AI导哈

工作搜索应用

一个基于模型上下文协议（MCP）的工作搜索应用，集成了JSearch API，提供职位搜索、简历管理和市场分析功能。

  • by alejandrogarcia-hub
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 alejandrogarcia-hub/mcp-sample

使用说明

MCP示例：教程和求职申请

基于a 教程 其中增强的求职服务器演示了模型上下文协议（MCP）。

快速开始

先决条件

  • Python 3.11+
  • uv 包管理器

设置

  1. 安装依赖项：

    uv sync

  2. 环境变量： 创建 .env 文件：

    OPENAI_API_KEY=your_openai_api_key
LLM_MODEL=gpt-4
RAPIDAPI_HOST=jsearch.p.rapidapi.com
RAPIDAPI_KEY=your_rapidapi_key
DATA_DIR=./data  # Optional, defaults to ./data

跑步

教程（天气演示）：

# Server (terminal 1)
uv run tutorial/main.py

# Client (terminal 2)
uv run tutorial/client_stdio_llm.py

作业搜索服务器：

uv run job_search/server.py

测试：

pytest

Claude桌面集成

添加到您的Claude Desktop MCP设置中：

"mcp-job-search": {
  "command": "/Users/<username>/.local/bin/uv",
  "args": [
    "--directory",
    "<path>/mcp-sample/job_search",
    "run",
    "server.py"
  ]
}

替换 <path> 根据您的实际项目路径。

项目结构

mcp-sample/
├── tutorial/               # Basic MCP tutorial examples
│   ├── main.py            # Weather server
│   ├── client_stdio.py    # Basic client
│   └── client_stdio_llm.py # OpenAI integrated client
├── job_search/            # Enhanced job search application
│   ├── server.py          # MCP server with tools/resources/prompts
│   └── test_*.py          # Integration tests
├── pytest.ini            # Test configuration
└── .env                  # Environment variables

主要特点

教程示例：

  • 基本气象工具演示
  • OpenAI函数调用集成
  • 两相LLM处理

作业搜索服务器：

  • 求职工具（JSearch API集成）
  • 简历资源管理
  • 市场分析提示
  • 临时缓存和永久作业保存

MCP组件

  • 工具：LLM可调用的函数(@mcp.tool())
  • 资源：可通过URI访问的数据源(resume://default)
  • 鼓励：预定义的分析模板
  • 运输：基于stdio的客户端-服务器通信

参考

基于： 完整的MCP蓝图 数据科学每日剂量

故障排除

  • “连接被拒绝”：确保服务器正在运行
  • “OpenAI API错误”：检查API密钥 .env
  • “找不到模块”：运行 uv sync
  • 职位搜索错误：验证RAPIDAPI_KEY是否有效

相关 MCP