postulador-mcp
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
postulador-mcp
Servidor MCP para postular a empleos de forma asistida con IA, con un humano aprobando cada envío: Claude evalúa las ofertas contra tu perfil y prepara el CV; tú decides y postulas.
Qué hace y por qué es interesante técnicamente
Servidor MCP con 7 herramientas (perfil, rúbrica, evaluación, cola, estados y CV) sobre el SDK
mcp2.x (MCPServer).Guardrails anti-alucinación: el agente solo puede elegir variantes y bullets que existen en el perfil, referenciados por id. Si inventa uno,
save_evaluationybuild_cvlo rechazan con un error explícito. También rechaza empresas excluidas y puntajes fuera de 0-100.Cola de aprobación en SQLite: cada evaluación pasa por estados (
nueva → aprobada → enviada → entrevista / rechazada / oferta, odescartada).build_cvsolo funciona con postulaciones aprobadas.CV
.docxadaptado por oferta: una columna, amigable con ATS, en español o inglés. Solo reordena y selecciona contenido del perfil; nunca agrega texto nuevo.Dos transportes:
stdio(Claude Desktop / Claude Code local) ystreamable-http(con protección contra DNS rebinding y endpoint/health).Docker y compose con usuario sin privilegios, volúmenes para datos y salidas, y healthcheck.
Tests con pytest y CI en GitHub Actions (Python 3.12).
Related MCP server: zhiro
Flujo
flowchart LR
A[Oferta de empleo] --> B[Claude evalúa<br/>con la rúbrica]
B --> C[save_evaluation<br/>valida bullets y filtros]
C --> D{Aprobación<br/>humana}
D -- aprobada --> E[build_cv<br/>.docx adaptado]
D -- descartada --> X[Fin]
E --> F[Envío manual<br/>por el usuario]
F --> G[update_status<br/>enviada / entrevista / ...]Ejemplo de conversación:
"Evalúa esta oferta con la rúbrica y guárdala" (pegas la oferta).
"Muéstrame la cola" → revisas y dices "apruebo la 3".
"Genera el CV de la 3" → queda en
salidas/. Revísalo y expórtalo a PDF si el portal lo pide.Postulas tú (o con un agente de navegador rellenando, y tú das el clic final).
"Marca la 3 como enviada".
Herramientas MCP
Herramienta | Qué hace |
| Devuelve el perfil (o una sección) |
| Devuelve la rúbrica de puntaje |
| Guarda la evaluación en la cola; rechaza bullets/variantes inexistentes, empresas excluidas y puntajes fuera de rango |
| Lista postulaciones por puntaje y estado |
| Detalle de una postulación |
| Cambia el estado; rechaza estados inválidos |
| Genera el CV |
Estructura
server.py # servidor MCP (herramientas + transportes)
postulador/
perfil.py # carga del perfil + guardrail anti-invención
db.py # cola en SQLite (data/postulaciones.db)
cv.py # generador de CV .docx
data/
perfil.example.yaml # perfil ficticio de ejemplo (estructura de referencia)
perfil.yaml # TU perfil real (ignorado por git)
rubrica.md # criterio de scoring
salidas/ # CVs generados (ignorados por git)
tests/ # pytestProbarlo rápido
git clone https://github.com/diegoscore/postulador-mcp.git
cd postulador-mcp
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r requirements.txtSin data/perfil.yaml, el servidor carga data/perfil.example.yaml (perfil ficticio), así que funciona de inmediato. Para usar el tuyo:
cp data/perfil.example.yaml data/perfil.yaml # y edítalo con tus datosperfil.yaml y postulaciones.db están en .gitignore: tus datos personales no se suben al repo.
Conectarlo a Claude Code
claude mcp add postulador -- /ruta/absoluta/postulador-mcp/.venv/bin/python /ruta/absoluta/postulador-mcp/server.pyConectarlo a Claude Desktop
En Configuración → Desarrollador → Editar configuración:
{
"mcpServers": {
"postulador": {
"command": "/ruta/absoluta/postulador-mcp/.venv/bin/python",
"args": ["/ruta/absoluta/postulador-mcp/server.py"]
}
}
}En Windows la ruta del Python es ...\\.venv\\Scripts\\python.exe. Reinicia Claude Desktop.
Con Docker
La imagen soporta los dos transportes con la variable MCP_TRANSPORT: stdio (por defecto) o streamable-http (lo que usa el compose).
