LinkedIn 个人资料分析器 MCP
一个强大的 LinkedIn 个人资料分析器 MCP（机器控制协议）服务器，可与 LinkedIn 的 API 交互，以获取、分析和管理 LinkedIn 帖子数据。此 MCP 专为与 Claude AI 配合使用而设计。
特征
- 获取并存储任何公开个人资料的 LinkedIn 帖子
- 使用关键字过滤搜索帖子
- 根据参与度指标获取表现最佳的帖子
- 按日期范围过滤帖子
- 分页访问存储的帖子
- 轻松与 Claude AI 集成
先决条件
- Python 3.7+
- LinkedIn 数据 API 的 RapidAPI 密钥
- 克劳德人工智能访问
入门
1. 获取 RapidAPI 密钥
- 访问RapidAPI 上的 LinkedIn 数据 API
- 注册或登录 RapidAPI
- 订阅 LinkedIn 数据 API
- 从仪表板复制您的 RapidAPI 密钥
2.安装
- 克隆存储库：
git clone https://github.com/rugvedp/linkedin-mcp.git
cd linkedin-mcp
- 安装依赖项：
pip install -r requirements.txt
- 设置环境变量：
- 创建
.env文件 - 添加您的 RapidAPI 密钥：
RAPIDAPI_KEY=your_rapidapi_key_here
项目结构
linkedin-mcp/
├── main.py # Main MCP server implementation
├── mcp.json # MCP configuration file
├── requirements.txt # Python dependencies
├── .env # Environment variables
└── README.md # Documentation
MCP 配置
mcp.json文件配置 LinkedIn MCP 服务器：
{
"mcpServers": {
"LinkedIn Updated": {
"command": "uv",
"args": [
"run",
"--with",
"mcp[cli]",
"mcp",
"run",
"path/to/your/script.py"
]
}
}
}
确保更新args中的路径以匹配您的本地文件位置。
可用工具
1. 获取并保存 LinkedIn 帖子
获取给定用户名的 LinkedIn 帖子并将其保存在本地。
fetch_and_save_linkedin_posts(username: str) -> str
2. 获取已保存的帖子
检索已保存的帖子并支持分页。
get_saved_posts(start: int = 0, limit: int = 10) -> dict
3. 搜索帖子
搜索特定关键词的帖子。
search_posts(keyword: str) -> dict
4. 获取热门帖子
根据参与度指标返回表现最佳的帖子。
get_top_posts(metric: str = "Like Count", top_n: int = 5) -> dict
5. 按日期获取帖子
过滤指定日期范围内的帖子。
get_posts_by_date(start_date: str, end_date: str) -> dict
与 Claude 一起使用
- 在与 Claude 的对话中初始化 MCP 服务器
- 通过自然语言命令使用可用的工具
- Claude 将帮助您使用这些工具与 LinkedIn 数据进行交互
API 集成
该项目使用 LinkedIn 数据 API 的以下端点：
GET /get-profile-posts ：从 LinkedIn 个人资料中获取帖子- 基本网址：
https://linkedin-data-api.p.rapidapi.com - 必需的标头：
x-rapidapi-key ：您的 RapidAPI 密钥x-rapidapi-host : linkedin-data-api.p.rapidapi.com
贡献
- 分叉存储库
- 创建你的功能分支（
git checkout -b feature/amazing-feature ） - 提交您的更改（
git commit -m 'Add amazing feature' ） - 推送到分支（
git push origin feature/amazing-feature ） - 打开拉取请求
执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。
作者
鲁格维德·帕蒂尔
存储库
linkedin-mcp
致谢
- RapidAPI，提供 LinkedIn 数据访问
- 人类学为克劳德的人工智能能力