Сервер MCP (Model Context Protocol), предоставляющий корпус jobs-scrape ИИ.
После подключения Claude может напрямую запрашивать собранные вакансии: «какие навыки востребованы в кантоне Во?», «сколько вакансий с частичной занятостью в здравоохранении в августе?», «резюмируй мне это объявление».
uv pip install git+https://github.com/XavierBeheydt/jobs-scrape-mcp.git
claude mcp add jobs-scrape -- uv run jobs-scrape-mcpСервер читает ту же базу, что и CLI:
Переменная | По умолчанию |
|
|
|
|
Related MCP server: mcp-jobs
Инструмент | Когда его вызывать |
| Любой вопрос о вакансиях, требуемых навыках, наблюдаемых зарплатах, активности компании |
| Прочитать одно объявление целиком, после того как оно найдено |
| Узнать, что содержит корпус, перед фильтрацией (кантоны, компании, источники) |
| Вопрос о тенденциях: что наиболее востребовано, по региону или источнику |
| Объём опубликованных вакансий по дням |
| Обзор — вызывать в первую очередь, чтобы узнать, что содержится в базе |
| Откуда данные, и почему ожидаемый источник может отсутствовать |
Ресурсы: jobs://summary и jobs://sources.
Инструмент MCP возвращает свой результат в контекст модели. Возврат двадцати полных объявлений — несколько десятков тысяч знаков — насытил бы этот контекст без какой-либо пользы: никто не читает двадцать полных описаний, чтобы ответить на вопрос «какие навыки востребованы в Женеве».
Поэтому этот сервер применяет простое правило:
инструменты списка возвращают выдержки (320 знаков) и структурированные поля, которые помогают оценить релевантность;
get_job возвращает полный текст одного объявления;
limit ограничен 50, независимо от запрошенного значения;
каждый ответ различает total (соответствия) и returned (возвращённые), чтобы модель знала, что видит лишь часть.
Ранжирование BM25, фасеты и агрегации живут в jobs_scrape.search, в ядре проекта. Этот модуль лишь их предоставляет. Поиск определён в одном месте — веб-интерфейс и MCP-сервер наследуют его, и улучшение ранжирования приносит пользу обоим.
Модель выбирает инструменты по их описанию. Описание, которое говорит лишь что делает инструмент, заставляет модель догадываться когда его использовать. Поэтому каждый инструмент формулирует свой триггер — «вызови этот инструмент, как только вопрос касается доступных вакансий» — и тест проверяет, что ни одно описание не остаётся скудным.
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.
