Allokoli
Allokoli est une plateforme no-code permettant à des professionnels de créer un assistant vocal IA en quelques minutes.
🎯 CONFIGURATEUR OPÉRATIONNEL ✅
Le configurateur AlloKoli Expert est maintenant 100% déployé et fonctionnel !
🚀 Accès direct
- Test du configurateur : https://dashboard.vapi.ai/assistant/99cce75a-5b25-4925-bdcd-9287d350728e/test
- Configuration : https://dashboard.vapi.ai/assistant/99cce75a-5b25-4925-bdcd-9287d350728e
- Gestion des tools : https://dashboard.vapi.ai/tools
🔧 Tools déployés
analyzeBusinessContext: Analyse automatique du secteur d’activitélistVoicesForBusiness: Recommandations de voix par secteurcreateAssistant: Création automatique d’assistants vocaux
🌐 Edge Functions actives
- URL :
https://aiurboizarbbcpynmmgv.supabase.co/functions/v1/configurator-tools - Version : 6 (ACTIVE)
- Secteurs supportés : Restaurant, Salon, Artisan, Commerce, Médical, Service
Stack
- Frontend : Next.js 15.3.2 + Turbopack + Supabase
- Backend : Supabase Edge Functions (Deno) ✅ DÉPLOYÉES
- API vocale : Vapi.ai ✅ CONFIGURÉE
- Auth : Supabase Auth
- Base de données : Supabase PostgreSQL avec RLS
- Intégration : Model Context Protocol (MCP) pour Vapi et Supabase ✅ OPÉRATIONNEL
⚡ Performances optimisées avec Turbopack
- Démarrage ultra-rapide : 1.3s (vs 15s+ avant)
- Hot Reload instantané : Modifications appliquées quasi-instantanément
- Compilation incrémentale : Bundler Rust optimisé pour TypeScript
État du projet
- ✅ Phase 1 : Initialisation du projet (structure, dépendances)
- ✅ Phase 2 : Documentation et contexte
- ✅ Phase 3 : Authentification Supabase
- ✅ Phase 4 : Intégration des SDKs Vapi (client et serveur)
- ✅ Phase 5 : Développement des Supabase Edge Functions
- ✅ Phase 6.0 : Création des tables de base de données
- ✅ Phase 6.1 : Intégration frontend
- ✅ Phase 6.2 : Migration structurelle complète
- ✅ Phase 7 : Optimisation Turbopack et MCP
- ✅ Phase 8 : CONFIGURATEUR DÉPLOYÉ ET OPÉRATIONNEL ✅
- 📅 Phase 9 : Tests et optimisations (à venir)
- 📅 Phase 10 : Déploiement frontend et lancement (à venir)
🚀 Intégration Model Context Protocol (MCP)
Le projet intègre MCP pour une orchestration avancée des services :
Configuration MCP disponible
- Vapi MCP Server : Création et gestion d’assistants vocaux via des prompts naturels ✅ OPÉRATIONNEL
- Supabase MCP : Gestion de la base de données et des fonctions Edge ✅ UTILISÉ
- GitHub MCP : Automatisation des workflows de développement
Utilisation avec Claude Desktop
Configuration dans ~/.cursor/mcp.json :
{
"mcpServers": {
"vapi-mcp": {
"command": "npx",
"args": [
"mcp-remote",
"https://mcp.vapi.ai/mcp",
"--header",
"Authorization: Bearer ${VAPI_TOKEN}"
],
"env": {
"VAPI_TOKEN": "votre-clé-vapi"
}
},
"supabase": {
"command": "npx",
"args": ["@modelcontextprotocol/server-supabase"],
"env": {
"SUPABASE_URL": "https://aiurboizarbbcpynmmgv.supabase.co",
"SUPABASE_SERVICE_ROLE_KEY": "votre-service-role-key"
}
}
}
}
🎯 Fonctionnalités du Configurateur
Analyse automatique
Le configurateur analyse automatiquement l’activité du client et détermine le secteur optimal parmi :
- Restaurant & Hôtellerie
- Salon de beauté & Bien-être
- Artisan & Réparation
- Commerce & Retail
- Médical & Santé
- Service client
Recommandations intelligentes
Pour chaque secteur, le configurateur recommande les 3 meilleures voix Azure :
- Restaurant : Denise (sophistiquée), Claude (conviviale), Vivienne (élégante)
- Salon : Brigitte (douce), Céline (rassurante), Denise (professionnelle)
- Artisan : Henri (confiant), Antoine (technique), Claude (professionnel)
- Commerce : Brigitte (accueillante), Denise (dynamique), Claude (claire)
- Médical : Claude (calme), Henri (professionnel), Denise (rassurante)
- Service : Denise (patiente), Claude (claire), Brigitte (empathique)
Création automatique
Le configurateur crée automatiquement l’assistant vocal final avec :
- Configuration optimisée pour le secteur
- Voix recommandée sélectionnée
- Prompt personnalisé pour l’activité
- Paramètres techniques adaptés
Structure du projet
Ce projet suit une structure standardisée définie dans DOCS/architecture/structure-standard.md.
