AI导哈

招聘代理工具

TalentScout-MCP是一款基于模型上下文协议（MCP）的自主招聘代理工具，能够执行复杂的候选人搜索任务、分析就业市场数据并获取专业见解。

  • by Sharan-Kumar-R
  • Python
  • 本地部署
  • 7 星标
  • 更新于
在 GitHub 查看 Sharan-Kumar-R/TalentScout-MCP

使用说明

TalentScout-MCP

TalentScout MCP 是一个基于 **模型上下文协议（MCP）**它弥合了克劳德等大型语言模型（LLMs）与专业网络之间的差距。

通过利用 代理工作流，该工具使人工智能能够执行复杂的候选人招聘任务，分析就业市场数据，并检索专业见解——模拟人类研究人员的工作流程。

特性

  • 搜索候选人：使用“X射线搜索”（通过搜索引擎）查找与特定技能和地点匹配的公共LinkedIn个人资料。
  • 搜索作业：连接到LinkedIn的求职页面以查找活动列表。
  • 剖面检查：检索详细的配置文件信息（如果可用）。

演示

先决条件

  • Python 3.10+
  • LinkedIn帐户（用于Cookie）
  • uv 或 pip 用于安装

安装

  1. 克隆存储库:

    git clone https://github.com/Sharan-Kumar-R/TalentScout-MCP.git
cd TalentScout-MCP

  2. 创建虚拟环境:

    python -m venv venv
# Windows:
venv\Scripts\activate
# Mac/Linux:
source venv/bin/activate

  3. 安装依赖项:

    pip install -r requirements.txt

  4. 配置环境:

    • 重命名 .env.example 到 .env.
    • 打开 .env 并填写您的LinkedIn凭据。
    • 如何获取Cookie（避免2FA/Auth问题的推荐方法）：
      1. 打开浏览器并登录 领英.
      2. 右键单击页面上的任意位置并选择 检查 （或按F12）。
      3. 去 应用 选项卡（Chrome/Edge）或 存储 选项卡（Firefox）。
      4. 在侧边栏中，展开 饼干 并选择 www.linkedin.com.
      5. 查找名为的cookie li_at.复制其 价值 并将其粘贴到 LINKEDIN_LI_AT= 在你的 .env.
      6. 查找名为的cookie JSESSIONID.复制其 价值 （包括引用。， "ajax:...")并将其粘贴到 LINKEDIN_JSESSIONID= 在你的 .env.

用法

1.测试连接

运行附带的测试脚本以验证您的凭据是否正常工作：

python test_credentials.py

2.使用MCP检查器运行

您可以使用 MCP检查员 以交互方式测试服务器和工具。

npx @modelcontextprotocol/inspector python server.py

需要Node.js和npx。

3.独立运行服务器

默认情况下，此服务器在标准输入/输出（stdio）上运行。您可以直接运行它来检查是否存在立即启动错误：

python server.py

注意：服务器将在stdin上等待JSON-RPC消息。这是正常的行为。

4.连接到克劳德桌面

将以下内容添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "hr-agent": {
      "command": "path/to/your/venv/Scripts/python.exe",
      "args": [
        "path/to/your/hr-agent-mcp/server.py"
      ]
    }
  }
}

项目结构

TalentScout-MCP/
├── images/                 # Demo screenshots
├── .env.example           # Template for environment variables
├── .gitignore             # Git ignore rules
├── linkedin_client.py     # Core LinkedIn interaction logic (DuckDuckGo X-Ray & API)
├── README.md              # Project documentation
├── requirements.txt       # Python dependencies
├── server.py              # FastMCP server implementation
└── test_credentials.py    # Script to verify LinkedIn credentials

法律免责声明

此软件用于 仅用于教育和研究目的旨在演示模型上下文协议（MCP）和代理工作流的功能。

  • 不隶属于LinkedIn：此工具是一个独立项目，未得到领英公司的认可或与领英公司无关。
  • 用户责任：使用本软件即表示您同意遵守所有适用的服务条款。开发人员对因使用此工具而导致的帐户限制或禁令不承担任何责任。
  • 速率限制：负责任地使用此工具，并严格遵守道德刮擦指南。

安全说明

此工具使用您的个人LinkedIn Cookie。不要分享你的 .env 文件。如果过度使用，在LinkedIn上使用自动化会带来临时帐户限制的风险。负责任地使用。

贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 进行更改
  4. 如果适用，添加测试
  5. 提交拉取请求

如有任何疑问，请留言或通过我个人资料中提供的电子邮件与我联系。

⭐ Star this repository if you found it helpful!

相关 MCP