LinkedIn 个人资料分析器 MCP

一个强大的 LinkedIn 个人资料分析器 MCP（机器控制协议）服务器，可与 LinkedIn 的 API 交互，以获取、分析和管理 LinkedIn 帖子数据。此 MCP 专为与 Claude AI 配合使用而设计。

特征

• 获取并存储任何公开个人资料的 LinkedIn 帖子

• 使用关键字过滤搜索帖子

• 根据参与度指标获取表现最佳的帖子

• 按日期范围过滤帖子

• 分页访问存储的帖子

• 轻松与 Claude AI 集成

Related MCP server: LinkedIn MCP Server

先决条件

• Python 3.7+

• LinkedIn 数据 API 的 RapidAPI 密钥

• 克劳德人工智能访问

入门

1. 获取 RapidAPI 密钥

1. 访问RapidAPI 上的 LinkedIn 数据 API

2. 注册或登录 RapidAPI

3. 订阅 LinkedIn 数据 API

4. 从仪表板复制您的 RapidAPI 密钥

2.安装

1. 克隆存储库：

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

2. 安装依赖项：

pip install -r requirements.txt

3. 设置环境变量：

   • 创建.env文件

   • 添加您的 RapidAPI 密钥：

RAPIDAPI_KEY=your_rapidapi_key_here

项目结构

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

MCP 配置

mcp.json文件配置 LinkedIn MCP 服务器：

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

确保更新args中的路径以匹配您的本地文件位置。

可用工具

1. 获取并保存 LinkedIn 帖子

获取给定用户名的 LinkedIn 帖子并将其保存在本地。

fetch_and_save_linkedin_posts(username: str) -> str

2. 获取已保存的帖子

检索具有分页支持的已保存帖子。

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

3. 搜索帖子

搜索特定关键词的帖子。

search_posts(keyword: str) -> dict

4. 获取热门帖子

根据参与度指标返回表现最佳的帖子。

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

5. 按日期获取帖子

过滤指定日期范围内的帖子。

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

与 Claude 一起使用

1. 在与 Claude 的对话中初始化 MCP 服务器

2. 通过自然语言命令使用可用的工具

3. Claude 将帮助您使用这些工具与 LinkedIn 数据进行交互

API 集成

该项目使用 LinkedIn 数据 API 的以下端点：

• GET /get-profile-posts ：从 LinkedIn 个人资料中获取帖子

  • 基本网址： https://linkedin-data-api.p.rapidapi.com

  • 必需的标头：

    • x-rapidapi-key ：您的 RapidAPI 密钥

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

贡献

1. 分叉存储库

2. 创建你的功能分支（ git checkout -b feature/amazing-feature ）

3. 提交您的更改（ git commit -m 'Add amazing feature' ）

4. 推送到分支（ git push origin feature/amazing-feature ）

5. 打开拉取请求

执照

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。

作者

鲁格维德·帕蒂尔

存储库

linkedin-mcp

致谢

• RapidAPI，提供 LinkedIn 数据访问

• 人类学为克劳德的人工智能能力