Universeller Multi-Quellen-Jobsuch-FastMCP-Server (job-mcp)

Ein unternehmensreifer, datenschutzorientierter FastMCP-Server, der intelligente, multi-quellenbasierte Tech-Job-Aggregation, intelligente Deduplizierung, dynamische CV-Fähigkeitsextraktion, Anforderungsabdeckungsbewertung und autonome Bewerbungsworkflows über HireMeTech, Comeet ATS und AllJobs Israel bietet.

Architekturübersicht

graph TD
    Client([MCP Client: Claude / Cursor / Gemini Spark / Antigravity]) --> Tools[FastMCP Server Layer]
    Tools --> Aggregator[JobAggregator]
    Aggregator --> Registry[SourceRegistry]

    subgraph Parallel Pluggable Sources Layer
        Registry --> S1[HireMeTechSource<br/>Direct REST API + Session Fallback]
        Registry --> S2[ComeetSource<br/>Direct ATS API + Concurrency Semaphore]
        Registry --> S3[AllJobsSource<br/>Category Feeds + Anti-Blocking Headers]
    end

    subgraph Processing & Normalization Engine
        S1 --> Dedup[Deduplication & Entity Merger]
        S2 --> Dedup
        S3 --> Dedup
        
        Dedup --> NormKey["Key = slug(title) + '@' + slug(company)"]
        NormKey --> Merge[Metadata & Links Merger]
        Merge --> Scorer[Unified CV / Skill Matcher]
    end

    subgraph Dynamic Candidate Engine
        CV["Candidate CV (.pdf / .docx / .txt)"] --> Extractor[Dynamic CV & Profile Extractor]
        Extractor --> Skills["Extracted Skills (40+ tokens)"]
        Extractor --> Seniority["Inferred Seniority & Exclusions"]
        Extractor --> Roles["Target Job Roles"]
        Skills --> Scorer
        Seniority --> Scorer
    end

    Scorer --> Cache[Unified JobCache - 1h TTL]
    Cache --> Tools

Hauptfunktionen

1. Dynamische CV- und Kandidatenprofilextraktion:

   • Multi-Format-Erfassung: Unterstützt .pdf (über pypdf), .docx (über python-docx) und .txt-Dateien.

   • NLP-Fähigkeits-Chunking und dynamisches Lexikon: Entdeckt und extrahiert 40+ technische Fähigkeiten ohne starre Hardcodierung und unterstützt komplexe mehrwortige Technologien (z. B. FastAPI, LangGraph, PostgreSQL, Smart Contracts, GraphRAG).

   • Automatische Senioritäts- und Ausschlusserkennung: Leitet die Kandidatenseniorität (Junior, Mid, Senior, Lead, Principal, Director) genau ab und generiert intelligente negative Schlüsselwörter, um unpassende Positionen herauszufiltern.

   • Stoppwort- und Rauschfilterung: Verwirft rigoros strukturelle Artefakte des Lebenslaufs, Daten, Bildungstitel und nicht-technische Metadaten.

2. Intelligente Anforderungsabdeckungsbewertung (0–100):

   • Abdeckungsquote der Stellenanforderungen: Berechnet, wie umfassend Kandidatenfähigkeiten den spezifischen Tech-Stack der Stelle erfüllen (matched_job_skills / total_job_skills), und verhindert so eine Bestrafung von Kandidaten mit breiten Lebensläufen.

   • Gewichtete Komponentenbewertung:

     • Tech-Stack-Überschneidung und -Abdeckung: Bis zu 40 Punkte

     • Relevanz der vollständigen CV-Schlüsselwörter: Bis zu 25 Punkte

     • Arbeitsmodus- und Standortübereinstimmung: Bis zu 20 Punkte

     • Gehaltserwartungen: Bis zu 15 Punkte

     • Ausschlussstrafe: -100 Punkte für harte Senioritäts-/Tech-Disqualifikatoren.

   • Abgestufte Übereinstimmungskategorisierung:

     • Top-Tier-Übereinstimmung ($\ge 85$): Auto-Bewerbung / priorisierte Bewerbungskandidaten.

     • Starke Übereinstimmung ($70 - 84$): Hochinteressante Einträge, die zur Überprüfung/Lesezeichen markiert werden.

     • Disqualifiziert ($< 50$): Automatisch ausgeblendet oder entfernt.

3. Steckbare Multi-Quellen-Architektur:

   • HireMeTech: Direkte REST-API-Integration (/api/jobs/search, /api/auth/me, /api/resume/profile) mit automatischem DOM-Fallback.

   • Comeet (Direktes ATS): Direkte Integration mit der Comeet-Careers-API (/careers-api/2.0/company/{id}/positions) mit asyncio.Semaphore(5)-Ratenbegrenzung, Tech-Verzeichnisindizierung und TTL-Caching pro Unternehmen.

   • AllJobs Israel: Kategorie-Feed-Integration mit realistischen Browser-Headern und Fehlerisolierung auf Quellenebene.

