Collega la tua IA a Lever

Cosa può fare la tua IA con Lever

Una volta collegato, questi strumenti compaiono automaticamente nel tuo assistente IA:

• list_postingssola lettura

  Elencate gli annunci di lavoro. Filtrate per stato, team, reparto, sede, tipo di contratto o tag, oppure raggruppate per uno di questi criteri. Chiedete expand per ottenere i responsabili invece dei loro identificatori — Lever non offre alcun filtro per persona.

• get_postingsola lettura

  Ottenete un annuncio dal suo id, con contenuto, team, sede e responsabili.

• list_posting_userssola lettura

  Elencate gli utenti con accesso a un annuncio: proprietario, responsabile della selezione e follower.

• list_opportunitiessola lettura

  Elencate i candidati (opportunità). Filtrate per annuncio, fase, tag, email, origine o data. L origine referred identifica i candidati arrivati per segnalazione.

• get_opportunitysola lettura

  Ottenete un candidato (opportunità) dal suo id.

• list_applicationssola lettura

  Elencate le candidature di un candidato — una per ogni annuncio, con le risposte alle domande dell annuncio.

• get_applicationsola lettura

  Ottenete una candidatura completa di un candidato.

• list_resumessola lettura

  Elencate i CV di un candidato. Ognuno porta parsedData: posizioni ricoperte (azienda, ruolo, sintesi, luogo, date) e formazione, già estratti da Lever — il confronto con un annuncio non richiede alcun download di file.

• get_resumesola lettura

  Ottenete un CV di un candidato, con le sue posizioni e formazioni analizzate.

• list_filessola lettura

  Elencate i file allegati a un candidato — lettere di presentazione, portfolio, prove da svolgere. Solo metadati; i CV hanno il proprio strumento, list_resumes, che li restituisce analizzati.

• get_filesola lettura

  Ottenete i metadati di un file allegato: nome, estensione, dimensione e data di caricamento. Il contenuto non viene restituito.

• list_offerssola lettura

  Elencate le offerte fatte a un candidato: stato, autore, data, retribuzione e gli altri campi del modulo d'offerta. Lo stato signed distingue chi ha firmato da chi ha solo ricevuto l'offerta.

• list_feedbacksola lettura

  Elencate i moduli di valutazione dei colloqui compilati per un candidato, con ogni campo e ogni punteggio.

• get_feedbacksola lettura

  Ottenete un singolo modulo di valutazione depositato su un candidato, con ogni campo, il valore scelto e la data di completamento.

• list_feedback_templatessola lettura

  Elencate i modelli di modulo di valutazione dell account, con ogni campo e il suo identificatore. Indispensabile prima di create_feedback: gli identificatori dei valori inviati provengono da qui.

• get_feedback_templatesola lettura

  Ottenete un modello di valutazione con i suoi campi, il loro tipo e le loro opzioni. Da leggere prima di update_feedback_template, che sostituisce il modello: ciò che non rinviate va perduto.

• update_feedback_templatescrittura · richiede approvazione

  Riscrivete un modello di valutazione. La modifica vale per tutto l'account e per ogni colloquio futuro: state cambiando il processo di selezione, non un candidato. Lever sostituisce il modello con quanto inviate e richiede esattamente un campo di tipo score-system.

• create_feedbackscrittura · richiede approvazione

  Depositate un modulo di valutazione compilato su un candidato. Lever lo registra a nome dell utente indicato in performAs, senza alcuna traccia del fatto che non sia stato scritto da lui — da usare solo per chi ne ha dettato il contenuto, mai per inventare un giudizio. Azione di scrittura: soggetta alla barriera di conferma quando è attiva.

• update_feedbackscrittura · richiede approvazione

  Modificate le risposte di un modulo di valutazione già depositato. Lever registra la modifica sotto l'utente indicato in performAs senza segnalarlo: usatelo solo per chi vi ha detto cosa cambiare.

• list_interviewssola lettura

  Elencate i colloqui programmati per un candidato, con il loro panel e i partecipanti.

• get_interviewsola lettura

  Ottenete un colloquio pianificato: il suo panel, la data, la durata, il luogo, gli intervistatori e i moduli di valutazione ancora dovuti.

• list_panelssola lettura

  Elencate i panel di colloquio di un candidato. Un panel è un blocco pianificato — una giornata in sede, un colloquio telefonico — che raccoglie i colloqui che lo compongono.

• get_panelsola lettura

  Ottenete un panel di colloquio con tutti i suoi colloqui, la sua fase, il suo fuso orario e l'eventuale annullamento.

