MCP(Model Context Protocol) 서버로, jobs-scrape 코퍼스를 AI에 노출합니다.
연결되면 Claude는 수집된 채용 공고를 직접 조회할 수 있습니다. "보주 주에서 요구되는 역량은 무엇인가요?", "8월에 건강 분야의 파트타임 공고는 몇 건인가요?", "이 공고를 요약해 주세요."
uv pip install git+https://github.com/XavierBeheydt/jobs-scrape-mcp.git
claude mcp add jobs-scrape -- uv run jobs-scrape-mcp서버는 CLI와 동일한 데이터베이스를 읽습니다:
변수 | 기본값 |
|
|
|
|
Related MCP server: mcp-jobs
도구 | 호출 시점 |
| 채용 공고, 요구 역량, 관찰된 급여, 기업 활동에 관한 모든 질문 |
| 하나의 공고를 찾은 후 전체 내용 읽기 |
| 필터링 전에 코퍼스 내용 파악(칸톤, 기업, 출처) |
| 트렌드 질문: 지역 또는 출처별로 가장 많이 요구되는 역량 |
| 일별 게시된 공고 수 |
| 개요 — 먼저 호출하여 데이터베이스에 무엇이 있는지 확인 |
| 데이터 출처 및 예상 출처가 누락된 이유 |
리소스: jobs://summary 및 jobs://sources.
MCP 도구는 결과를 모델 컨텍스트에 반환합니다. 20개의 전체 공고(수만 자)를 반환하면 이점 없이 컨텍스트가 포화됩니다. "제네바에서 요구되는 역량은 무엇인가요?"라는 질문에 20개의 전체 설명을 읽지 않습니다.
따라서 이 서버는 간단한 규칙을 적용합니다:
목록 도구는 발췌문(320자)과 관련성 판단에 도움이 되는 구조화된 필드를 반환합니다.
get_job은 하나의 공고 전체 텍스트를 반환합니다.
limit은 요청된 값과 관계없이 50으로 제한됩니다.
각 응답은 total(일치 수)과 returned(반환 수)를 구분하여 모델이 일부만 보고 있음을 알 수 있게 합니다.
BM25 순위, 패싯, 집계는 프로젝트의 핵심인 jobs_scrape.search에 있습니다. 이 모듈은 이를 노출할 뿐입니다. 검색은 한 곳에서만 정의됩니다. 웹 인터페이스와 MCP 서버가 이를 상속하며, 순위 개선은 양쪽 모두에 이점을 줍니다.
모델은 설명을 기반으로 도구를 선택합니다. 도구가 무엇을 하는지만 설명하면 모델이 언제 사용할지 추측하게 됩니다. 따라서 각 도구는 트리거를 명시합니다. "채용 공고에 관한 질문이 나오면 이 도구를 호출하세요." 그리고 테스트를 통해 어떤 설명도 빈약하지 않은지 확인합니다.
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.
