar!
- Comece a conversar com o currículo de IA!

🎨 Personalização

🏠 Adicionando Seu Próprio Currículo

Passo 1: Prepare os Dados do Seu Currículo

{
  "personal_info": {
    "name": "Your Name",
    "title": "Your Professional Title",
    "email": "your.email@example.com",
    "phone": "+1-234-567-8900",
    "location": "Your City, Country",
    "linkedin": "https://linkedin.com/in/yourprofile",
    "github": "https://github.com/yourusername",
    "website": "https://yourwebsite.com"
  },
  "summary": "Your professional summary...",
  "experience": [
    {
      "company": "Company Name",
      "position": "Your Position",
      "duration": "2020 - Present",
      "description": "Your role description...",
      "achievements": ["Achievement 1", "Achievement 2"]
    }
  ],
  "skills": {
    "technical": ["Python", "JavaScript", "React"],
    "soft": ["Leadership", "Communication", "Problem Solving"]
  },
  "education": [
    {
      "institution": "University Name",
      "degree": "Bachelor of Science",
      "field": "Computer Science",
      "year": "2020"
    }
  ]
}

Passo 2: Atualize os Arquivos

Substitua os dados do currículo: Atualize data/michael_wybraniec_resume.json com seus dados
Atualize a marca: Modifique o cabeçalho em ui/ui_components.py
Substitua o CV: Adicione seu PDF à pasta data/
Atualize a configuração: Modifique as constantes em core/config.py

🤖 Configuração do LLM

Adicionando Novos Provedores

# In services/llm_providers.py
class CustomProvider(LLMProvider):
    def __init__(self):
        super().__init__("custom_provider")
    
    def chat_completion(self, messages, model, api_key):
        # Your custom implementation
        response = your_api_call(messages, model, api_key)
        return response.choices[0].message.content

Personalizando Prompts do Sistema

# In services/llm_providers.py
SYSTEM_PROMPT = """
You are an AI assistant helping with resume analysis.
Customize this prompt for your specific needs.
"""

🎨 Personalização da UI

Marca e Cores

# In ui/ui_components.py
def render_header():
    st.markdown("""
    <div style="background: linear-gradient(90deg, #your-color-1, #your-color-2);">
        <h1>Your Name - AI Resume</h1>
    </div>
    """, unsafe_allow_html=True)

Ações Rápidas Personalizadas

# In ui/ui_components.py
def render_quick_actions():
    col1, col2 = st.columns(2)
    with col1:
        if st.button("🎯 Your Custom Action"):
            # Your custom logic
            pass

Estilização Personalizada

# In ui/ui_components.py
def apply_custom_css():
    st.markdown("""
    <style>
    .custom-chat-message {
        background-color: #your-color;
        border-radius: 10px;
        padding: 10px;
    }
    </style>
    """, unsafe_allow_html=True)

📄 Personalização de Exportação

Modelos de PDF Personalizados

# In services/document_generator.py
def generate_custom_cv(resume_data):
    # Custom PDF generation logic
    # Add your company logo, custom fonts, etc.
    pass

Múltiplos Formatos de Exportação

# Add new export methods
def export_to_docx(resume_data):
    # DOCX export implementation
    pass

def export_to_html(resume_data):
    # HTML export implementation
    pass

🔧 Personalização Avançada

Fontes de Dados Personalizadas

# In services/resume_service.py
def get_custom_context(query):
    # Add integration with external APIs
    # LinkedIn API, GitHub API, etc.
    pass

Integração de Analytics

# Add usage tracking
def track_interaction(user_query, response_time):
    # Google Analytics, Mixpanel, etc.
    pass

Suporte a Múltiplos Idiomas

# In core/config.py
SUPPORTED_LANGUAGES = {
    'en': 'English',
    'es': 'Español',
    'fr': 'Français',
    'de': 'Deutsch'
}

🚀 Personalização de Implantação

Variáveis de Ambiente

# .env file
RESUME_OWNER_NAME="Your Name"
RESUME_OWNER_TITLE="Your Title"
CUSTOM_BRAND_COLOR="#your-color"
ENABLE_ANALYTICS=true

