Skip to main content
Glama
guangliangyang

MCP智能简历投递助手

by guangliangyang
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

MCP智能简历投递助手

一个基于MCP（模型上下文协议）的智能简历投递助手，专门针对LinkedIn和SEEK平台，提供AI驱动的求职信生成、自动化投递和智能管理功能。

🌟 核心功能

1. 智能工作搜索

  • 多平台支持：LinkedIn和SEEK平台集成

  • 智能过滤：基于薪资、位置、工作类型的精确筛选

  • 一键申请检测：自动识别LinkedIn Easy Apply职位

2. AI内容生成

  • 智能求职信：基于工作描述和个人资料生成定制化求职信

  • 多模板支持：软件工程师、数据科学家、产品经理等专业模板

  • 平台优化：针对LinkedIn和SEEK平台的内容长度和语调优化

  • 双AI支持：Claude和OpenAI API双重支持

3. 自动化投递

  • LinkedIn Easy Apply：全自动化投递流程

  • 智能问答：基于预设模板自动回答申请问题

  • 人性化操作：反检测技术确保自然的操作模式

  • 投递限制：遵守平台规则，防止账号风险

4. 投递管理

  • 全程追踪：记录每次投递的详细信息

  • 状态管理：实时更新申请状态（已投递、面试中、已拒绝等）

  • 数据统计：投递成功率、回复率等关键指标

  • 文件管理：简历、求职信、附件的集中管理

🚀 快速开始

环境要求

  • Python 3.8+

  • Node.js 16+ （用于浏览器自动化）

  • SQLite 3.0+

安装步骤

  1. 克隆项目

git clone https://github.com/guangliangyang/mcp4Interview.git
cd mcp4Interview

  1. 安装Python依赖

pip install -r requirements.txt

  1. 安装Playwright浏览器

playwright install chromium

  1. 配置环境变量

cp config/.env.example config/.env
# 编辑.env文件，添加API密钥和配置

  1. 初始化数据库

python -c "from src.database.models import init_db; import asyncio; asyncio.run(init_db())"

配置说明

在 config/.env 文件中配置以下参数：

# AI API配置
CLAUDE_API_KEY=your_claude_api_key
OPENAI_API_KEY=your_openai_api_key
PRIMARY_AI_PROVIDER=claude  # 或 openai

# LinkedIn配置
LINKEDIN_EMAIL=your_email@example.com
LINKEDIN_PASSWORD=your_password

# SEEK配置
SEEK_EMAIL=your_email@example.com
SEEK_PASSWORD=your_password

# 浏览器配置
BROWSER_HEADLESS=true
BROWSER_SLOW_MO=500

# 投递限制
MAX_DAILY_APPLICATIONS=10
MAX_HOURLY_APPLICATIONS=3

📖 使用指南

基本使用

  1. 启动MCP服务器

python src/server.py

  1. 搜索工作机会

# 在Claude Code或支持MCP的客户端中使用
await search_jobs(
    platform="linkedin",
    keywords="python developer",
    location="sydney",
    salary_min=80000
)

  1. 生成求职信

await generate_cover_letter(
    job_description="...",
    candidate_profile="...",
    job_title="Software Engineer",
    company_name="Tech Corp"
)

  1. 自动投递

await auto_apply_linkedin(
    job_url="https://linkedin.com/jobs/view/123456789",
    cover_letter="Your customized cover letter...",
    additional_info={
        "phone": "+61 4XX XXX XXX",
        "visa_status": "Australian Citizen"
    }
)

高级功能

批量投递

# 批量搜索并投递匹配的职位
jobs = await search_jobs("linkedin", "data scientist", "melbourne", limit=20)
for job in jobs:
    if job["easy_apply"]:
        cover_letter = await generate_cover_letter(job["description"], your_profile)
        await auto_apply_linkedin(job["url"], cover_letter)

