MCP Job Radar

English · Português

Ein sicherer, schreibgeschützter Model Context Protocol-Server für Jobsuche und erklärbares Matching.

Stellenbeschreibungen können Prompt-Injection, Befehle, geheime Anfragen und bösartige Links enthalten. Dieser Server stellt KI-Hosts Jobsuch-Fähigkeiten bereit, ohne unvertrauenswürdige Einträge in einen Befehls- bzw. Anweisungskanal zu verwandeln. Jedes Tool ist typisiert, begrenzt, geprüft, schreibgeschützt und wird über einen echten In-Memory-MCP-Client getestet.

Was ein Prüfer in drei Minuten verifizieren kann

uv sync --extra dev
uv run pytest
uv run mcp-job-radar-demo

Die Demo verbindet einen offiziellen MCP-Client mit dem Server, entdeckt die Tools über tools/list, ruft search_jobs auf und gibt das strukturierte Ergebnis aus. Tests decken Tool-Entdeckung, JSON-Schema, deterministisches Ranking, typisierte Fehler, Timeouts, Wiederholungsversuche, Circuit-Breaking und adversariale Inhalte ab.

Related MCP server: LinkedIn Jobs MCP Server

Tools

Alle Eingaben und Ausgaben verwenden strikte Pydantic-Modelle. Ungültige, fehlende, doppelte oder übermäßige Eingaben erzeugen einen stabilen maschinenlesbaren Fehler anstelle eines Implementierungs-Tracebacks.

Architektur

flowchart LR
    H[AI host] -->|MCP| M[MCP adapter]
    M --> A[Safe audit boundary]
    A --> S[Typed job service]
    S --> R[Deterministic ranker]
    S --> G[Untrusted-content gateway]
    S --> D[Timeout, retry, circuit breaker]
    D --> F[(Normalized fixtures)]
    G -->|bounded and redacted| M

Der MCP-Adapter enthält keine Ranking-Logik. Der Anwendungsdienst besitzt die Anwendungsfälle, das Sicherheits-Gateway die Vertrauensgrenze und das Repository die Quellenresilienz. Diese Trennung hält das Protokoll austauschbar und die kritischen Richtlinien unabhängig testbar.

Lesen Sie das vollständige Architektur- und Bedrohungsmodell und die adversariale Testmatrix.

Sicherheitskontrollen

• Stellenbeschreibungen werden begrenzt, normalisiert, gescannt und geschwärzt, bevor sie in den Agentenkontext gelangen.

• Prompt-Injection-Phrasen, Geheimnisanfragen, Befehle und eingebettete URLs werden zu expliziten Befunden.

• Auflistungs-URLs müssen öffentliches HTTPS verwenden und dürfen keine Anmeldeinformationen enthalten oder auf lokale/private Hosts zielen.

• Ergebnisanzahl und Batch-IDs sind auf 25 begrenzt.

• Der Quellzugriff hat ein Timeout, begrenzte Wiederholungsversuche und einen prozessinternen Circuit Breaker.

• Audit-Ereignisse enthalten Tool-Name, Status, Dauer und Fehlertyp, niemals Argumente oder Ergebnisinhalte.

• Es gibt bewusst keine Befehlsausführung, kein beliebiges Abrufen, kein Lesen lokaler Dateien, keine automatische Bewerbung und keine persistente Exportfunktion.

Beispielanfrage

{
  "job_ids": ["remoteok-1001", "remotive-3003"],
  "profile": {
    "target_titles": ["AI Engineer", "AI Solutions Architect"],
    "skills": ["Python", "RAG", "LLM", "MCP"],
    "remote_required": true,
    "seniority": "senior",
    "minimum_salary_brl": 20000
  },
  "limit": 10
}

Das Ergebnis enthält eine numerische Punktzahl sowie positive Signale und explizite Abwägungen. Erklärungen werden von derselben Scoring-Funktion erzeugt, sodass sie nicht vom Ranking abweichen können.

