使用说明
README.md
简历分析器+领英/Naukri求职器+MCP服务器
此项目允许您：
- 上传简历（PDF）
- 使用EURI AI分析简历摘要、技能差距和未来路线图
- 使用Apify从LinkedIn和Naukri自动获取匹配的工作
- 将作业获取功能打包到FastMCP服务器中，以便与Claude Desktop、MCP Inspector等外部工具集成。
💪 完整设置说明
1.克隆存储库
git clone <your-repo-link>
cd resume_job_fetcher_project
2.创建Conda虚拟环境（推荐）
conda create -n resume_fetcher_env python=3.10
conda activate resume_fetcher_env
3.安装所需的软件包
使用pip：
pip install -r requirements.txt
requirements.txt包含：
- 流明
- pymupdf
- 欧元
- python dotenv
- apify客户端
- fastmcp
或者，使用紫外线：
在Windows Powershell上安装UV：
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
安装要求：
uv pip install -r requirements.txt
4.配置环境变量
创建一个 .env 文件：
EURI_API_KEY=your_real_euri_api_key_here
APIFY_API_TOKEN=your_real_apify_api_token_here
5.运行Streamlit应用程序
streamlit run app.py
6.运行MCP服务器（FastMCP）
python mcp_server.py
7.测试MCP服务器（可选）
安装MCP检查器：
npm install -g @modelcontextprotocol/inspector
运行检查器：
npx @modelcontextprotocol/inspector python mcp_server.py
🚀 基于UV的项目设置（可选）
uv init mcp-server-demo
cd mcp-server-demo
uv add "mcp[cli]"
要手动安装MCP CLI，请执行以下操作：
pip install "mcp[cli]"
在本地运行独立MCP：
uv run mcp
📆 项目结构
resume_job_fetcher_project/
├── app.py # Streamlit frontend app
├── mcp_server.py # FastMCP server exposing job fetchers
├── requirements.txt
├── README.md
└── .env # API keys configuration
🌟 技术栈
| 组件 | 技术 |
|---|---|
| 简历分析 | EURI AI（GPT-4.1-nano） |
| 求职 | Apify（领英+Naukri演员） |
| 前端 | 流式传输 |
| MCP服务器 | FastMCP |
| 环境管理 | 康达/紫外线 |
| 检查器工具 | MCP检查器 |
📃 重要链接
🔫 快速命令摘要
| 任务 | 命令 |
|---|---|
| 创建Conda环境 | conda create -n resume_fetcher_env python=3.10 |
| 激活环境 | conda activate resume_fetcher_env |
| 安装软件包 | pip install -r requirements.txt 或 uv pip install -r requirements.txt |
| 运行应用程序 | streamlit run app.py |
| 运行MCP服务器 | python mcp_server.py |
| 启动MCP检查器 | npx @modelcontextprotocol/inspector python mcp_server.py |
💪 结论
- 使用AI的简历分析器+实时工作提取器🚀
- 完全就绪的MCP工具服务器集成
- 模块化、可扩展且专业的设置
