薪资 MCP 服务器（salary-mcp）

一个 Model Context Protocol (MCP) 服务器，为 LLM 提供对来自 Djinni (djinni.co) 和 DOU (jobs.dou.ua/salaries/) 的实际公开 IT 市场薪资基准的直接编程访问。

⚡ 快速开始（已发布的 PyPI 包）

salary-mcp 已发布在 PyPI 上，无需手动克隆仓库即可立即运行。

1. 通过 Stdio 运行（默认）

面向桌面 AI 客户端（Claude Desktop、Cursor、Antigravity、Zed）的标准输入/输出通信：

# Instant run with uvx (no installation needed)
uvx salary-mcp

# Or with pipx
pipx run salary-mcp

# Or install via pip
pip install salary-mcp
salary-mcp

2. 通过 HTTP / SSE 运行（远程服务器）

服务端推送事件（SSE）模式，适用于远程部署、容器和 Web 客户端：

# Start SSE HTTP server on port 8000
uvx salary-mcp --transport sse --host 0.0.0.0 --port 8000

您的 MCP 客户端可以连接到：http://localhost:8000/sse

Related MCP server: PayHub MCP Server

🔌 MCP 客户端配置

Claude Desktop (claude_desktop_config.json)

Stdio 模式（推荐）：

{
  "mcpServers": {
    "salary-mcp": {
      "command": "uvx",
      "args": ["salary-mcp"]
    }
  }
}

HTTP / SSE 模式：

{
  "mcpServers": {
    "salary-mcp": {
      "url": "http://localhost:8000/sse"
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "salary-mcp": {
      "command": "uvx",
      "args": ["salary-mcp"]
    }
  }
}

🌐 数据来源与提取架构

该服务器仅从 Djinni 和 DOU 的实时官方门户获取数据：

1. Djinni (https://djinni.co/salaries/)

• 端点格式：https://djinni.co/salaries/?category={category}&exp={exp}&english_level={level}

• 提取方式：实时按需抓取 Djinni 滚动 30 天的平台招聘指标。

• 提取的数据：

  • 候选人预期：第 25 至第 75 百分位的薪资预期以及计算得出的中位数。

  • 企业职位：活跃招聘帖中的薪资范围。

  • 市场动态：在线活跃候选人和开放职位的实时计数器。

  • 薪资分布：直接从内嵌图表数据解析出的完整薪资分箱直方图。

2. DOU (https://jobs.dou.ua/salaries/)

• 端点来源：由 https://jobs.dou.ua/salaries/ 直接加载的主部件数据集（https://s.dou.ua/files/lenta/salary-widget_jun_2026_v3/data/swd-medians.csv）。

• 提取方式：提取官方的统计四分位数（$q1$、$median$、$q3$）、受访者样本量（$count$）和资历级别（$title$）。

• 历史数据支持：支持通过 as_of_date 参数查询特定的历史调查波次（例如 '2025-12'、'2026-06'），默认使用最新的可用波次。

❓ 为什么 DOU 提供方数据可能与网站 UI 视图不同

通过 salary-mcp 查询 DOU 时，您可能会偶尔注意到返回的统计数据与 jobs.dou.ua/salaries/ 交互式界面中呈现的内容之间存在细微差异：

1. 前端样本量阈值：

   • 在公开网站上，DOU 的图表脚本通常会应用最小样本量阈值（通常为 $\ge 15-20$ 名受访者）。

   • 当某个特定经验区间受访者较少时（例如 Data Science 方向 9 年经验仅有 $11$ 名受访者），网站图表会将该柱状条隐藏或置灰，并显示为 "Недостатньо анкет"（数据不足）。

   • 底层的 DOU 分析数据集会保留这些受访者的精确计算中位数，salary-mcp 会准确地返回该值。

2. 分类聚合与特定职位筛选：

   • 在网页界面上选择宽泛的分类（例如 "Data & Analytics" 或 "Management"）会将所有子角色汇总在一起。

   • 特定职位查询（例如 Middle Data Scientist 或 Junior HR Specialist）会匹配数据集中对应的具体职位层级。

3. 调查波次发布：

   • 默认情况下，salary-mcp 始终选择最近的官方调查波次（例如 2026-06）。如果网站用户界面显示的是较早的波次或不同的文章，指定 as_of_date 可确保完全对齐。

🛠️ MCP 工具参考

get_djinni_salaries

从 Djinni 获取实时的候选人薪资预期和职位薪资分布。

• 参数：

  • role (string, 必填)：目标职位（例如 "Software Engineer"、"QA"、"DevOps"、"HR"）。

  • specialization (string, 可选)：技术或领域（例如 "Python"、"React"、"HR"）。

  • experience_years (integer, 可选)：工作年限（例如 0、2、5）。

  • english_level (string, 可选)：英语水平（例如 "intermediate"、"advanced"）。

get_dou_salaries

从 DOU 获取官方的薪资调查基准和百分位数。

• 参数：

  • role (string, 必填)：职位或类别（例如 "Software Engineer"、"Data Science"）。

  • specialization (string, 可选)：语言或子角色（例如 "Python"、"Data Scientist"）。

  • experience_years (integer, 可选)：专业工作年限。

  • seniority (string, 可选)：职级层级（"Junior"、"Middle"、"Senior"、"Lead"、"Architect"）。

  • city (string, 可选)：地点筛选（例如 "Kyiv"、"Lviv"、"Remote"）。

  • as_of_date (string, 可选)：调查日期，格式为 YYYY-MM（例如 "2025-12"、"2026-06"）。默认为最新。

compare_salaries

并排比较 Djinni 与 DOU 之间的薪资基准，并进行差异分析。

• 参数：

  • role (string, 必填)：目标职位。

  • specialization (string, 可选)：技术或专业方向。

  • experience_years (integer, 可选)：工作年限。

  • seniority (string, 可选)：用于 DOU 匹配的职级。

  • as_of_date (string, 可选)：用于 DOU 对比的目标调查日期。

list_specializations

列出可用的职位、技术、职级、城市和历史调查日期。

• 参数：

  • provider (string, 可选)：选择范围（"all"、"djinni"、"dou"）。默认为 "all"。

🛠️ 本地开发

# Clone and install dependencies
git clone https://github.com/propsi4/salary-mcp.git
cd salary-mcp
poetry install

# Run test suite
poetry run pytest

# Run linter and type checks
poetry run ruff check . --fix
poetry run ruff format .
poetry run mypy src tests

📄 许可证

MIT 许可证。详见 LICENSE。