LinkedIn MCP

这个 MCP 服务器通过 DevTools 协议驱动一个真实的 Chrome 窗口，让 AI 助手能够搜索 LinkedIn 职位并读取 LinkedIn 个人资料。

它是只读的。这里没有任何工具可以建立连接、发送消息、表示认可、发布内容或申请职位——这不是靠某个设置，而是因为实现这些功能的代码根本不存在。这是刻意划出的一条界线：LinkedIn 对自动化写入的处理远比自动化读取严厉，而把两者混在一起正是账号遭到限制的原因。

工具

Related MCP server: LinkedIn Sales & Navigator MCP Server

安装

需要 Python 3.12+、uv 和 Google Chrome。

git clone https://github.com/TSS99/linkedin-mcp.git
cd linkedin-mcp
uv sync

登录一次。这会打开一个 Chrome 窗口，等待你手动登录——脚本绝不会输入凭据，因为 LinkedIn 会拦截脚本化的凭据输入：

uv run linkedin-mcp --login

会话持久保存在 ~/.linkedin-mcp/chrome-profile 中。你可以随时用 uv run linkedin-mcp --check 检查它，或者用 uv run linkedin-mcp --logout 清除它。

它驱动哪个 Chrome 配置文件

默认情况下，服务器会打开一个属于它自己的一次性配置文件。那个窗口看起来是全新的——没有书签、没有扩展，除了 LinkedIn 之外没有登录任何东西。这正是关键所在：服务器只能看到 LinkedIn。

如果你更希望它驱动你日常使用的 Chrome，从而复用你已有的 LinkedIn 会话，并且不打开陌生的窗口，请设置：

LINKEDIN_MCP_PROFILE_DIR=system

或者显式地把它指向任意配置文件目录。在 MCP 客户端配置中，这放在 env 块里：

{
  "mcpServers": {
    "linkedin": {
      "command": "uv",
      "args": ["--directory", "/path/to/linkedin-mcp", "run", "linkedin-mcp"],
      "env": { "LINKEDIN_MCP_PROFILE_DIR": "system" }
    }
  }
}

在这样做之前，有两件事需要明白：

你仍然需要重启一次 Chrome。 --remote-debugging-port 只在启动时生效；它无法对已经运行的进程开启。所以，无论配置文件怎么设置，当前已经打开的 Chrome 永远无法被附加。请彻底退出 Chrome（Cmd+Q，而不只是关闭窗口），然后让服务器来启动它，或者用 --login 打印出的命令自己启动它。

调试端口并非 LinkedIn 专属。 任何能够访问 127.0.0.1:9224 的东西，都可以驱动那个 Chrome 中的每一个标签页，并读取其中的每一个会话——你的邮件、你的银行、所有这一切——而不仅仅是 LinkedIn。在隔离的配置文件里，没有其他东西可被访问；在你日常使用的配置文件里，什么都可以被访问。只在你信任的机器上这样运行，并在用完后关闭调试 Chrome。

--logout 拒绝删除并非由它创建的配置文件，所以把它指向你真实的 Chrome，不会抹掉你的浏览器状态。

配置

添加到你的 MCP 客户端配置中（参见 mcp-config.example.json）：

{
  "mcpServers": {
    "linkedin": {
      "command": "uv",
      "args": ["--directory", "/path/to/linkedin-mcp", "run", "linkedin-mcp"]
    }
  }
}

对于 Claude Code：claude mcp add linkedin -- uv --directory /path/to/linkedin-mcp run linkedin-mcp

工作原理及其原因

CDP 对接真实 Chrome 配置文件，而不是启动的浏览器。 Playwright 自带的 Chromium 会在十几种 LinkedIn 会检查的方面暴露自己。附加到你亲自登录过的真实 Chrome 上，才能让浏览器指纹和 Cookie 保持真实可信。服务器运行在调试端口 9224 上，因此可以与 9222/9223 上其他由浏览器驱动的 MCP 服务器共存。

导航会控制节奏。 LinkedIn 的限流不仅看请求量，还看请求节奏，所以 goto 会强制一个带抖动的最小间隔。长时间的研究性运行会比本可以的速度更慢——这是故意的。

LinkedIn DOM 中的每个字符串都会出现两次——一次可见，一次在供屏幕阅读器使用的 visually-hidden span 中——因此原始的 innerText 读起来是“Acme Corp\nAcme Corp”。dedupe_lines 会折叠连续重复的内容；没有它，解析出的每个字段都会翻倍。

选择器是有序的回退列表。 LinkedIn 的类名经过混淆，而且经常改名。只要可能，解析器就会锚定在那些在类名变动中存活下来的东西上——data-occludable-job-id 属性、稳定的 div#experience 锚点 id——并在必要时退而根据卡片文本的行序进行解析，而不是依赖逐字段的钩子。

一次失败的抓取绝不会返回空结果。 每个工具都被包装过，因此当锚点缺失时，会返回 {"status": "error", "error_type": "stale_selector", ...}，并指明选择器和 URL。如果把 [] 交给 LLM，它会满怀信心地报告“没有找到职位”；这可以让工具故障与真正的空结果区分开来。

测试

uv run pytest

测试覆盖纯解析器——URL/筛选条件构造、卡片解析、个人资料条目解析、行去重——针对的是与 LinkedIn DOM 实际产出形状一致的 fixtures。它们不需要浏览器，也不需要网络。

当它出错时

它一定会出错。LinkedIn 会不断发布标记结构变更，而爬虫本质上是对别人 HTML 的一种猜测。你最终会遇到 stale_selector 错误；修复方法通常是在 tools/jobs.py 或 tools/profiles.py 的选择器列表中再加一项，并在 tests/test_parsers.py 中补充一个 fixture。

如果你遇到返回 auth_required 并带 checkpoint URL 的情况，说明 LinkedIn 需要真人：打开 Chrome 窗口，完成人机验证，然后重试。

关于使用条款

无论实现多么谨慎，自动化访问都违反 LinkedIn 的用户协议，而且 LinkedIn 确实会因此限制账号。这是一个个人研究工具；只读设计和有节奏的请求可以降低风险，但无法消除它，而你所指向的那个账号正是承担这一风险的账号。请自行判断。

许可证

Apache-2.0