Opción A: servicio HTTP con compose (Claude Code)
docker compose up -d --build
curl http://localhost:8000/health # {"status":"ok"}
claude mcp add --transport http postulador http://localhost:8000/mcp./datay./salidasse montan como volúmenes: editasperfil.yamlen tu carpeta y los CVs aparecen ensalidas/. La base SQLite persiste.El puerto se publica solo en
127.0.0.1. El servidor no tiene autenticación: no lo cambies a0.0.0.0ni lo expongas a internet tal cual.En Linux, si ves errores de permisos en los volúmenes:
UID=$(id -u) docker compose up -d --build.
Opción B: stdio vía docker run (Claude Desktop)
docker build -t postulador-mcp .{
"mcpServers": {
"postulador": {
"command": "docker",
"args": [
"run", "-i", "--rm",
"-v", "/ruta/absoluta/postulador-mcp/data:/app/data",
"-v", "/ruta/absoluta/postulador-mcp/salidas:/app/salidas",
"postulador-mcp"
]
}
}
}Claude Desktop levanta un contenedor por sesión y lo elimina al cerrar (--rm); los datos quedan en tus carpetas montadas.
Tests
pip install -r requirements-dev.txt
pytestLos tests usan data/perfil.example.yaml y una base SQLite temporal: no tocan tus datos reales.
Decisiones de diseño
El servidor no llama a ningún LLM. Claude (el cliente MCP) hace el razonamiento: leer la oferta, puntuarla, elegir variante y bullets. El servidor aporta lo que un LLM hace mal o no debe hacer solo: ser la fuente única de verdad del perfil, persistir estado, validar y generar archivos. Así no hay API keys ni costos de inferencia en el servidor, el modelo es intercambiable (cualquier cliente MCP sirve), y la parte determinista queda testeable sin mocks de LLM.
Los guardrails viven en el servidor, no en el prompt. Una instrucción como "no inventes experiencia" puede fallar; una validación contra el perfil no. Los bullets se eligen por id y el CV solo se compone con texto que ya existe en el perfil.
Aprobación humana obligatoria. Postular es una acción con consecuencias reales (reputación, datos enviados a terceros) y un error no se puede deshacer. Por eso el servidor nunca envía nada, build_cv exige estado aprobada, y update_status documenta que solo se pasa a aprobada o enviada si el usuario lo dijo. La cola en SQLite deja además un registro auditable de cada decisión.
Datos personales fuera del repo. El perfil real y la base están en .gitignore; el repo trae un perfil ficticio para poder clonar y probar.
Mantenimiento
Edita
data/perfil.yamlcuando cambie algo; el servidor lo relee en cadaget_profile.CVs en inglés: cada bullet necesita una clave
en:.build_cvconidioma="en"avisa qué bullets faltan.Tras cada 5-10 evaluaciones, revisa si los puntajes te siguen pareciendo justos y ajusta
rubrica.md.
Próximas fases
Leer alertas de empleo desde Gmail y evaluarlas en lote.
Desplegarlo en la nube con CI/CD y exponerlo por HTTP con autenticación.
Seguimiento automático de respuestas y recordatorios de follow-up.
Licencia
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Auto-Apply That Ends on an Interview. AI job search, tailored resumes, job application tracker.
Job applications done for you: check applications and interviews, get prep, apply to a job by URL.
Auto-apply to jobs: matches your CV, tailors a fresh CV per posting, and applies for you.
Tailored, graded job applications: a CV, cover letter and form answers built per vacancy.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceAutomates cover letter generation and application question answering from job postings via local AI agents. Manages candidate profile and AI humanization rules to produce tailored, humanized application materials.-
- AlicenseNot gradedqualityBmaintenanceEnables an AI agent to research industries and companies, track job postings and deadlines from recruiting sites and spreadsheets, match roles against a personal profile, manage application stages, and fill in application forms up to but not including submission. All data stays in a local folder on the user's machine, with reversible actions and confirmation cards for consequential steps.1MIT
- AlicenseNot gradedqualityBmaintenanceEnables AI agents to discover postings from watched company boards ranked by keyword fit, tailor and fact-check resumes against a source-cited profile, render ATS-readable PDFs, submit applications through the user's own browser, and track replies and follow-ups. All ranking, claim checking and email classification run as plain code, so LLM tokens are spent only on writing.1Apache 2.0
- AlicenseNot gradedqualityBmaintenanceEnables parallel job discovery and form-filling across ATS platforms such as Greenhouse, Lever, Ashby, SmartRecruiters and Workday, defaulting to dry runs and stopping at approval gates before any irreversible step. It supports policy-based filtering, deduplication, and local-first LLM routing so routine fields and generated prose stay on the user's machine, escalating only when necessary.MIT