La structure du projet est organisée de la façon suivante :
/frontend: Application Next.js principale (App Router)/supabase: Fonctions Edge et migrations Supabase ✅ DÉPLOYÉES/lib: Bibliothèques partagées/DOCS: Documentation complète du projet
Configuration des variables d’environnement
Pour démarrer le projet, vous devez configurer les variables d’environnement nécessaires :
- Créez un fichier
.env.localà la racine du projet en vous basant sur.env.example - Configurez les variables Supabase et Vapi avec les valeurs appropriées :
# Frontend (publiques mais limitées)
NEXT_PUBLIC_SUPABASE_URL=https://aiurboizarbbcpynmmgv.supabase.co
NEXT_PUBLIC_SUPABASE_ANON_KEY=votre-cle-anon-publique
# Backend (privées)
SUPABASE_URL=https://aiurboizarbbcpynmmgv.supabase.co
SUPABASE_ANON_KEY=votre-cle-anon-publique
SUPABASE_SERVICE_ROLE_KEY=votre-cle-service-role-secrete
VAPI_PRIVATE_KEY=37e5584f-31ce-4f77-baf2-5684682079ea
VAPI_API_KEY=votre-cle-api-vapi
# MCP (pour intégration Claude Desktop)
VAPI_TOKEN=votre-cle-api-vapi
⚠️ IMPORTANT : Ne jamais commiter les fichiers .env.local ou .env contenant des clés réelles.
Démarrage rapide
Prérequis
- Node.js 18+
- pnpm (gestionnaire de packages recommandé)
Installation et démarrage
# Installation des dépendances (racine)
pnpm install
# Installation des dépendances frontend
cd frontend && pnpm install
# Lancement du serveur de développement avec Turbopack
pnpm dev
Test du configurateur
Le configurateur est immédiatement testable :
# Test direct via Vapi Dashboard
# URL: https://dashboard.vapi.ai/assistant/99cce75a-5b25-4925-bdcd-9287d350728e/test
# Test des Edge Functions
.test-edge-functions.ps1
# Création de nouveaux assistants
.create-tools-separately.ps1
Accès à l’application
- Local : http://localhost:3001
- Réseau : http://192.168.137.1:3001
- Configurateur : https://dashboard.vapi.ai/assistant/99cce75a-5b25-4925-bdcd-9287d350728e/test
Commandes disponibles
# Développement avec Turbopack (recommandé)
pnpm dev
# Développement depuis le frontend uniquement
cd frontend && pnpm dev
# Build de production
pnpm build
# Linting
pnpm lint
# Scripts de déploiement et test
.create-tools-separately.ps1 # Créer assistant avec tools
.test-edge-functions.ps1 # Tester les Edge Functions
.ALLOKOLI-CONFIGURATEUR-FINAL-SANS-TOOLS.ps1 # Configurateur intelligent
Documentation
Une documentation complète est disponible dans le dossier /DOCS :
Guides pratiques
- Guide de développement - Instructions pour les développeurs
- Guide de déploiement - Processus de déploiement local et production
- Roadmap du projet - Phases de développement et état d’avancement
- Guide Cursor - Utilisation de Cursor pour le développement
Documentation technique
- Architecture du projet - Documentation de l’architecture globale
- Flux API - Documentation des flux API
- Edge Functions - Documentation des Supabase Edge Functions
- Guide des Edge Functions - Bonnes pratiques et conventions
- Intégration API Vapi - Pattern standardisé d’intégration
- Assistants - Documentation spécifique sur les assistants vocaux
Contexte du projet
- Contexte du projet - Objectifs, principes et technologies
Diagrammes et visuels
- Architecture globale - Diagramme d’architecture du projet
- Architecture des services API - Diagramme des services API
Fonctionnalités principales
- Création d’assistants vocaux IA via une interface no-code
- Gestion de conversations téléphoniques automatisées
- Intégration de bases de connaissances personnalisées
- Configuration de workflows conversationnels avancés
- Analyse des conversations et métriques d’utilisation
- Orchestration via Model Context Protocol (MCP)
Architecture
L’architecture du projet suit une approche en couches avec intégration MCP :
┌────────────────┐
│ UI (Next.js) │ ← Turbopack optimisé
├────────────────┤
│ Frontend APIs │ ← lib/api/*.ts
├────────────────┤
│ Edge Functions │ ← supabase/functions/
├────────────────┤
│ MCP Layer │ ← Model Context Protocol
├────────────────┤
│ Vapi API │ ← Assistant vocal
└────────────────┘
Cette architecture garantit la sécurité des clés API, permet une séparation claire des responsabilités, et offre une orchestration avancée via MCP.
Développeurs
Pour contribuer au projet, consultez le Guide de développement.
Dernières améliorations
- ✅ Turbopack activé : Performances de développement x10 plus rapides
- ✅ MCP configuré : Intégration Vapi, Supabase, et GitHub
- ✅ Hot Reload optimisé : Modifications instantanées
- ✅ Structure stabilisée : Prêt pour le développement intensif
Allokoli
Project Details
- Mazaljoker/Koli55
- Last Updated: 5/30/2025
Recomended MCP Servers
A Model Context Protocol server for converting almost anything to Markdown
🔍 Enable AI assistants to search and access bioRxiv papers through a simple MCP interface.
A lightweight library for portable low-level GPU computation using WebGPU.
pubmed-mcp-smithery
Smart-Thinking Un serveur MCP (Model Context Protocol) qui fournit un cadre de raisonnement multi-dimensionnel, adaptatif et collaboratif pour...
Weaviate MCP Server
A user-friendly, multi-platform GUI for managing and running CrewAI agents and tasks. Supports Conda and virtual environments, no...
A Model Context Protocol server for MySQL database operations
A Model Context Protocol (MCP) server providing tools to read, search, and manipulate OpenFGA stores programmatically via Large...