Als MCP-Server ausführen

Der Standardtransport ist stdio:

uv run mcp-job-radar

Beispielkonfiguration für den Host:

{
  "mcpServers": {
    "job-radar": {
      "command": "uv",
      "args": ["--directory", "ABSOLUTE_PATH_TO_REPOSITORY", "run", "mcp-job-radar"]
    }
  }
}

Das Projekt verwendet das offizielle Python-SDK v2 und dessen aktuelle MCP-Protokolllinie vom 2026-07-28. Der automatisierte Integrationstest verwendet Client(mcp), den In-Memory-Client des SDK, anstatt Python-Funktionen direkt aufzurufen.

Beziehung zu radar-de-vagas

radar-de-vagas besitzt die Erfassung aus sechs öffentlichen Quellen, die zweischichtige Relevanzfilterung, Normalisierung, globale Deduplizierung und Prioritätsreihenfolge. mcp-job-radar fügt den agentenorientierten Vertrag und die Sicherheitsgrenze hinzu. Sein eingecheckter normalisierter Datensatz macht Tests deterministisch und hält CI unabhängig von Scraping, Anmeldeinformationen, Ratenlimits und Ausfällen von Drittanbietern.

Gemessenes Verhalten

Die Akzeptanzsuite verifiziert:

• genau vier auffindbare MCP-Tools;

• strukturierte MCP-Ergebnisse und generierte Eingabeschemata;

• wiederholbare Ranking- und Matching-Erklärungen;

• alle definierten feindlichen Inhaltsklassen geschwärzt;

• unsichere URL-Klassen abgelehnt;

• fehlerhafte und langsame Quellen als typisierte, wiederholbare Fehler zurückgegeben;

• keine Oberfläche für automatische Bewerbungen oder persistente Schreibvorgänge.

Die Abdeckung wird in CI bei 85% erzwungen. Die README berichtet nur über Verhaltensweisen, die vom Repository bestätigt werden, nicht über Produktionsverkehr oder synthetische Geschäftsgenauigkeitsbehauptungen.

Verifikationsgetriebene Anpassungen

• Die Implementierung wurde an die installierte MCP-SDK-v2-API angepasst, nachdem ein Integrationstest die verschobene ToolError-Grenze und den typisierten list_tools()-Antwortenvelope verifiziert hatte.

• Die normalisierte Fixture wurde nach der Inspektion des gebauten Wheels in das Python-Paket verschoben. Dies verhindert eine Demo, die nur aus einem bearbeitbaren Quellcode-Checkout funktioniert.

• Schreibgeschützte, nicht destruktive, idempotente und geschlossene Welt-Annotationen werden auf allen vier entdeckten Tools bestätigt, sodass die veröffentlichten Metadaten überprüft statt nur dokumentiert werden.

Einschränkungen und nächste Schritte

• Die Demodaten sind synthetisch und normalisiert. Sie beweisen die Agentengrenze, nicht die Verfügbarkeit von Live-Quellen.

• Das Ranking ist lexikalisch und richtlinienbasiert; semantische Äquivalenz und Karrierenuancen liegen außerhalb von v0.1.

• Der Circuit Breaker ist prozesslokal. Ein verteiltes Deployment würde gemeinsamen Zustand und Metriken erfordern.

• Ein Live-Adapter sollte eine versionierte normalisierte Ausgabe von radar-de-vagas konsumieren, nicht dessen Skript importieren oder quellenspezifisches Scraping duplizieren.

• Authentifizierung und Streamable-HTTP-Bereitstellung sind in dieser lokalen stdio-Demonstration bewusst weggelassen. Sie werden erst notwendig, wenn der Server über einen vertrauenswürdigen Host hinaus exponiert wird.

Offenlegung der KI-Unterstützung

Das Repository wurde mit KI-gestützter Implementierung und Überprüfung entwickelt. Architektur, Sicherheitsbehauptungen, Tests, Einschränkungen und veröffentlichte Artefakte wurden gegen ausführbares Verhalten geprüft. Die Verantwortung für die Autorenschaft und die endgültigen technischen Entscheidungen liegen bei Raphael Caveagna.