使用说明
🧠 求职代理--MCP服务器
Bright Data和Nebius AI Studio的求职代理
一个强大的AI驱动的求职代理，可以分析LinkedIn个人资料，并使用 明亮的数据 用于网页抓取和 Nebius人工智能工作室 用于智能分析。
🚀 特性
🔍 LinkedIn个人资料分析
- 专业经验和职业发展
- 教育和认证
- 核心技能和专业知识
- 行业声誉
🧠 智能工作匹配
- 领域分类（软件工程、设计、产品管理等）
- Y Combinator工作板整合
- 个性化工作推荐
- 直接应用程序链接
💻 现代Web界面
- 实时分析
- 交互式结果显示
- 进度跟踪
- 错误处理
📽️ 它是如何工作的（GIF演示）
⚙️ 先决条件
在运行此项目之前，请确保您已经：
- Python 3.10或更高版本
- A. 明亮的数据 帐户和API凭据
- A. Nebius人工智能工作室 帐户和API密钥
📁 项目结构
job_finder_agent/
├── app.py # Streamlit web interface
├── job_agents.py # AI agent definitions and analysis logic
├── mcp_server.py # Bright Data MCP server management
├── requirements.txt # Python dependencies
├── assets/ # Static assets (images, GIFs)
└── .env # Environment variables (create this)
🛠️ 安装
# Clone the repository
git clone https://github.com/your-username/Job-finder-Agent--MCP-Server.git
cd Job-finder-Agent--MCP-Server
# Create a virtual environment
python -m venv venv
# Activate the environment
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate
# Install dependencies
pip install -r requirements.txt
🔐 配置
创建一个 .env 根目录中的文件：
NEBIUS_API_KEY=your_nebius_api_key
BRIGHT_DATA_API_KEY=your_bright_data_api_key
BROWSER_AUTH=your_browser_auth
▶️ 用法
streamlit run app.py
然后打开浏览器 http://localhost:8501 以及：
- 在侧栏中输入您的Nebius API密钥
- 输入LinkedIn个人资料URL
- 点击 “分析配置文件”
- 等待结果显示
🧬 工作原理（逻辑流程）
- 配置文件分析：从领英提取经验、技能和教育
- 领域分类：使用AI对用户字段进行分类
- 工作匹配：搜索YC创业板
- URL处理：清理和准备工作申请链接
- 摘要生成：提交详细的最终报告
🧪 技术亮点
- 内置于 溪流 对于UI
- 异步处理
asyncio - 刮擦动力由 明亮数据MCP
- 通过以下方式提供的AI模型 Nebius Ai Studio（火焰3.3 70b）
- 内置错误处理和日志记录
🤝 贡献
欢迎投稿！
请随时提交拉取请求或打开问题。
🙏 致谢
- 明亮的数据 –网络抓取和数据管道
- Nebius人工智能工作室 生成式人工智能推理
- 溪流 –快速应用程序开发框架