4. Quellenübergreifende Deduplizierung und Entitätszusammenführung:

   • Beseitigt Duplikate, wenn Einträge auf mehreren Jobbörsen erscheinen.

   • Führt Quellenlisten zusammen (sources: ["hiremetech", "comeet"]), vereinigt Tech-Stacks, bewahrt die reichhaltigste Beschreibung und priorisiert direkte ATS-Bewerbungslink.

5. Autonome und überwachte Betriebsmodi:

   • Überwachter Modus: Standard-MCP-Bestätigung für jedes Tool.

   • Autonomer Modus: Sicheres Lesen/Filter/Lesezeichen-Verkettung ohne manuelle Eingabeaufforderungen; zweistufige Sicherheitsbarriere bei der Bewerbungseinreichung.

6. Beobachtbarkeit und Resilienz:

   • Strukturierte JSON-Protokollierung (structlog), die auf stderr schreibt, mit Token-/Anmeldedatenbereinigung.

   • Automatische Trace-ID-Verfolgung über alle ToolResponse-Nutzlasten.

Tool-Referenz (9 Tools)

Schnellstart & Einrichtung

1. Klonen und Abhängigkeiten installieren

git clone https://github.com/zvieli/hireme_mcp.git
cd hireme_mcp

# Using uv (recommended)
uv venv .venv
uv pip install -e ".[dev]"
playwright install chromium

2. Kandidatenprofil und CV konfigurieren

Platzieren Sie Ihren Lebenslauf (cv.pdf, cv.docx oder cv.txt) im Stammverzeichnis:

cp /path/to/your/resume.pdf ./cv.pdf
cp .env.example .env

Bearbeiten Sie .env, um Ihren Standard-CV-Pfad und Ihre Kontaktdaten zu konfigurieren:

DEFAULT_CV_PATH=./cv.pdf
CANDIDATE_EMAIL=your.email@example.com
CANDIDATE_NAME="Your Name"

3. (Optional) Erstmalige Authentifizierungseinrichtung für HireMeTech

Comeet und AllJobs funktionieren automatisch ohne Anmeldung. Um Ihr HireMeTech-Konto für direkten API-Zugriff und Auto-Bewerbung zu authentifizieren:

.venv/bin/python -m job_mcp.setup

1. Ein Chromium-Browserfenster wird geöffnet.

2. Melden Sie sich mit Ihren Anmeldedaten an.

3. Kehren Sie zum Terminal zurück und drücken Sie [Enter], um die Sitzung in ./browser_profile zu speichern.

Server ausführen

Option A: Mit Docker (Empfohlen)

# Build and run in background
docker compose up -d

# View live multi-source aggregation logs
docker compose logs -f hireme-mcp

Option B: Lokale Ausführung

# Streamable HTTP (Default for Web & Cloud Clients)
.venv/bin/python -m job_mcp --transport http --host 0.0.0.0 --port 8000

# Stdio (Default for Desktop Clients)
.venv/bin/python -m job_mcp --transport stdio

Visueller CLI-Pipeline-Läufer

Um eine vollständige autonome Entdeckung, Bewertung und Bewerbungs-Trockenlauf direkt in Ihrem Terminal mit reichhaltiger visueller Ausgabe auszuführen:

# Run with auto-extracted skills from your CV:
.venv/bin/python scripts/run_mock_llm_pipeline.py --cv ./cv.pdf

# Run with explicit stack override and remote filter:
.venv/bin/python scripts/run_mock_llm_pipeline.py --cv ./cv.pdf --stack "Python,FastAPI,LangGraph" --work-mode remote --location "Tel Aviv"

# Execute live application submissions (disabled by default in dry-run):
.venv/bin/python scripts/run_mock_llm_pipeline.py --cv ./cv.pdf --auto-apply

MCP-Client-Konfiguration

1. Claude Desktop (claude_desktop_config.json)

Unter Linux: ~/.config/Claude/claude_desktop_config.json
Unter macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Unter Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "job-search-mcp": {
      "command": "/absolute/path/to/hireme_mcp/.venv/bin/python",
      "args": ["-m", "job_mcp", "--transport", "stdio"],
      "env": {
        "BROWSER_HEADLESS": "true",
        "DEFAULT_CV_PATH": "/absolute/path/to/hireme_mcp/cv.pdf",
        "CANDIDATE_EMAIL": "candidate@example.com",
        "LOG_LEVEL": "INFO"
      }
    }
  }
}

2. Gemini Spark / Web-MCP-Clients

• Endpunkt-URL: https://<your-host-or-devtunnel-id>/mcp

• Transport: Streamable HTTP

• Authentifizierung: Keine / Keine Auth

Umgebungsvariablen

Tests ausführen

Führen Sie die vollständige automatisierte Testsuite aus (542 Tests):

.venv/bin/pytest tests/ -v

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert.