Движок рекомендаций вакансий на базе ИИ и MCP

AI-движок рекомендаций вакансий и сопоставления резюме, интегрированный с Model Context Protocol (MCP). Эта система предоставляет стандартизированные MCP-инструменты, позволяющие AI-агентам и ассистентам (таким как Claude, Antigravity или пользовательские LLM) без труда запрашивать рекомендации по вакансиям, анализировать профили кандидатов, вычислять показатели семантического соответствия навыков и выполнять автоматизированный подбор карьерных вариантов.

🌟 Ключевые возможности

• Сервер Model Context Protocol (MCP): Предоставляет стандартизированные инструменты (recommend_jobs, match_skills, parse_resume, filter_jobs_by_location).

• Семантическое сопоставление навыков: Использует эмбеддинги Transformer и косинусную близость для сопоставления опыта кандидата с описаниями вакансий.

• Анализ недостающих навыков кандидата: Выявляет отсутствующие ключевые навыки и предлагает персонализированные пути обучения.

• Интерактивная UI-панель: Создана с помощью Streamlit для загрузки профилей кандидатов и фильтрации рекомендаций в реальном времени.

Related MCP server: LinkedIn MCP

🚀 Технологический стек

• Протокол: Model Context Protocol (MCP Python SDK)

• ИИ и NLP: LangChain, SentenceTransformers, Scikit-Learn, PyTorch

• API и интерфейс: FastAPI, Streamlit, Pandas, NumPy

📁 Структура репозитория

MCP-Powered-AI-Job-Recommendation-Engine/
├── mcp_server/
│   ├── __init__.py
│   ├── server.py              # MCP Server implementation & tool definitions
│   └── tools.py               # Recommendation tool implementations
├── engine/
│   ├── __init__.py
│   ├── resume_parser.py       # Resume skill extraction engine
│   ├── matcher.py             # Semantic similarity & fit score calculator
│   └── job_database.py        # Job listings & metadata store
├── frontend/
│   ├── app.py                 # Streamlit UI dashboard
├── data/                      # Sample resumes & job description datasets
├── notebooks/                 # Experimentation & embedding evaluation
├── tests/                     # Unit test suites for MCP tools & matcher
├── requirements.txt           # Dependency manifest
└── README.md                  # Project documentation

🛠️ Начало работы

1. Клонируйте репозиторий

git clone https://github.com/Devashishpandey1103/MCP-Powered-AI-Job-Recommendation-Engine.git
cd MCP-Powered-AI-Job-Recommendation-Engine

2. Настройте окружение и установите зависимости

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

pip install -r requirements.txt

3. Запустите MCP-сервер и веб-приложение

# Start the MCP Server (stdio / SSE transport)
python mcp_server/server.py

# Start the Streamlit Dashboard
streamlit run frontend/app.py

Разработано в рамках Advanced AI Systems & Model Context Protocol Portfolio.