LinkedIn-Automatisierungs- & Content-Generierungs-MCP-Server 🚀

Eine umfassende KI-gestützte LinkedIn-Automatisierungsplattform, die auf der Model-Context-Protocol-Architektur (MCP) basiert. Dieses ausgefeilte System kombiniert fortschrittliche KI-Content-Generierung, Browser-Automatisierung und Business-Intelligence-Extraktion und bietet eine vollständige LinkedIn-Automatisierungssuite für Content-Ersteller, Marketing-Experten, Vertriebsprofis und Business-Development-Teams.

🌟 Hauptfunktionen

🤖 KI-gestützte Content-Generierung

• Intelligente Content-Erstellung: Erstellen Sie virale LinkedIn-Beiträge mit Google Gemini AI

• Themenrecherche: Analysieren Sie bestehende LinkedIn-Inhalte auf Trendthemen und Erkenntnisse

• Engagement-Optimierung: Erstellen Sie Beiträge, die für maximale Interaktion und Reichweite optimiert sind

• Content-Strategie: Professionelle Storytelling-Frameworks und Thought-Leadership-Positionierung

📊 Business Intelligence & Analytik

• 🏢 Unternehmensanalyse: Extrahieren Sie umfassende Mitarbeiterdaten aus LinkedIn-Unternehmen

• 👤 Profil-Intelligenz: Tiefgehende Profildatenextraktion mit KI-gestützten Erkenntnissen

• 📈 Marktforschung: Wettbewerbsanalyse und Sammlung von Brancheninformationen

• 🎯 Lead-Generierung: Automatisierte Identifizierung von Interessenten und Datenerfassung

🤝 Vertriebs- & Netzwerk-Automatisierung

• 🔗 Verbindungsautomatisierung: Senden Sie personalisierte Verbindungsanfragen in großem Umfang

• ** KI-Personalisierung**: Generieren Sie individuelle Nachrichten basierend auf der Profilanalyse

• 📱 Outreach-Management: Optimierte LinkedIn-Outreach-Workflows

• 🎯 Gezieltes Networking: Strategischer Verbindungsaufbau basierend auf Unternehmens- und Rollen-Targeting

🛠️ Technik & Betrieb

• ⚡ Health-Monitoring: Umfassende Server-Health-Checks und Statusüberwachung

• ** Multi-Deployment**: MCP-Server-, Standalone- und Cloud-Bereitstellungsoptionen

• 🐳 Docker-Ready: Vollständige Containerisierung für die Cloud-Bereitstellung

• 🔒 Sitzungsverwaltung: Dauerhafte LinkedIn-Authentifizierung und Zustandsverwaltung

Related MCP server: mcp-leadgen-orchestrator

🚀 Schnellstart

🚀 Schnellstart: LinkedIn-MCP-Automatisierungssuite

Diese Anleitung hilft Ihnen, den LinkedIn-MCP-Automatisierungsserver (Model Context Protocol) auf Ihrem lokalen Rechner einzurichten und auszuführen. Die Anweisungen sind auf Klarheit und Genauigkeit ausgelegt, ohne Übertreibungen oder unnötige Komplexität.

1. Voraussetzungen

• Python 3.11 oder höher muss installiert sein.
  Python herunterladen

• Google-Gemini-API-Schlüssel (für KI-gestützte Funktionen).
  API-Schlüssel hier abrufen

• LinkedIn-Anmeldedaten (die Automatisierung funktioniert am besten mit einem dedizierten Konto).

• Google Chrome oder Chromium-Browser (für die Browser-Automatisierung erforderlich).

2. Repository klonen

Öffnen Sie ein Terminal und führen Sie Folgendes aus:

git clone <your-repository-url>
cd linkedin_mcp_python

3. Python-Abhängigkeiten installieren

Installieren Sie alle erforderlichen Pakete mit pip:

pip install -r requirements.txt

4. Umgebungsvariablen einrichten

Erstellen Sie eine .env-Datei im Stammverzeichnis mit folgendem Inhalt:

LINKEDIN_USERNAME=your_linkedin_email@example.com
LINKEDIN_PASSWORD=your_linkedin_password
GOOGLE_API_KEY=your_gemini_api_key_here

• Geben Sie Ihre .env-Datei nicht öffentlich weiter.

• Diese Anmeldedaten sind für alle LinkedIn- und KI-gestützten Funktionen erforderlich.

5. Playwright-Browser installieren

Installieren Sie den Chromium-Browser für die Playwright-Automatisierung:

playwright install chromium

6. MCP-Server starten

Sie können den Server auf zwei Arten ausführen:

A. Standard-MCP-Server (für lokale Nutzung oder mit MCP-Clients):

python src/server.py

B. Uvicorn-Server (für fortgeschrittene oder Cloud-Nutzung):

python src/main.py

7. Verwendung der Tools

Sie können auf die Automatisierungstools auf drei Arten zugreifen:

• Über einen MCP-Client (z. B. Claude Desktop):
  Verbinden Sie sich mit dem laufenden Server und rufen Sie Tools wie generate_linkedin_content, extract_linkedin_profile_data, extract_company_employees, send_connection_request und scrape_linkedin_post auf.

• Direkte Skriptausführung:
  Für eine schnelle Content-Generierung führen Sie Folgendes aus:

  python PostLinkedin.py

• API-Endpunkt (bei Verwendung von Uvicorn):
  Fortgeschrittene Benutzer können die HTTP-API für die Integration nutzen.

8. Projektstrukturübersicht

• src/server.py – Haupt-Einstiegspunkt des MCP-Servers; registriert alle Automatisierungstools.

• src/main.py – Alternativer Einstiegspunkt mit Uvicorn.

• src/tools/ – Enthält alle zentralen Automatisierungsmodule:

  • generate_linkedin_content.py – KI-gestützte Beitragsgenerierung.

  • extract_linkedin_profile_data.py – Profildatenextraktion.

  • extract_company_employees.py – Zuordnung von Unternehmensmitarbeitern.

  • send_connection_request.py – Automatisierte Verbindungsanfragen.

  • scrape_linkedin_post.py – Scraping von Beiträgen/Kommentaren.

  • linkedin_login.py – Zentralisierte Authentifizierungs-/Sitzungsverwaltung.

  • health_check.py – Health-Check-Endpunkt des Servers.

• PostLinkedin.py – Eigenständiges Skript für die Content-Generierung.

• requirements.txt – Python-Abhängigkeiten.

9. Hinweise & Best Practices

• Sitzungspersistenz:
  Das System speichert Ihre LinkedIn-Anmeldesitzung in linkedin-state.json, um eine schnellere und weniger aufdringliche Automatisierung zu ermöglichen.

• Sicherheit:
  Alle Anmeldedaten werden über Umgebungsvariablen verwaltet. Committen Sie Ihre .env-Datei nicht.

• Compliance:
  Verwenden Sie ein dediziertes LinkedIn-Konto für die Automatisierung. Beachten Sie die Nutzungsbedingungen von LinkedIn.

10. Fehlerbehebung

• Wenn Anmeldefehler auftreten, überprüfen Sie Ihre Anmeldedaten in .env.

• Wenn Playwright fehlschlägt, stellen Sie sicher, dass Chromium installiert ist (playwright install chromium).

• Bei KI-Fehlern überprüfen Sie Ihren Google-Gemini-API-Schlüssel und Ihre Internetverbindung.

11. Verbinden von MCP mit Claude Desktop

Um den LinkedIn-MCP-Server mit Claude Desktop (oder einem beliebigen MCP-kompatiblen Client) zu verwenden:

1. Starten Sie den MCP-Server (siehe Schritt 6 oben).

2. Konfigurieren Sie Claude Desktop, damit Ihr lokaler MCP-Server erkannt wird:

   • Öffnen Sie die Einstellungen oder die Konfigurationsdatei von Claude Desktop (normalerweise settings.json oder ähnlich).

   • Fügen Sie den Abschnitt mcpServers wie folgt hinzu oder aktualisieren Sie ihn (passen Sie den args-Pfad an den Speicherort von src/server.py auf Ihrem System an):

   {
     "mcpServers": {
       "linkedin-mcp": {
         "command": "python",
         "args": ["/absolute/path/to/src/server.py"],
         "env": {
           "LINKEDIN_USERNAME": "your_linkedin_email@example.com",
           "LINKEDIN_PASSWORD": "your_linkedin_password",
           "GOOGLE_API_KEY": "your_gemini_api_key_here"
         }
       }
     }
   }

   • Die Felder command und args müssen auf die korrekte ausführbare Python-Datei und den vollständigen Pfad zu src/server.py auf Ihrem Rechner verweisen. Wenn sich Ihr Projekt beispielsweise in D:/CashRich/2025/LinkedIN/comments/comments_mcp/linkedin_mcp_python/ befindet, verwenden Sie:

   "args": ["D:/CashRich/2025/LinkedIN/comments/comments_mcp/linkedin_mcp_python/src/server.py"]

   • Verwenden Sie Ihre tatsächlichen Anmeldedaten und Ihren API-Schlüssel (geben Sie diese niemals öffentlich weiter).

3. Starten Sie Claude Desktop neu. Die LinkedIn-MCP-Tools werden nun als verfügbare Aktionen oder Plugins angezeigt.

4. Rufen Sie Tools wie generate_linkedin_content, extract_linkedin_profile_data usw. direkt über die Oberfläche von Claude Desktop auf.

Bei Fragen oder Problemen eröffnen Sie bitte ein GitHub-Issue oder kontaktieren Sie den Projektbetreuer.