Comment connecter ScreenApp aux agents IA OpenClaw via un serveur MCP
On this page
Votre agent IA devrait être capable de retrouver les notes de réunion de mardi dernier sans que vous ayez à fouiller dans les dossiers. Avec l’API de ScreenApp et le Model Context Protocol (MCP), vous pouvez donner aux agents OpenClaw un accès direct à vos enregistrements, transcriptions et résumés IA.
Ce guide explique comment créer une compétence de serveur MCP ScreenApp afin que votre agent OpenClaw puisse rechercher des enregistrements, récupérer des transcriptions et effectuer des analyses IA sur votre contenu, le tout à partir d’un message de chat sur Telegram, WhatsApp ou Discord.
Si vous débutez avec les serveurs MCP pour les enregistrements de réunions, consultez notre comparaison des meilleurs serveurs MCP pour les réunions pour voir comment ScreenApp se positionne.
Qu’est-ce qu’OpenClaw ?
OpenClaw est une passerelle auto-hébergée qui connecte les applications de messagerie (WhatsApp, Telegram, Discord, iMessage) aux agents de codage IA. Vous exécutez un seul processus sur votre machine et il relie vos applications de chat à un assistant IA toujours disponible.
L’idée clé : vous envoyez un message à votre agent depuis votre téléphone, et il peut utiliser des outils, lire des fichiers, naviguer sur le web, et maintenant, accéder à vos enregistrements ScreenApp.
OpenClaw utilise des compétences pour apprendre aux agents à utiliser des outils. Chaque compétence est un dossier avec un fichier SKILL.md qui décrit les commandes disponibles. Les compétences peuvent également envelopper des serveurs MCP, et c’est ainsi que nous connecterons ScreenApp.
OpenClaw découvre les compétences via un système à trois niveaux. Au début de chaque session, l’agent analyse le name et la description de la matière de tête de chaque compétence. Lorsqu’une compétence semble pertinente, il charge le SKILL.md complet. Cela signifie que votre champ de description est le facteur le plus important pour que l’agent choisisse votre compétence. Rédigez-le comme si vous expliquiez à un collègue ce que la compétence fait et quand l’utiliser.
Qu’est-ce que le MCP ?
Le Model Context Protocol est une norme créée par Anthropic qui permet aux modèles d’IA d’accéder à des sources de données externes. Pensez-y comme l’USB-C pour les applications d’IA. Au lieu de copier-coller des transcriptions dans ChatGPT, un serveur MCP permet à l’IA de récupérer directement ce dont elle a besoin.
Les serveurs MCP s’exécutent localement et exposent des outils (actions que l’IA peut effectuer) et des ressources (données que l’IA peut lire). Pour ScreenApp, les outils incluraient des choses comme “rechercher des enregistrements”, “obtenir une transcription” et “poser une question sur une vidéo”.
Le MCP fonctionne avec Claude Desktop, ChatGPT Desktop, Cursor, et via OpenClaw, avec n’importe quelle application de messagerie.
Présentation de l’API ScreenApp
ScreenApp fournit une API REST qui couvre tout ce dont vous avez besoin pour une intégration MCP. Les principaux points d’accès :
- Lister les enregistrements - Parcourez votre bibliothèque d’enregistrements avec des filtres
- Obtenir un enregistrement avec transcription - Récupérez un enregistrement et sa transcription complète, avec horodatages et étiquettes de locuteur
- Analyse IA - Posez des questions sur un enregistrement en utilisant le point d’accès d’analyse multimodale (
/v2/files/{fileId}/ask/multimodal) - Recherche - Trouvez des enregistrements par mot-clé dans tout votre contenu
- Télécharger - Envoyez de nouveaux fichiers audio/vidéo pour traitement
L’authentification utilise des jetons Bearer. Vous générez un jeton API à partir des paramètres de votre compte ScreenApp.
Pour la référence complète, consultez la documentation de l’API ScreenApp.
Étapes de configuration
1. Obtenez votre jeton d’API ScreenApp
Connectez-vous à ScreenApp, allez dans Paramètres > API, et générez un nouveau jeton. Copiez-le en lieu sûr. Vous en aurez besoin à l’étape suivante.
2. Créez le dossier de la compétence
Les compétences OpenClaw se trouvent dans ~/.openclaw/skills/ (partagées entre les agents) ou dans le dossier /skills/ de votre espace de travail (par agent). Le nom du dossier de compétence doit correspondre au champ name de votre frontmatter SKILL.md. Créez la structure complète :
mkdir -p ~/.openclaw/skills/screenapp/references
La disposition finale du dossier :
screenapp/
├── SKILL.md # Requis : frontmatter + instructions de l'agent
├── claw.json # Pour la publication ClawHub (facultatif)
└── references/
└── api-endpoints.md # Documentation détaillée des points de terminaison chargée à la demande
3. Rédigez le SKILL.md
Le champ description détermine si l’agent sélectionne cette compétence. OpenClaw scanne le name et la description de chaque compétence installée au début de chaque session. Incluez des expressions déclencheuses et des variantes de mots-clés afin que l’agent les associe aux demandes concernant les transcriptions, les réunions, les enregistrements et la prise de notes.
