MCP（Model Context Protocol）サーバーで、jobs-scrapeのコーパスをAIに公開します。
接続すると、Claudeは収集された求人情報を直接照会できます。「ヴォー州で求められているスキルは？」「8月の医療分野のパートタイム求人はいくつある？」「この求人を要約して」など。
uv pip install git+https://github.com/XavierBeheydt/jobs-scrape-mcp.git
claude mcp add jobs-scrape -- uv run jobs-scrape-mcpサーバーはCLIと同じデータベースを読み取ります：
変数 | デフォルト |
|
|
|
|
Related MCP server: mcp-jobs
ツール | 呼び出すタイミング |
| 求人、求められるスキル、観測された給与、企業に関する質問がある場合 |
| 求人を見つけた後に、1件の完全な内容を読む場合 |
| フィルタリング前にコーパスに何が含まれているか（州、企業、出典）を確認する場合 |
| トレンドの質問：最も求められているもの、地域別・出典別 |
| 求人公開数の推移 |
| データベースに何が含まれているかを最初に知るための全体像 |
| データの出所と、期待される出典が欠落している可能性がある理由 |
リソース：jobs://summary と jobs://sources。
MCPツールは結果をモデルのコンテキスト内に返します。20件の求人を完全に返すこと（数万文字）はコンテキストを飽和させ、利益はゼロです。「ジュネーブで求められているスキルは何か」に答えるために、20件の完全な説明を読むことはありません。
このサーバーは単純なルールを適用します：
リスト系ツールは抜粋（320文字）と、関連性を判断するための構造化フィールドを返します；
get_job は1件だけの求人の完全なテキストを返します；
limit は値に関係なく50に制限されます；
各応答は total（一致数）と returned（返された数）を区別し、モデルが一部しか見ていないことを認識できるようにします。
BM25ランキング、ファセット、集計は jobs_scrape.search にあり、プロジェクトの中核を成します。このモジュールはそれらを公開するだけです。検索は一箇所で定義されているため、ウェブインターフェースとMCPサーバーの両方がそれを継承し、ランキングの改善は両方に反映されます。
モデルは説明に基づいてツールを選択します。ツールの機能だけを説明すると、モデルはいつ使うべきかを判断できません。各ツールにはトリガー（「利用可能な求人に関する質問があれば、このツールを呼び出してください」）を明記し、どの説明も不十分にならないことをテストで検証しています。
uv venv
uv pip install git+https://github.com/XavierBeheydt/jobs-scrape.git
uv pip install -e ".[dev]"
uv run pytest -q # hors ligne, base temporaireThis server cannot be deployed
Query professional profiles, search candidates, and get AI-powered summaries and job fit analysis.
AI salary, seniority, remote, visa and skills fields for LinkedIn, Indeed or any jobs dataset.
Semantic search over 3.5M+ live US job postings pulled straight from company ATSes. Read-only.
Resume and CV parsing, candidate matching and ranking for recruiting and ATS AI agents.
