LinkedIn Profile Analyzer MCP

Ein leistungsstarker MCP-Server (Model Context Protocol) zur LinkedIn-Profilanalyse, der mit der LinkedIn-API interagiert, um LinkedIn-Postdaten abzurufen, zu analysieren und zu verwalten. Dieser MCP ist speziell für die Zusammenarbeit mit Claude AI konzipiert.

Merkmale

• LinkedIn-Beiträge für jedes öffentliche Profil abrufen und speichern

• Durchsuchen Sie Beiträge mit Stichwortfilterung

• Erhalten Sie Beiträge mit der besten Leistung basierend auf Engagement-Kennzahlen

• Beiträge nach Datumsbereich filtern

• Paginierter Zugriff auf gespeicherte Beiträge

• Einfache Integration mit Claude AI

Related MCP server: LinkedIn MCP Server

Voraussetzungen

• Python 3.7+

• RapidAPI-Schlüssel für die LinkedIn Data API

• Claude AI-Zugriff

Erste Schritte

1. RapidAPI-Schlüssel erhalten

1. Besuchen Sie die LinkedIn Data API auf RapidAPI

2. Registrieren oder bei RapidAPI anmelden

3. Abonnieren Sie die LinkedIn Data API

4. Kopieren Sie Ihren RapidAPI-Schlüssel vom Dashboard

2. Installation

1. Klonen Sie das Repository:

git clone https://github.com/rugvedp/linkedin-mcp.git
cd linkedin-mcp

2. Installieren Sie Abhängigkeiten:

pip install -r requirements.txt

3. Umgebungsvariablen einrichten:

   • Erstellen einer .env Datei

   • Fügen Sie Ihren RapidAPI-Schlüssel hinzu:

RAPIDAPI_KEY=your_rapidapi_key_here

Projektstruktur

linkedin-mcp/
├── main.py              # Main MCP server implementation
├── mcp.json            # MCP configuration file
├── requirements.txt    # Python dependencies
├── .env               # Environment variables
└── README.md          # Documentation

MCP-Konfiguration

Die Datei mcp.json konfiguriert den LinkedIn MCP-Server:

{
  "mcpServers": {
    "LinkedIn Updated": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "mcp",
        "run",
        "path/to/your/script.py"
      ]
    }
  }
}

Stellen Sie sicher, dass Sie den Pfad in args aktualisieren, damit er mit Ihrem lokalen Dateispeicherort übereinstimmt.

Verfügbare Tools

1. LinkedIn-Beiträge abrufen und speichern

Ruft LinkedIn-Beiträge für einen bestimmten Benutzernamen ab und speichert sie lokal.

fetch_and_save_linkedin_posts(username: str) -> str

2. get_saved_posts

Ruft gespeicherte Beiträge mit Paginierungsunterstützung ab.

get_saved_posts(start: int = 0, limit: int = 10) -> dict

3. Beiträge suchen

Durchsucht Beiträge nach bestimmten Schlüsselwörtern.

search_posts(keyword: str) -> dict

4. get_top_posts

Gibt die Beiträge mit der besten Leistung basierend auf Engagement-Metriken zurück.

get_top_posts(metric: str = "Like Count", top_n: int = 5) -> dict

5. get_posts_by_date

Filtert Beiträge innerhalb eines angegebenen Datumsbereichs.

get_posts_by_date(start_date: str, end_date: str) -> dict

Verwendung mit Claude

1. Initialisieren Sie den MCP-Server in Ihrem Gespräch mit Claude

2. Verwenden Sie die verfügbaren Tools durch natürliche Sprachbefehle

3. Claude hilft Ihnen bei der Interaktion mit LinkedIn-Daten mithilfe dieser Tools

API-Integration

Dieses Projekt verwendet den folgenden Endpunkt der LinkedIn Data API:

• GET /get-profile-posts : Ruft Beiträge von einem LinkedIn-Profil ab

  • Basis-URL: https://linkedin-data-api.p.rapidapi.com

  • Erforderliche Header:

    • x-rapidapi-key : Ihr RapidAPI-Schlüssel

    • x-rapidapi-host : linkedin-data-api.p.rapidapi.com

Beitragen

1. Forken Sie das Repository

2. Erstellen Sie Ihren Feature-Zweig ( git checkout -b feature/amazing-feature )

3. Übernehmen Sie Ihre Änderungen ( git commit -m 'Add amazing feature' )

4. Pushen zum Zweig ( git push origin feature/amazing-feature )

5. Öffnen einer Pull-Anfrage

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.

Autor

Robuster Patil

Archiv

linkedin-mcp

Danksagung

• RapidAPI für den Zugriff auf LinkedIn-Daten

• Anthropisch für Claude KI-Fähigkeiten