Créez ~/.openclaw/skills/screenapp/SKILL.md :
---
name: screenapp
description: Recherchez des enregistrements et des transcriptions de réunions, obtenez des notes de réunion et des éléments d'action, transcrivez de l'audio et de la vidéo, posez des questions d'IA sur le contenu enregistré. Utilisez lorsque l'utilisateur mentionne la transcription, les notes de réunion, les enregistrements, l'audio-vers-texte, la parole-vers-texte, la recherche de réunions, ou souhaite trouver ou analyser des réunions et des appels enregistrés.
metadata: {"clawdbot":{"emoji":"","requires":{"env":["SCREENAPP_API_TOKEN"]},"primaryEnv":"SCREENAPP_API_TOKEN","homepage":"https://screenapp.io"}}
---
# Intégration ScreenApp
Accédez aux enregistrements, transcriptions et analyses IA de ScreenApp de l'utilisateur.
## Authentification
Toutes les requêtes nécessitent la variable d'environnement SCREENAPP_API_TOKEN.
En-têtes : Autorisation : Bearer $SCREENAPP_API_TOKEN
URL de base : https://api.screenapp.io
## Actions disponibles
#
## Rechercher des enregistrements par mot-clé
GET /v2/files?searchQuery={query}
Utilisez ceci lorsque l'utilisateur souhaite trouver une réunion, un enregistrement ou un sujet spécifique.
#
## Obtenir un enregistrement avec sa transcription
GET /v2/files/{fileId}
Retourne l'objet d'enregistrement complet, y compris la transcription horodatée avec les étiquettes de locuteur. Utilisez ceci pour récupérer les notes de réunion, relire ce qui a été dit ou obtenir le texte intégral d'un appel.
#
## Poser une question à l'IA concernant un enregistrement
POST /v2/files/{fileId}/ask/multimodal
Body: { "promptText": "votre question ici" }
Analyse à la fois la transcription et le contenu vidéo. Utilisez ceci pour résumer des réunions, extraire des éléments d'action ou répondre à des questions spécifiques sur ce qui s'est passé dans un enregistrement.
#
## Lister les enregistrements récents
GET /v2/files?sortBy=createdAt&sortOrder=desc&limit=10
Utilisez ceci lorsque l'utilisateur interroge sur ses dernières réunions ou enregistrements récents.
En option, créez references/api-endpoints.md avec une documentation plus détaillée des paramètres. L’agent ne charge les fichiers de référence que lorsqu’il en a besoin, gardant la vérification initiale des compétences légère.
4. Définir le jeton API
Ajoutez votre jeton ScreenApp à l’environnement d’OpenClaw. Modifiez ~/.openclaw/openclaw.json :
{
"env": {
"SCREENAPP_API_TOKEN": "votre-jeton-ici"
}
}
Ou exportez-le dans votre profil shell si vous préférez.
5. Redémarrer OpenClaw
openclaw gateway restart
L’agent prendra en compte la nouvelle compétence lors de la prochaine session. Vous pouvez vérifier son chargement en demandant à votre agent : “Quelles compétences possédez-vous ?“
6. Testez-le
Envoyez un message à votre agent OpenClaw sur Telegram ou WhatsApp :
- “Recherchez dans mes enregistrements ScreenApp la discussion sur la feuille de route du produit”
- “Obtenez la transcription de ma dernière réunion”
- “Quels sont les points d’action qui sont ressortis du point quotidien d’hier ?”
L’agent utilisera la compétence ScreenApp pour récupérer les données et répondre à votre question.
Publication sur ClawHub
Si vous souhaitez que d’autres utilisateurs d’OpenClaw trouvent et installent votre compétence ScreenApp, publiez-la sur ClawHub, le registre officiel de compétences d’OpenClaw. ClawHub utilise la recherche vectorielle, de sorte que les requêtes en langage naturel comme “rechercher des transcriptions de réunions” ou “transcrire des enregistrements audio” feront apparaître votre compétence tant que la description couvre ces termes.
Ajoutez un manifeste claw.json à votre dossier de compétence :
{
"name": "screenapp",
"version": "1.0.0",
"description": "Search meeting recordings, get transcripts, extract action items, and ask AI questions about recorded content via the ScreenApp API.",
"author": "your-clawhub-username",
"license": "MIT",
"permissions": ["network"],
"entry": "SKILL.md",
"tags": ["transcription", "meetings", "recordings", "note-taking", "productivity", "speech-to-text"],
"models": ["claude-*", "gpt-*", "gemini-*"],
"minOpenClawVersion": "0.8.0"
}
Ensuite, publiez :
clawhub publish ~/.openclaw/skills/screenapp
Une fois publié, n’importe qui peut l’installer avec :
clawhub install screenapp
Votre compétence apparaîtra également sur Moltbook, un index multiplateforme qui répertorie les compétences pour OpenClaw, Claude Code, Cursor et d’autres outils de codage IA. Moltbook indexe ClawHub automatiquement, il n’y a donc pas d’étape supplémentaire.
