LinkedIn Automation & Content Generation MCP Server 🚀

Комплексная платформа автоматизации LinkedIn на базе ИИ, построенная на архитектуре Model Context Protocol (MCP). Эта современная система объединяет продвинутую генерацию контента с помощью ИИ, автоматизацию браузера и извлечение бизнес-аналитики, предоставляя полный набор инструментов автоматизации LinkedIn для контент-мейкеров, маркетологов, специалистов по продажам и команд развития бизнеса.

🌟 Ключевые возможности

🤖 Генерация контента на базе ИИ

• Умное создание контента: создавайте вирусные посты в LinkedIn с помощью Google Gemini AI

• Исследование тем: анализируйте существующий контент LinkedIn для поиска актуальных тем и инсайтов

• Оптимизация вовлечённости: создавайте посты, оптимизированные для максимальной вовлечённости и охвата

• Контент-стратегия: профессиональные структуры сторителлинга и позиционирование идейного лидерства

📊 Бизнес-аналитика и аналитика

• 🏢 Анализ компаний: извлечение полных данных о сотрудниках из компаний LinkedIn

• 👤 Анализ профилей: глубокая извлечение данных профиля с инсайтами на базе ИИ

• 📈 Исследование рынка: конкурентный анализ и сбор отраслевой информации

• 🎯 Генерация лидов: автоматическое выявление потенциальных клиентов и сбор данных

🤝 Автоматизация продаж и нетворкинга

• 🔗 Автоматизация подключений: отправка персонализированных запросов на подключение в масштабе

• ** AI-персонализация**: генерация индивидуальных сообщений на основе анализа профиля

• 📱 Управление исходящими обращениями: оптимизированные процессы исходящих обращений в LinkedIn

• 🎯 Таргетированный нетворкинг: стратегическое построение связей на основе нацеливания на компании и роли

🛠️ Технические и операционные возможности

• ⚡ Мониторинг состояния: комплексные проверки работоспособности сервера и мониторинг статуса

• ** Мультиразвёртывание**: варианты развёртывания MCP-сервера, автономного сервера и в облаке

• 🐳 Готовность к Docker: полная контейнеризация для облачного развёртывания

• 🔒 Управление сессиями: постоянная аутентификация LinkedIn и управление состоянием

Related MCP server: mcp-leadgen-orchestrator

🚀 Быстрый старт

🚀 Быстрый старт: LinkedIn MCP Automation Suite

Это руководство поможет вам установить и запустить сервер автоматизации LinkedIn MCP (Model Context Protocol) на вашем локальном компьютере. Инструкции составлены чётко и точно, без преувеличений и лишней сложности.

1. Предварительные требования

• Python 3.11 или выше должен быть установлен.
  Скачать Python

• API-ключ Google Gemini (для функций на базе ИИ).
  Получить API-ключ здесь

• Учётные данные аккаунта LinkedIn (автоматизация лучше всего работает с выделенным аккаунтом).

• Браузер Google Chrome или Chromium (требуется для автоматизации браузера).

2. Клонирование репозитория

Откройте терминал и выполните:

git clone <your-repository-url>
cd linkedin_mcp_python

3. Установка зависимостей Python

Установите все необходимые пакеты с помощью pip:

pip install -r requirements.txt

4. Настройка переменных окружения

Создайте файл .env в корневом каталоге со следующим содержимым:

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

• Не делитесь вашим файлом .env в открытом доступе.

• Эти учётные данные требуются для всех функций LinkedIn и функций на базе ИИ.

5. Установка браузера Playwright

Установите браузер Chromium для автоматизации Playwright:

playwright install chromium

6. Запуск MCP-сервера

Вы можете запустить сервер двумя способами:

A. Стандартный MCP-сервер (для локального использования или с MCP-клиентами):

python src/server.py

B. Uvicorn-сервер (для продвинутого или облачного использования):

python src/main.py

7. Использование инструментов

Доступ к инструментам автоматизации можно получить тремя способами:

• Через MCP-клиент (например, Claude Desktop):
  Подключитесь к запущенному серверу и вызывайте такие инструменты, как generate_linkedin_content, extract_linkedin_profile_data, extract_company_employees, send_connection_request и scrape_linkedin_post.

• Прямое выполнение скрипта:
  Для быстрой генерации контента выполните:

  python PostLinkedin.py

• API-эндпоинт (при использовании Uvicorn):
  Продвинутые пользователи могут интегрироваться с HTTP API.

8. Обзор структуры проекта

• src/server.py – Главная точка входа MCP-сервера; регистрирует все инструменты автоматизации.

• src/main.py – Альтернативная точка входа с использованием Uvicorn.

• src/tools/ – Содержит все основные модули автоматизации:

  • generate_linkedin_content.py – Генерация постов с помощью ИИ.

  • extract_linkedin_profile_data.py – Извлечение данных профиля.

  • extract_company_employees.py – Составление карты сотрудников компании.

  • send_connection_request.py – Автоматические запросы на подключение.

  • scrape_linkedin_post.py – Сбор данных постов и комментариев.

  • linkedin_login.py – Централизованная аутентификация/управление сессиями.

  • health_check.py – Эндпоинт проверки работоспособности сервера.

• PostLinkedin.py – Автономный скрипт для генерации контента.

• requirements.txt – Зависимости Python.

9. Примечания и лучшие практики

• Сохранение сессии:
  Система сохраняет вашу сессию входа в LinkedIn в файл linkedin-state.json для более быстрой и менее навязчивой автоматизации.

• Безопасность:
  Все учётные данные управляются через переменные окружения. Не коммитьте ваш файл .env.

• Соответствие требованиям:
  Используйте выделенный аккаунт LinkedIn для автоматизации. Соблюдайте условия предоставления услуг LinkedIn.

10. Устранение неполадок

• Если вы видите ошибки входа, перепроверьте учётные данные в .env.

• Если Playwright не работает, убедитесь, что Chromium установлен (playwright install chromium).

• При ошибках ИИ проверьте ваш API-ключ Google Gemini и подключение к интернету.

11. Подключение MCP к Claude Desktop

Чтобы использовать LinkedIn MCP-сервер с Claude Desktop (или любым MCP-совместимым клиентом):

1. Запустите MCP-сервер (см. шаг 6 выше).

2. Настройте Claude Desktop, чтобы он распознавал ваш локальный MCP-сервер:

   • Откройте настройки Claude Desktop или файл конфигурации (обычно settings.json или аналогичный).

   • Добавьте или обновите раздел mcpServers следующим образом (измените путь args, чтобы он соответствовал расположению src/server.py в вашей системе):

   {
     "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"
         }
       }
     }
   }

   • Поля command и args должны указывать на правильный исполняемый файл Python и полный путь к src/server.py на вашем компьютере. Например, если ваш проект находится в D:/CashRich/2025/LinkedIN/comments/comments_mcp/linkedin_mcp_python/, используйте:

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

   • Используйте ваши реальные учётные данные и API-ключ (никогда не публикуйте их в открытом доступе).

3. Перезапустите Claude Desktop. Инструменты LinkedIn MCP теперь будут отображаться как доступные действия или плагины.

4. Вызывайте инструменты, такие как generate_linkedin_content, extract_linkedin_profile_data и т. д., непосредственно из интерфейса Claude Desktop.

По вопросам или проблемам, пожалуйста, откройте issue на GitHub или свяжитесь с сопровождающим проекта.