agentic-linkedin

절대 깨지지 않는 LinkedIn MCP.

AI 에이전트에게 사람이 LinkedIn에서 할 수 있는 모든 것을 제공하는 MCP 서버입니다. 원하는 것을 설명하면 에이전트가 실행하고, 사이트를 직접 만질 필요가 없습니다.

• 자가 치유 — 선택자와 엔드포인트가 데이터로 존재하며, LinkedIn이 DOM을 변경하면 검증 가능한 수정 사항이 자동 적용됩니다

• 세션 위생 — 사람과 유사한 페이싱, 쓰기 예산, 상태 프로브, 원활한 재인증; 계정이 잠기는 일이 없습니다

• 신뢰할 수 있는 게시 — 게시 후 검증, 영속화된 중복 제거 키, 자동 재시도 없음: 이중 게시가 발생하지 않습니다

• 인간화된 콘텐츠 — 사용자별 문체 프로필과 AI-tell 감사; 모든 것이 직접 작성한 것처럼 읽힙니다

• 관찰 가능성 — 필드 수준 diff와 렌더링된 미리보기가 포함된 계획 후 실행; 마스킹된 실패 아티팩트

설치

npx agentic-linkedin

Node 20+가 필요합니다. 패키지는 npm에 게시되어 있으며, 저장소는 github.com/DarkLvrd/linkedin-mcp에 있습니다.

Related MCP server: LinkedIn MCP Server

로그인 (1회)

1. MCP 클라이언트(Claude Desktop, Cursor, …)로 서버를 시작합니다.

2. login 도구를 호출합니다. 브라우저 창이 열리면 LinkedIn에 로그인하고 피드로 리디렉션되도록 합니다.

3. 세션은 디스크(~/.agentic-linkedin/session.json)에 저장되며 재시작 후에도 복원됩니다.

신원 정보는 저장소나 실패 아티팩트에 절대 저장되지 않습니다. 쿠키 값은 설계상 모든 로그, 도구 출력, 아티팩트에서 마스킹됩니다.

워크플로: 계획 후 실행

원하는 것을 설명하세요. 에이전트는 의도한 쓰기 작업과 함께 plan을 호출하고 미리보기가 포함된 정렬된 목록을 반환받습니다:

• 프로필 변경은 필드 수준 이전 → 이후 diff를 보여줍니다

• 게시물과 메시지는 AI-tell 감사와 함께 렌더링된 피드 스타일 미리보기를 보여줍니다

• raw 토글은 항상 정확한 인자를 노출합니다

approve로 계획을 승인하기 전에는 아무것도 실행되지 않습니다. reject는 계획을 취소합니다. dry_run은 아무것도 저장하지 않고 미리보기만 제공합니다. 실행 중에도 모든 쓰기는 페이싱 엔진을 통과합니다: 로그인별 예산, 시간당 상한, 사람과 유사한 무작위 지연, 상태 프로브 — 챌린지가 발생하면 엔진은 재인증할 때까지 일시 중지됩니다.

도구

• 세션: session_status, login

• 읽기: get_me, get_profile, get_posts, get_conversations, get_conversation_history, get_connections_summary, get_invitations, get_jobs, get_analytics

• 프로필: update_profile, add_skill, remove_skill, reorder_skills, delete_ghost_entry

• 게시물: create_post, edit_post, delete_post, comment, react

• 메시징: send_message(멱등성 키 기반), recall_message, react_to_message

• 네트워크: connect, respond_invitation, follow, endorse_skill, remove_connection

• 계획: plan, dry_run, approve, reject

• 자가 치유: show_artifact, update_registry

• 문체: get_voice_profile, set_voice_profile, bootstrap_voice_profile, audit_draft

구성 (환경 변수)

개발

npm ci
npm run check   # typecheck + build + full test suite

테스트는 완전히 오프라인으로 실행됩니다: 전송 시임은 페이크로 대체되고, Voyager/SDUI 응답은 기록된 픽스처에서 재생되며, 바이너리는 stdio를 통해 엔드투엔드로 실행됩니다. 실제 LinkedIn 작업은 CI에서 자동화되지 않습니다.

라이선스

MIT — LICENSE를 참조하세요.