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 Model Context Protocol (MCP) Server
Voraussetzungen
Python 3.7+
RapidAPI-Schlüssel für die LinkedIn Data API
Claude AI-Zugriff
Erste Schritte
1. RapidAPI-Schlüssel erhalten
Besuchen Sie die LinkedIn Data API auf RapidAPI
Registrieren oder bei RapidAPI anmelden
Abonnieren Sie die LinkedIn Data API
Kopieren Sie Ihren RapidAPI-Schlüssel vom Dashboard
2. Installation
Klonen Sie das Repository:
git clone https://github.com/rugvedp/linkedin-mcp.git
cd linkedin-mcpInstallieren Sie Abhängigkeiten:
pip install -r requirements.txtUmgebungsvariablen einrichten:
Erstellen einer
.envDateiFügen Sie Ihren RapidAPI-Schlüssel hinzu:
RAPIDAPI_KEY=your_rapidapi_key_hereProjektstruktur
linkedin-mcp/
├── main.py # Main MCP server implementation
├── mcp.json # MCP configuration file
├── requirements.txt # Python dependencies
├── .env # Environment variables
└── README.md # DocumentationMCP-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) -> str2. get_saved_posts
Ruft gespeicherte Beiträge mit Paginierungsunterstützung ab.
get_saved_posts(start: int = 0, limit: int = 10) -> dict3. Beiträge suchen
Durchsucht Beiträge nach bestimmten Schlüsselwörtern.
search_posts(keyword: str) -> dict4. 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) -> dict5. get_posts_by_date
Filtert Beiträge innerhalb eines angegebenen Datumsbereichs.
get_posts_by_date(start_date: str, end_date: str) -> dictVerwendung mit Claude
Initialisieren Sie den MCP-Server in Ihrem Gespräch mit Claude
Verwenden Sie die verfügbaren Tools durch natürliche Sprachbefehle
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 abBasis-URL:
https://linkedin-data-api.p.rapidapi.comErforderliche Header:
x-rapidapi-key: Ihr RapidAPI-Schlüsselx-rapidapi-host:linkedin-data-api.p.rapidapi.com
Beitragen
Forken Sie das Repository
Erstellen Sie Ihren Feature-Zweig (
git checkout -b feature/amazing-feature)Übernehmen Sie Ihre Änderungen (
git commit -m 'Add amazing feature')Pushen zum Zweig (
git push origin feature/amazing-feature)Öffnen einer Pull-Anfrage
Lizenz
Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.
Autor
Archiv
Danksagung
RapidAPI für den Zugriff auf LinkedIn-Daten
Anthropisch für Claude KI-Fähigkeiten