Configuração do Streamlit

# .streamlit/config.toml
[theme]
primaryColor = "#your-color"
backgroundColor = "#ffffff"
secondaryBackgroundColor = "#f0f2f6"
textColor = "#262730"

📚 Exemplos de Personalização

Exemplo 1: Currículo de Desenvolvedor de Software

Ênfase em habilidades técnicas
Integração com GitHub
Exibição de portfólio de projetos
Exemplos de trechos de código

Exemplo 2: Currículo de Profissional de Marketing

Foco em métricas de campanhas
Integração com redes sociais
Métricas de reconhecimento de marca
Links para portfólio criativo

Exemplo 3: Currículo de Cientista de Dados

Exibição de modelos de ML
Publicações de pesquisa
Exemplos de visualização de dados
Integração com blog técnico

🔧 Adicionando Novos Recursos

Checklist de Desenvolvimento de Recursos

Planeje o recurso - Defina requisitos e escopo
Escolha a camada certa - UI, Serviços, Núcleo ou Dados
Implemente incrementalmente - Comece com a funcionalidade principal
Adicione configuração - Torne-o personalizável
Atualize a documentação - Documente novos recursos
Teste minuciosamente - Garanta que funcione com os recursos existentes
Considere a implantação - Atualize as configurações de implantação se necessário

Pontos de Extensão Comuns

Novo Formato de Exportação: Estenda document_generator.py
Fontes de Dados Adicionais: Modifique resume_service.py
Novos Componentes de UI: Adicione a ui_components.py
Lógica de Sessão Personalizada: Estenda session_manager.py
Novos Provedores de LLM: Adicione a llm_providers.py
Opções de Configuração: Atualize core/config.py

🛠️ Desenvolvimento

Configuração de Desenvolvimento

# Clone and setup
git clone https://github.com/michaelwybraniec/mcp-resume.git
cd mcp-resume

# Create virtual environment
python -m venv venv
source venv/bin/activate

# Install development dependencies
pip install -r requirements.txt

# Run in development mode
streamlit run app.py --server.runOnSave true

Visão Geral da Estrutura do Projeto

mcp-resume/
├── 🏠 app.py                    # Main Streamlit application
├── 🔧 core/                     # Configuration and data models
├── ⚙️ services/                 # Business logic and integrations
├── 🎨 ui/                       # User interface components
├── 📊 data/                     # Resume data files
└── 🔨 utils/                    # Utility scripts

Arquivos-Chave de Desenvolvimento

Arquivo	Propósito	Funções Principais
`app.py`	Ponto de entrada principal	Inicialização da aplicação, processamento de mensagens
`core/config.py`	Configuração	Configurações do aplicativo, constantes, configurações de modelo
`services/llm_providers.py`	Integração de IA	Implementações de provedores de LLM
`services/resume_service.py`	Manipulação de dados	Geração de contexto do currículo
`ui/ui_components.py`	Componentes de UI	Interface de chat, modais, estilização
`ui/session_manager.py`	Gerenciamento de estado	Inicialização e gerenciamento de sessão

Adicionando Novos Provedores de LLM

Estenda a classe do provedor em services/llm_providers.py:

class NewProvider(LLMProvider):
    def __init__(self):
        super().__init__("new_provider")
    
    def chat_completion(self, messages, model, api_key):
        # Implementation here
        pass

Adicione ao registro de provedores no mesmo arquivo
Atualize a configuração em core/config.py

Testes

# Run the application
streamlit run app.py

# Test different providers
# - OpenRouter: Use free models
# - Ollama: Run locally with `ollama serve`
# - OpenAI: Use your API key

Estilo de Código

Siga as diretrizes PEP 8
Use dicas de tipo quando possível
Adicione docstrings para funções e classes
Mantenha funções focadas e com propósito único

❓ Solução de Problemas

Problemas Comuns

🔑 Problemas com Chave de API

# Issue: "API Key Required" error
# Solution: 
1. Get free API key from https://openrouter.ai
2. Add key in sidebar or Streamlit secrets
3. Ensure no extra spaces in the key

🐍 Problemas de Versão do Python

# Issue: Import errors or compatibility issues
# Solution:
python --version  # Should be 3.11+
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

