MCP-data-inclusion

France-GPT : Agents IA Spécialisés pour les Services Publics Français

!Python !License 

France-GPT est une plateforme d'intelligence artificielle conversationnelle conçue pour interagir avec les données et services publics français. Le projet fournit une collection d'agents spécialisés qui exploitent les API officielles de data.gouv.fr (telles que Data Inclusion, Légifrance, La Bonne Alternance) en les transformant en outils actionnables pour des modèles de langage (LLMs) via le protocole MCP (Model Context Protocol).

L'application est construite avec une architecture moderne incluant FastAPI, Chainlit pour l'interface de chat, et Pydantic-AI pour la logique des agents.

!screenshot_placeholder

✨ Fonctionnalités Principales

• 🤖 Agents Spécialisés : Des profils d'agents distincts pour différents domaines (social, juridique, emploi) avec des instructions et des outils dédiés.
• 🔌 Intégration d'API Publiques : Transforme des API REST complexes en outils fiables et simples à utiliser pour les LLMs grâce à FastMCP.
• 💬 Interface de Chat Moderne : Une interface utilisateur réactive et complète construite avec Chainlit, supportant les uploads de fichiers, l'affichage des appels d'outils, et l'historique des conversations.
• 🐳 Entièrement Conteneurisé : Utilise Docker et Docker Compose pour une installation et un déploiement simplifiés, garantissant un environnement de développement et de production cohérent.
• 💾 Persistance des Données : Sauvegarde l'historique des conversations et les données des utilisateurs dans une base de données PostgreSQL.
• S3 Gestion des Fichiers : Utilise une simulation S3 (via Localstack) pour gérer les uploads de fichiers, comme les CVs pour les candidatures.
• 🔄 CI/CD Intégrée : Un pipeline GitHub Actions pour l'intégration continue et le déploiement, incluant le linting, les tests, et la publication des images Docker.

🏛️ Agents Disponibles

Ce projet propose plusieurs agents, chacun expert dans son domaine :

• ### 🧑‍🤝‍🧑 Agent Social

Un assistant expert de l'inclusion sociale en France, capable de rechercher des structures d'aide, des services de proximité et des ressources pour les citoyens.

• ### ⚖️ Agent Juridique

Un assistant spécialisé dans la législation française. Il peut rechercher des textes de loi, des articles de code, et des décisions de justice via l'API Légifrance.

• ### 👨‍🏫 Agent Alternance

Un conseiller expert pour trouver des offres d'emploi et des formations en alternance en France. Il guide l'utilisateur dans sa recherche et peut même l'assister pour postuler.

🏗️ Architecture

Le projet est basé sur une architecture microservices orchestrée par Docker Compose :

1. Agent UI (FastAPI + Chainlit) : Le point d'entrée pour l'utilisateur. Il gère l'interface de chat, la logique de l'agent Pydantic-AI, et communique avec les autres services.
2. MCP Server : Un serveur FastMCP qui exécute plusieurs sous-serveurs. Chaque sous-serveur expose les outils d'une API spécifique (Data Inclusion, Légifrance, etc.) sur un port différent.
3. PostgreSQL : La base de données qui stocke l'historique des conversations, les utilisateurs, et les feedbacks.
4. Localstack : Un simulateur de services AWS qui fournit un bucket S3 local pour le stockage des fichiers uploadés (ex: CVs).

graph TD
    subgraph "Infrastructure Docker"
        A[Agent UI - FastAPI/Chainlit]
        M[MCP Server]
        D[PostgreSQL]
        S[Localstack S3]
    end

    U[Utilisateur] -- HTTP --> A
    A -- Interroge les outils --> M
    M -- Appelle les API externes --> E[APIs data.gouv.fr]
    A -- Stocke l'historique --> D
    A -- Gère les fichiers --> S

    style M fill:#f9f,stroke:#333,stroke-width:2px
    style A fill:#bbf,stroke:#333,stroke-width:2px

🚀 Démarrage Rapide

Prérequis

• Docker
• Docker Compose

Installation

1. Clonez le dépôt :

    git clone https://github.com/votre-utilisateur/france-gpt.git
    cd france-gpt

1. Configurez les variables d'environnement :

Copiez le fichier d'exemple et remplissez les clés d'API requises. ``bash cp .env.example .env ` Ouvrez le fichier .env` et ajoutez vos clés pour :

• DATAINCLUSION_API_KEY
• LEGIFRANCE_CLIENT_ID & LEGIFRANCE_CLIENT_SECRET
• LABONNEALTERNANCE_API_KEY
• OPENAI_API_KEY (ou configurez OPENAI_API_BASE_URL pour un modèle local)

1. Lancez l'application avec Docker Compose :

Cette commande construira les images Docker et démarrera tous les services en arrière-plan. ``bash docker-compose up --build -d ``

1. Accédez à l'application :

Ouvrez votre navigateur et allez sur http://localhost:8000.

🛠️ Développement et Tests

Installation des dépendances

Pour le développement local, il est recommandé d'utiliser un environnement virtuel et uv.

# Installer les dépendances de production et de développement
uv pip install -e .[dev]

Linter et Formatter

Le projet utilise Ruff pour le linting et le formatage.

# Formater le code
ruff format .

# Vérifier les erreurs de linting
ruff check .

Lancer les Tests

Les tests unitaires sont écrits avec Pytest.

pytest

📁 Structure du Projet

.
├── .github/workflows/      # Pipelines CI/CD pour GitHub Actions
├── .chainlit/              # Configuration de l'interface Chainlit
├── public/                 # Fichiers statiques (icônes, avatars, JS/CSS custom)
├── src/
│   ├── agent/              # Logique de l'agent IA (Pydantic-AI)
│   ├── app/                # Factory de l'application FastAPI
│   ├── core/               # Configuration centrale, logging, profils d'agents
│   ├── db/                 # Modèles de base de données (SQLAlchemy)
│   ├── mcp_server/         # Logique du serveur MCP (FastMCP)
│   │   └── services/       # Implémentation des outils pour chaque API
│   └── ui/                 # Code de l'interface Chainlit (on_message, etc.)
├── tests/                  # Tests unitaires pour chaque module
├── .dockerignore           # Fichiers à ignorer lors du build Docker
├── .gitignore              # Fichiers à ignorer par Git
├── docker-compose.yml      # Orchestration des services Docker
├── Dockerfile              # Définition de l'image Docker de l'application
├── main.py                 # Point d'entrée de l'application FastAPI/Chainlit
└── pyproject.toml          # Définition du projet et des dépendances

📜 Licence

Ce projet est distribué sous la licence MIT. Voir le fichier LICENSE pour plus de détails.