Servidor MCP de Automatización y Generación de Contenido para LinkedIn 🚀

Una plataforma integral de automatización de LinkedIn impulsada por IA construida sobre la arquitectura del Model Context Protocol (MCP). Este sofisticado sistema combina generación avanzada de contenido con IA, automatización de navegador y extracción de inteligencia empresarial para ofrecer una suite completa de automatización de LinkedIn para creadores de contenido, profesionales de marketing, profesionales de ventas y equipos de desarrollo de negocio.

🌟 Características Principales

🤖 Generación de Contenido Impulsada por IA

• Creación Inteligente de Contenido: Genera publicaciones virales de LinkedIn con Google Gemini AI

• Investigación de Temas: Analiza el contenido existente de LinkedIn para detectar temas de tendencia e información relevante

• Optimización de Interacción: Crea publicaciones optimizadas para maximizar la interacción y el alcance

• Estrategia de Contenido: Marcos de storytelling profesional y posicionamiento de liderazgo intelectual

📊 Inteligencia Empresarial y Analítica

• 🏢 Análisis de Empresas: Extrae datos completos de empleados de empresas de LinkedIn

• 👤 Inteligencia de Perfiles: Extracción profunda de datos de perfil con información impulsada por IA

• 📈 Investigación de Mercado: Análisis competitivo y recopilación de inteligencia del sector

• 🎯 Generación de Prospectos: Identificación automatizada de prospectos y recopilación de datos

🤝 Automatización de Ventas y Networking

• 🔗 Automatización de Conexiones: Envía solicitudes de conexión personalizadas a escala

• ** Personalización con IA**: Genera mensajes personalizados basados en el análisis del perfil

• 📱 Gestión de Prospección: Flujos de trabajo de prospección optimizados en LinkedIn

• 🎯 Networking Dirigido: Creación estratégica de conexiones basada en la segmentación por empresa y cargo

🛠️ Técnico y Operativo

• ⚡ Monitorización de Salud: Comprobaciones integrales de salud del servidor y monitorización de estado

• ** Multi-Despliegue**: Opciones de despliegue como servidor MCP, independiente y en la nube

• 🐳 Listo para Docker: Contenerización completa para el despliegue en la nube

• 🔒 Gestión de Sesiones: Autenticación persistente de LinkedIn y gestión de estado

Related MCP server: mcp-leadgen-orchestrator

🚀 Inicio Rápido

🚀 Inicio Rápido: Suite de Automatización de LinkedIn MCP

Esta guía te ayudará a configurar y ejecutar el servidor de automatización LinkedIn MCP (Model Context Protocol) en tu máquina local. Las instrucciones están diseñadas para ser claras y precisas, sin exageraciones ni complejidad innecesaria.

1. Requisitos Previos

• Python 3.11 o superior debe estar instalado.
  Descargar Python

• Clave de API de Google Gemini (para funciones impulsadas por IA).
  Obtén tu clave de API aquí

• Credenciales de la cuenta de LinkedIn (la automatización funciona mejor con una cuenta dedicada).

• Navegador Google Chrome o Chromium (necesario para la automatización del navegador).

2. Clonar el Repositorio

Abre una terminal y ejecuta:

git clone <your-repository-url>
cd linkedin_mcp_python

3. Instalar las Dependencias de Python

Instala todos los paquetes necesarios con pip:

pip install -r requirements.txt

4. Configurar las Variables de Entorno

Crea un archivo .env en el directorio raíz con el siguiente contenido:

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

• No compartas tu archivo .env públicamente.

• Estas credenciales son necesarias para todas las funciones de LinkedIn y las impulsadas por IA.

5. Instalar el Navegador de Playwright

Instala el navegador Chromium para la automatización de Playwright:

playwright install chromium

6. Iniciar el Servidor MCP

Puedes ejecutar el servidor de dos maneras:

A. Servidor MCP estándar (para uso local o con clientes MCP):

python src/server.py

B. Servidor Uvicorn (para uso avanzado o en la nube):

python src/main.py

7. Uso de las Herramientas

Puedes acceder a las herramientas de automatización de tres maneras:

• A través de un cliente MCP (como Claude Desktop):
  Conéctate al servidor en ejecución e invoca herramientas como generate_linkedin_content, extract_linkedin_profile_data, extract_company_employees, send_connection_request y scrape_linkedin_post.

• Ejecución directa del script:
  Para una generación rápida de contenido, ejecuta:

  python PostLinkedin.py

• Endpoint de API (si usas Uvicorn):
  Los usuarios avanzados pueden integrarse con la API HTTP.

8. Descripción General de la Estructura del Proyecto

• src/server.py – Punto de entrada principal del servidor MCP; registra todas las herramientas de automatización.

• src/main.py – Punto de entrada alternativo que usa Uvicorn.

• src/tools/ – Contiene todos los módulos centrales de automatización:

  • generate_linkedin_content.py – Generación de publicaciones impulsada por IA.

  • extract_linkedin_profile_data.py – Extracción de datos de perfil.

  • extract_company_employees.py – Mapeo de empleados de empresas.

  • send_connection_request.py – Solicitudes de conexión automatizadas.

  • scrape_linkedin_post.py – Scraping de publicaciones/comentarios.

  • linkedin_login.py – Autenticación centralizada y gestión de sesiones.

  • health_check.py – Endpoint de comprobación de salud del servidor.

• PostLinkedin.py – Script independiente para la generación de contenido.

• requirements.txt – Dependencias de Python.

9. Notas y Buenas Prácticas

• Persistencia de Sesión:
  El sistema guarda tu sesión de inicio de sesión de LinkedIn en linkedin-state.json para una automatización más rápida y menos intrusiva.

• Seguridad:
  Todas las credenciales se gestionan mediante variables de entorno. No hagas commit de tu archivo .env.

• Cumplimiento:
  Usa una cuenta de LinkedIn dedicada para la automatización. Respeta los términos del servicio de LinkedIn.

10. Solución de Problemas

• Si ves errores de inicio de sesión, vuelve a comprobar tus credenciales en .env.

• Si Playwright falla, asegúrate de que Chromium esté instalado (playwright install chromium).

• Para errores de IA, verifica tu clave de API de Google Gemini y tu conexión a internet.

11. Conexión de MCP a Claude Desktop

Para usar el servidor LinkedIn MCP con Claude Desktop (o cualquier cliente compatible con MCP):

1. Inicia el servidor MCP (consulta el paso 6 anterior).

2. Configura Claude Desktop para que reconozca tu servidor MCP local:

   • Abre la configuración de Claude Desktop o el archivo de configuración (normalmente settings.json o similar).

   • Añade o actualiza la sección mcpServers de la siguiente manera (ajusta la ruta de args para que coincida con la ubicación de src/server.py en tu sistema):

   {
     "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"
         }
       }
     }
   }

   • Los campos command y args deben apuntar al ejecutable de Python correcto y a la ruta completa de src/server.py en tu máquina. Por ejemplo, si tu proyecto está en D:/CashRich/2025/LinkedIN/comments/comments_mcp/linkedin_mcp_python/, usa lo siguiente:

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

   • Usa tus credenciales y clave de API reales (nunca las compartas públicamente).

3. Reinicia Claude Desktop. Las herramientas de LinkedIn MCP aparecerán ahora como acciones o plugins disponibles.

4. Invoca herramientas como generate_linkedin_content, extract_linkedin_profile_data, etc., directamente desde la interfaz de Claude Desktop.

Si tienes preguntas o problemas, abre un issue en GitHub o contacta con el mantenedor del proyecto.