MCP Job Radar

English · Português

一个安全、只读的 Model Context Protocol 服务器，用于职位发现和可解释的匹配。

职位描述可能包含提示注入、命令、秘密请求和恶意链接。该服务器向 AI 主机暴露职位搜索能力，而不会将不可信的列表变成指令通道。每个工具都是类型化、有界、可审计、只读的，并通过真实的进程内 MCP 客户端进行测试。

审阅者可以在三分钟内验证的内容

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

该演示将一个官方 MCP 客户端连接到服务器，通过 tools/list 发现工具，调用 search_jobs，并打印其结构化结果。测试覆盖工具发现、JSON Schema、确定性排序、类型化错误、超时、重试、熔断和对抗性内容。

Related MCP server: LinkedIn Jobs MCP Server

工具

所有输入和输出都使用严格的 Pydantic 模型。无效、缺失、重复或过量的输入会产生稳定的机器可读错误，而不是实现回溯。

架构

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

MCP 适配器不包含排序逻辑。应用服务拥有用例，安全网关拥有信任边界，仓库拥有源韧性。这种分离使协议可替换，关键策略可独立测试。

阅读完整的架构和威胁模型以及对抗性测试矩阵。

安全控制

• 职位描述在进入代理上下文之前会被限制、规范化、扫描和编辑。

• 提示注入短语、秘密请求、命令和嵌入 URL 会成为明确的发现项。

• 列表 URL 必须使用公共 HTTPS，不能包含凭据或指向本地/私有主机。

• 结果数量和批次 ID 上限为 25。

• 源访问具有超时、有界重试和进程内熔断器。

• 审计事件包含工具名称、状态、持续时间和错误类型，绝不包含参数或结果主体。

• 有意不提供命令执行、任意抓取、本地文件读取、自动申请或持久化导出能力。

示例请求

{
  "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
}

结果携带数值分数以及正面信号和明确的权衡。解释由相同的评分函数生成，因此它们不会偏离排序。

作为 MCP 服务器运行

默认传输是 stdio：

uv run mcp-job-radar

示例主机配置：

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

该项目使用官方 Python SDK v2 及其当前的 MCP 2026-07-28 协议线。自动化集成测试使用 Client(mcp)（SDK 的进程内客户端），而不是直接调用 Python 函数。

与 radar-de-vagas 的关系

radar-de-vagas 负责从六个公共源摄取、两层相关性过滤、规范化、全局去重和优先级排序。mcp-job-radar 增加了面向代理的契约和安全边界。其检入的规范化数据集使测试具有确定性，并使 CI 独立于抓取、凭据、速率限制和第三方中断。

可测量的行为

验收套件验证：

• 恰好四个可发现的 MCP 工具；

• 结构化的 MCP 结果和生成的输入模式；

• 可重复的排序和匹配解释；

• 所有定义的敌对内容类别都被编辑；

• 不安全的 URL 类别被拒绝；

• 格式错误和缓慢的源作为类型化的可重试失败返回；

• 无自动申请或持久化写入表面。

覆盖率在 CI 中强制执行 85%。README 仅报告仓库断言的的行为，而非生产流量或合成的业务准确性声明。

验证驱动的调整

• 在集成测试验证了移动的 ToolError 边界和类型化的 list_tools() 响应信封后，实现与已安装的 MCP SDK v2 API 对齐。

• 在检查构建的 wheel 后，规范化夹具被移入 Python 包内。这防止了仅从可编辑源检出才能工作的演示。

• 只读、非破坏性、幂等和封闭世界的注解在所有四个发现的工具上被断言，因此发布的元数据被检查而不仅仅是记录。

限制和后续步骤

• 演示数据是合成的且已规范化。它证明了代理边界，而非实时源可用性。

• 排序是基于词汇和策略的；语义等价和职业细微差别仍不在 v0.1 范围内。

• 熔断器是进程本地的。分布式部署需要共享状态和指标。

• 实时适配器应消费来自 radar-de-vagas 的版本化规范化输出，而不是导入其脚本或复制特定源的抓取。

• 身份验证和 Streamable HTTP 部署有意不在这个本地 stdio 演示中。只有在将服务器暴露给可信主机之外时才需要它们。

AI 辅助披露

该仓库是使用 AI 辅助实现和审查开发的。架构、安全声明、测试、限制和发布的工件都对照可执行行为进行了检查。作者责任和最终技术决策仍由 Raphael Caveagna 承担。