🌐 Problemas de Conexão com o Streamlit

# Issue: App won't start or connection refused
# Solution:
streamlit run app.py --server.port 8501
# Check if port 8501 is available
# Try different port: --server.port 8502

🤖 Problemas com Provedores de LLM

OpenRouter:

Garanta que a chave de API seja válida e tenha créditos
Experimente diferentes modelos gratuitos
Verifique os limites de taxa

Ollama:

# Ensure Ollama is running
ollama serve

# Install required models
ollama pull llama3.2
ollama pull llama3.1

OpenAI:

Verifique se a chave de API é válida
Verifique cobranças e limites de uso
Garanta que o modelo esteja disponível

📱 Problemas de UI

Limpe o cache do navegador
Experimente um navegador diferente
Verifique o console para erros de JavaScript
Garanta uma conexão de internet estável

Obtendo Ajuda

Verifique os logs no Streamlit para mensagens de erro
Verifique a configuração na barra lateral
Teste com diferentes provedores para isolar problemas
Verifique o indicador de status do sistema no aplicativo

📞 Contato e Suporte

Desenvolvedor: Michael Wybraniec
Site: One-Front.com
LinkedIn: Conecte-se com Michael
Soluções de IA Personalizadas: Contato através da One-Front para implementações empresariais

📄 Licença

Este projeto está licenciado sob a Licença MIT - consulte o arquivo LICENSE para detalhes.

O que isso significa:

✅ Gratuito para uso em projetos pessoais e comerciais
✅ Modifique e distribua conforme necessário
✅ Uso privado permitido
✅ Atribuição apreciada, mas não obrigatória

Diretrizes de Uso:

Sinta-se à vontade para fazer fork e personalizar para seu próprio currículo
Uso comercial é permitido
Considere dar crédito se achar útil
Reporte problemas ou contribua com melhorias via GitHub

🛠️ Atualizações Recentes

✅ Arquitetura Modular: Refatorado em 8 módulos focados para melhor manutenibilidade
🎯 Redução de 88% no Código: O aplicativo principal agora tem apenas 180 linhas vs. 1.500 originais
📚 Documentação Aprimorada: Responsabilidades claras dos módulos e visão geral da arquitetura
🔧 Testabilidade Aprimorada: Cada módulo pode ser testado independentemente
🚀 Melhor Escalabilidade: Fácil adicionar recursos sem tocar no código existente
📱 Todos os Recursos Mantidos: Funcionalidade completa preservada em estrutura mais limpa
🆕 README Aprimorado: Documentação moderna com guias abrangentes
⚖️ Conformidade com a Lei de IA: Implementação completa do framework de conformidade com a Lei de IA da UE
🔍 Monitoramento Avançado: Monitoramento de conformidade em tempo real com alertas automatizados
📋 Procedimentos de Auditoria: Framework de auditoria abrangente com listas de verificação padronizadas
📊 Analytics de Desempenho: Analytics avançados com análise de tendências e insights
🔍 Avaliação de Conformidade: Procedimentos sistemáticos de avaliação para prontidão de certificação
📋 Preparação para Certificação: Gerenciamento completo de documentos para submissão regulatória
✅ Validação de Conformidade: Validação automatizada e manual com elegibilidade de certificação

🎯 Roadmap

Recursos Planejados

Contribuindo

Aceitamos contribuições! Consulte nossas Diretrizes de Contribuição para detalhes.

🚀 Pronto para revolucionar as interações com currículos?

Implante seu currículo com IA hoje com arquitetura de nível profissional e conformidade total com a Lei de IA da UE!

🎯 Por que Escolher Este Currículo de IA?

✅ Totalmente Conforme - Implementação completa de conformidade com a Lei de IA da UE
🏗️ Arquitetura Profissional - Design modular de nível empresarial
🔍 Monitoramento Avançado - Monitoramento de conformidade e desempenho em tempo real
📋 Pronto para Auditoria - Documentação abrangente e trilhas de auditoria
🚀 Implantação Fácil - Implante no Streamlit Cloud em minutos
🆓 Gratuito para Usar - Código aberto com licença MIT

Feito com ❤️ por Michael Wybraniec