• list_referralssola lettura

  Elencate i moduli di segnalazione compilati per un candidato. Il segnalatore compare come campo del modulo, non come utente Lever: contare chi segnala di più significa raggruppare nomi digitati, e due grafie della stessa persona non si uniranno. Lever non pubblica alcun elenco globale delle segnalazioni.

• get_referralsola lettura

  Ottenete un modulo di segnalazione con ogni campo compilato dal segnalatore e la data di compilazione.

• list_opportunity_notessola lettura

  Elencate le note lasciate su un candidato — i commenti quotidiani, fuori dai moduli di valutazione.

• get_opportunity_notesola lettura

  Ottenete un thread di note di un candidato, con ciascun commento, il suo autore e la sua data.

• add_notescrittura · richiede approvazione

  Aggiungete una nota a un candidato. È visibile a tutti coloro che hanno accesso al candidato e non è più modificabile. Azione di scrittura: soggetta alla barriera di conferma quando è attiva.

• update_notescrittura · richiede approvazione

  Riscrivete una nota di un candidato. Lever lo accetta solo sulle note create tramite API e sostituisce l'intero thread: rinviate ogni commento da conservare.

• list_stagessola lettura

  Elencate le fasi della pipeline dell account.

• get_stagesola lettura

  Ottenete una fase della pipeline per id, così che un identificatore restituito da un candidato o da un colloquio si legga come la fase che è.

• list_userssola lettura

  Elencate gli utenti Lever dell account — recruiter, responsabili, intervistatori. I loro identificatori sono quelli attesi da performAs e dai responsabili degli annunci.

• list_archive_reasonssola lettura

  Elencate i motivi di archiviazione di una candidatura, e quali corrispondono a un assunzione.

Esempi di prompt

Chiedi alla tua IA in linguaggio naturale: sceglierà lo strumento Lever giusto.

• “Elencate gli annunci di lavoro. Filtrate per stato, team, reparto, sede, tipo di contratto o tag, oppure raggruppate per uno di questi criteri. Chiedete expand per ottenere i responsabili invece dei loro identificatori — Lever non offre alcun filtro per persona — da Lever, in linguaggio naturale.”
• “Ottenete un annuncio dal suo id, con contenuto, team, sede e responsabili — da Lever, in linguaggio naturale.”
• “Elencate gli utenti con accesso a un annuncio: proprietario, responsabile della selezione e follower — da Lever, in linguaggio naturale.”
• “Elencate i candidati (opportunità). Filtrate per annuncio, fase, tag, email, origine o data. L origine referred identifica i candidati arrivati per segnalazione — da Lever, in linguaggio naturale.”

Come funziona

1. Crea il tuo account Proxoria e aggiungi il tuo endpoint MCP a Claude o ChatGPT.
2. Collega Lever con la tua chiave API — ogni persona collega il proprio account, con credenziali cifrate a riposo.
3. La tua IA ottiene subito gli strumenti Lever. Le azioni di scrittura attendono la tua approvazione nella dashboard prima di qualsiasi modifica.

Domande frequenti

Lever ha un server MCP ufficiale?

Non ti serve. Proxoria espone Lever alla tua IA tramite il Model Context Protocol: puoi usarlo da Claude, ChatGPT, Mistral o da qualsiasi client compatibile con MCP, senza alcun server MCP ufficiale di Lever.

Cosa può fare la mia IA con Lever tramite Proxoria?

Ottiene 33 strumenti: list_postings, get_posting, list_posting_users, list_opportunities, get_opportunity, list_applications, get_application, list_resumes, get_resume, list_files, get_file, list_offers, list_feedback, get_feedback, list_feedback_templates, get_feedback_template, update_feedback_template, create_feedback, update_feedback, list_interviews, get_interview, list_panels, get_panel, list_referrals, get_referral, list_opportunity_notes, get_opportunity_note, add_note, update_note, list_stages, get_stage, list_users, list_archive_reasons. Per esempio: elencate gli annunci di lavoro. filtrate per stato, team, reparto, sede, tipo di contratto o tag, oppure raggruppate per uno di questi criteri. chiedete expand per ottenere i responsabili invece dei loro identificatori — lever non offre alcun filtro per persona.

Il connettore Lever è in sola lettura?

No — può anche modificare i dati. Le azioni di scrittura passano per impostazione predefinita dal controllo di conferma di Proxoria: la tua IA le propone e tu approvi ciascuna dalla dashboard prima che venga scritto qualcosa su Lever.

Come collego Lever alla mia IA?

Crea un account Proxoria, collega Lever con la tua chiave API e aggiungi il tuo endpoint MCP Proxoria a Claude o ChatGPT. La tua IA ottiene subito gli strumenti Lever.