Création d’un serveur MCP (avancé)
Si vous voulez un véritable serveur MCP au lieu d’une approche basée sur les compétences, vous pouvez encapsuler l’API ScreenApp dans un serveur MCP Node.js. Cela vous donne une compatibilité avec Claude Desktop, Cursor et tout autre client MCP, pas seulement OpenClaw.
// screenapp-mcp/index.js
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";
const server = new McpServer({
name: "screenapp",
version: "1.0.0",
});
const API_BASE = "https://api.screenapp.io";
const TOKEN = process.env.SCREENAPP_API_TOKEN;
server.tool(
"search_recordings",
{ query: z.string() },
async ({ query }) => {
const res = await fetch(
`${API_BASE}/v2/files?searchQuery=${encodeURIComponent(query)}`,
{ headers: { Authorization: `Bearer ${TOKEN}` } }
);
const data = await res.json();
return {
content: [{ type: "text", text: JSON.stringify(data, null, 2) }],
};
}
);
server.tool(
"get_transcript",
{ fileId: z.string() },
async ({ fileId }) => {
const res = await fetch(`${API_BASE}/v2/files/${fileId}`, {
headers: { Authorization: `Bearer ${TOKEN}` },
});
const data = await res.json();
return {
content: [{ type: "text", text: JSON.stringify(data.transcript, null, 2) }],
};
}
);
server.tool(
"analyze_recording",
{ fileId: z.string(), question: z.string() },
async ({ fileId, question }) => {
const res = await fetch(
`${API_BASE}/v2/files/${fileId}/ask/multimodal`,
{
method: "POST",
headers: {
Authorization: `Bearer ${TOKEN}`,
"Content-Type": "application/json",
},
body: JSON.stringify({ promptText: question }),
}
);
const data = await res.json();
return {
content: [{ type: "text", text: JSON.stringify(data, null, 2) }],
};
}
);
Ensuite, enregistrez-le dans la configuration d’OpenClaw ou utilisez-le de manière autonome avec Claude Desktop.
Cas d’utilisation
Suivis de réunions : Demandez à votre agent “Qu’a dit Sarah à propos du calendrier lors de l’appel d’hier ?” et il récupérera la transcription, trouvera la section pertinente et vous donnera la réponse.
Résumés hebdomadaires : « Résumez toutes mes réunions de cette semaine » déclenche une recherche dans vos enregistrements et génère un rapport consolidé.
Suivi des points d’action : « Quels points d’action ouverts ai-je des réunions de ce mois-ci ? » recherche dans vos transcriptions les engagements et les échéances.
Réaffectation de contenu : « Transformez l’enregistrement de mon dernier webinaire en un plan d’article de blog » utilise le point de terminaison d’analyse IA pour générer du contenu structuré à partir de votre vidéo.
Fonctionnalités ScreenApp associées
- Résumé de réunion IA: Générez des résumés à partir de n’importe quel enregistrement
- Logiciel de transcription: Transcription automatique de la parole en texte avec identification des locuteurs
- Preneur de notes IA: Notes structurées à partir de vos conversations
FAQ
Qu’est-ce qu’un serveur MCP ?
Un serveur MCP (Model Context Protocol) est un programme local qui expose des données et des outils aux modèles d’IA. Il permet aux assistants d’IA comme Claude ou aux agents OpenClaw d’accéder à des services externes sans avoir à copier-coller les données manuellement.
Ai-je besoin d’un plan ScreenApp payant pour l’accès à l’API ?
L’accès à l’API est disponible avec les plans payants de ScreenApp. Vérifiez les paramètres de votre compte pour voir si la section API est disponible. Les comptes gratuits ont un accès API limité.
Puis-je l’utiliser avec Claude Desktop au lieu d’OpenClaw ?
Oui. L’approche du serveur MCP fonctionne avec n’importe quel client compatible MCP. Claude Desktop, ChatGPT Desktop et Cursor prennent tous en charge les serveurs MCP. OpenClaw ajoute l’avantage d’y accéder depuis les applications de messagerie mobile.
Mes données d’enregistrement sont-elles envoyées aux serveurs d’OpenClaw ?
Non. OpenClaw est auto-hébergé et s’exécute entièrement sur votre machine. Votre jeton d’API ScreenApp et vos données d’enregistrement restent locaux. Le modèle d’IA traite les données, mais OpenClaw lui-même ne stocke ni ne transmet votre contenu.
Comment l’agent trouve-t-il la bonne compétence ?
OpenClaw scanne les champs name et description de chaque compétence installée au début de chaque session. Lorsque vous demandez quelque chose comme “trouver ma dernière réunion”, l’agent compare cela aux descriptions de compétences et charge le fichier SKILL.md complet de la compétence qui correspond le mieux. C’est pourquoi la description doit inclure des expressions de déclenchement concrètes comme “transcription”, “notes de réunion” et “enregistrements” plutôt qu’un langage vague comme “aide avec les enregistrements”.
Combien d’enregistrements le serveur MCP peut-il gérer ?
L’API ScreenApp gère la pagination, vous pouvez donc travailler avec des bibliothèques de toute taille. Pour de meilleurs résultats, utilisez des requêtes de recherche pour affiner les résultats plutôt que de tout lister d’un coup.