投递追踪

# 查看投递历史
applications = await track_applications("linkedin", days_back=30)

# 更新申请状态
await update_application_status("app_123", "interview_scheduled")

文件管理

# 上传简历
await upload_resume("/path/to/resume.pdf", "Software_Engineer_Resume")

# 管理求职信模板
templates = await list_cover_letter_templates()

🛠 技术架构

系统组件

src/
├── server.py              # MCP服务器主入口
├── config/                # 配置管理
│   ├── settings.py        # Pydantic配置模型
│   └── .env              # 环境变量
├── platforms/            # 平台集成
│   ├── linkedin/         # LinkedIn平台
│   │   ├── scraper.py    # 职位爬取
│   │   └── applier.py    # 自动投递
│   └── seek/            # SEEK平台
├── ai/                  # AI内容生成
│   ├── content_generator.py
│   ├── job_matcher.py
│   └── resume_optimizer.py
├── database/           # 数据库层
│   ├── models.py       # SQLAlchemy模型
│   └── repositories.py # 数据访问层
└── utils/             # 工具模块
    ├── browser_manager.py
    ├── anti_detection.py
    └── file_manager.py

核心技术栈

  • MCP协议：与Claude Code等AI工具的标准化集成

  • Playwright：高性能浏览器自动化

  • SQLAlchemy：现代化的数据库ORM

  • Pydantic：类型安全的配置管理

  • AsyncIO：高并发异步处理

  • Claude/OpenAI API：AI驱动的内容生成

🔒 安全与合规

反检测措施

  • 随机用户代理和视口大小

  • 人性化的鼠标移动和输入模拟

  • 智能延迟和行为噪音

  • 请求频率限制

平台合规

  • 遵守LinkedIn和SEEK的使用条款

  • 合理的投递频率限制

  • 尊重平台的反爬虫机制

  • 用户数据隐私保护

数据安全

  • 本地数据存储

  • 敏感信息加密

  • 安全的API密钥管理

  • 定期数据清理

📊 功能特性

功能模块

LinkedIn

SEEK

状态

职位搜索

✅

✅

完成

Easy Apply检测

✅

✅

完成

自动投递

✅

🔄

进行中

求职信生成

✅

✅

完成

投递追踪

✅

✅

完成

文件管理

✅

✅

完成

反检测

✅

✅

完成

🚨 重要提醒

使用限制

  • 请遵守平台的使用条款

  • 建议每日投递不超过10个职位

  • 定期检查并更新个人资料

  • 避免使用虚假信息

最佳实践

  • 定制化求职信内容，避免模板化

  • 定期更新技能和经验信息

  • 监控投递成功率，调整策略

  • 保持简历和LinkedIn资料同步

🤝 贡献指南

我们欢迎社区贡献！请查看 CONTRIBUTING.md 了解详细信息。

开发设置

# 克隆开发分支
git clone -b develop https://github.com/guangliangyang/mcp4Interview.git

# 安装开发依赖
pip install -r requirements-dev.txt

# 运行测试
python -m pytest tests/

# 代码格式化
black src/
isort src/

📝 更新日志

v1.0.0 (2024-12-XX)

  • 🎉 首次发布

  • ✅ LinkedIn和SEEK平台集成

  • ✅ AI驱动的求职信生成

  • ✅ 自动化投递流程

  • ✅ 投递管理和追踪

路线图

  • 更多平台支持（Indeed、Glassdoor等）

  • 面试准备AI助手

  • 移动端应用

  • 高级数据分析

  • 团队协作功能

📞 支持与反馈

📄 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

⭐ 如果这个项目对你有帮助，请给我们一个星标！

免责声明：本工具仅用于学习和研究目的。用户应遵守相关平台的使用条款，合理合法地使用本工具。作者不对使用本工具可能产生的任何后果承担责任。

This server cannot be installed

-
security - not tested
F
license - not found
-
quality - not tested

How are these scores calculated?

Resources

Appeared in Searches

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/guangliangyang/mcp4Interview'

If you have feedback or need assistance with the MCP directory API, please join our Discord server