领英模型上下文协议（MCP）服务器

一个功能强大的领英交互模型上下文协议服务器，使AI助手能够搜索职位、生成简历和求职信，并管理职位申请。

特性

• 身份验证：安全的领英身份验证及会话管理
• 个人资料管理：访问并更新领英个人资料信息
• 职位搜索：带有灵活过滤选项的职位搜索
• 简历生成：从领英个人资料生成定制化简历
• 求职信生成：为特定工作生成量身定制的求职信
• 职位申请：提交和跟踪职位申请

架构

该项目实现了模型上下文协议（MCP）规范，允许AI助手通过标准化JSON-RPC风格请求与领英交互。

组件:

• MCP处理器：将请求路由到适当的处理程序
• API模块：专门用于领英交互的模块（认证、搜索职位、个人资料等）
• 核心协议：定义请求/响应结构和数据模型
• 工具类：配置管理和辅助函数

安装

# 克隆仓库
git clone https://github.com/yourusername/linkedin-mcp.git
cd linkedin-mcp

# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate  # 在Windows上：venv\Scripts\activate

# 安装依赖项
pip install -r requirements.txt

配置

在项目根目录创建一个.env文件，包含以下变量：

# 领英凭证
LINKEDIN_USERNAME=your_email@example.com
LINKEDIN_PASSWORD=your_password

# API设置
OPENAI_API_KEY=your_openai_api_key
SESSION_DIR=sessions
DATA_DIR=data

使用方法

启动服务器

python server.py

示例MCP请求

身份验证示例：

{
  "id": "123",
  "method": "linkedin.auth.login",
  "params": {
    "username": "your_username",
    "password": "your_password"
  },
  "jsonrpc": "2.0"
}

搜索职位示例：

{
  "id": "456",
  "method": "linkedin.job.search",
  "params": {
    "keywords": "数据分析师",
    "location": "北京"
  },
  "jsonrpc": "2.0"
}

项目结构

linkedin-mcp/
├── README.md                 # 项目文档
├── requirements.txt         # 依赖管理
├── server.py                # 服务器入口
├── config.py                # 配置管理
├── utils/                   # 工具类
│   └── request_handler.py  # 请求处理程序
├── handlers/                # 各种处理器
│   ├── auth_handler.py     # 身份验证处理器
│   └── job_handler.py      # 职位处理器
└── templates/               # 模板文件
    ├── cover_letter/
    │   └── standard.html  # 标准求职信模板
    └── resume/
        └── standard.html  # 标准简历模板

运行测试

pytest

许可证

本项目根据MIT许可证授权，具体细节请参阅LICENSE文件。

鸣谢

• 领英API文档
• 模型上下文协议规范