AI导哈

求职追踪MCP服务

一个基于AI聊天交互的求职面试流程追踪服务，通过MCP协议提供结构化工具，帮助用户记录、更新和查询求职申请、面试、联系人和结果。

  • by shayyzhakov
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 shayyzhakov/job-tracker-ai

使用说明

作业跟踪器MCP服务器

一种模型上下文协议（MCP）服务器，用于使用AI驱动的聊天交互来跟踪面试过程。

概述

该服务公开了结构化工具（通过MCP），使用户能够记录、更新和查询他们正在进行的工作申请、面试、联系人和结果——所有这些都是通过与LLM的自然语言对话实现的。在用于快速原型制作和持久存储的Supabase的支持下，它旨在与GPT-Claude等LLM无缝协作。

特性

  • 结构化事件跟踪
    • 应用程序
    • 专访
    • 优惠
    • 后续行动
  • 公司与角色管理
    • 公司简介
    • 角色详细信息和要求
  • 数据管理
    • 薪酬跟踪
    • 接触史
    • 应用程序状态更新
  • 人工智能辅助
    • 情境感知问答
    • 自然语言交互
    • 智能洞察

设计

Job Tracker采用现代、可扩展的架构构建：

后端基础设施

  • Supabase后端
    • PostgreSQL数据库，用于强大的数据存储
    • 数据隐私的行级安全（RLS）
    • 内置身份验证和用户管理

系统组件

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│   LLM Chat   │────>│   MCP Tools  │────>│   Supabase   │
│  Interface   │     │   Server     │     │   Backend    │
└──────────────┘     └──────────────┘     └──────────────┘
  • MCP工具层：公开LLM交互的结构化端点
  • 数据模型:
    • 公司
    • 角色（应用程序）
    • 面试活动
    • 联系人

该系统利用Supabase的无服务器架构，消除了传统后端维护的需要，同时提供了企业级的可靠性和安全性。

如何使用

先决条件

  1. 系统上已安装Node.js
  2. 一个Supabase账户和项目
  3. 您的Supabase项目URL和用户令牌

在AI开发环境中设置

  1. 将以下配置添加到AI代理的MCP服务器配置中：
{
  "mcpServers": {
    "job-tracker": {
      "command": "node",
      "args": ["<path-to-job-tracker>/dist/index.js", "access-token"]
    }
  }
}

替换占位符：

  • <path-to-job-tracker>：已安装作业跟踪器mcp目录的路径
  • <access-token>：您的访问令牌

可用命令

配置后，您可以通过人工智能聊天中的自然语言与工作跟踪器进行交互。示例：

  • “添加我申请的新公司”
  • “为[公司]记录一次新的面试”
  • “更新我在[公司]的申请状态”
  • “显示我即将进行的所有面试”
  • “列出我申请过的所有公司”

人工智能将自动使用适当的MCP工具来管理您的求职数据。

打印日志

日志文件将写入 mcp-tool.log 在用户的主目录中。 要实时查看应用程序的日志，您可以在终端中使用以下命令：

tail -f ~/.config/job-tracker-mcp/mcp-tool.log

相关 MCP