job-mcp

{"type":"text"}# Универсальный многопоточный сервер поиска работы FastMCP (job-mcp)

Корпоративный, ориентированный на конфиденциальность FastMCP-сервер, обеспечивающий интеллектуальную агрегацию вакансий из нескольких источников, умную дедупликацию, динамическое извлечение навыков из резюме, оценку покрытия требований и автономные рабочие процессы подачи заявок на HireMeTech, Comeet ATS и AllJobs Israel.

Обзор архитектуры

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

Ключевые возможности

1. Динамическое извлечение резюме и профиля кандидата:

   • Многоформатный ввод: Поддерживает файлы .pdf (через pypdf), .docx (через python-docx) и .txt.

   • NLP-разбиение навыков и динамический лексикон: Обнаруживает и извлекает 40+ технических навыков без хрупкого жесткого кодирования, поддерживая сложные многословные технологии (например, FastAPI, LangGraph, PostgreSQL, Smart Contracts, GraphRAG).

   • Автоматическое определение уровня и исключений: Точно определяет уровень кандидата (Junior, Mid, Senior, Lead, Principal, Director) и генерирует интеллектуальные негативные ключевые слова для фильтрации неподходящих позиций.

   • Фильтрация стоп-слов и шума: Тщательно отбрасывает структурные артефакты резюме, даты, образовательные титулы и нетехнические метаданные.

2. Умная оценка покрытия требований (0–100):

   • Коэффициент покрытия требований вакансии: Вычисляет, насколько полно навыки кандидата удовлетворяют указанному технологическому стеку конкретной вакансии (matched_job_skills / total_job_skills), предотвращая штрафы для кандидатов с широкими резюме.

   • Взвешенная оценка компонентов:

     • Пересечение и покрытие технологического стека: до 40 баллов

     • Релевантность ключевых слов всего резюме: до 25 баллов

     • Соответствие режима работы и местоположения: до 20 баллов

     • Ожидания по зарплате: до 15 баллов

     • Штраф за исключение: -100 баллов за жесткие дисквалификаторы по уровню/технологиям.

   • Категоризация совпадений по уровням:

     • Лучшее совпадение ($\ge 85$): Автоподача / приоритетные кандидаты на подачу.

     • Сильное совпадение ($70 - 84$): Вакансии с высоким интересом, отмеченные для просмотра/закладок.

     • Дисквалифицировано ($< 50$): Автоматически скрыто или удалено.

3. Подключаемая многопоточная архитектура:

   • HireMeTech: Прямая интеграция с REST API (/api/jobs/search, /api/auth/me, /api/resume/profile) с автоматическим резервным DOM-механизмом.

   • Comeet (Direct ATS): Прямая интеграция с Comeet Careers API (/careers-api/2.0/company/{id}/positions) с ограничением скорости asyncio.Semaphore(5), индексацией технического каталога и TTL-кэшированием для каждой компании.

   • AllJobs Israel: Интеграция с категорийными лентами с реалистичными заголовками браузера и изоляцией ошибок на уровне источника.

4. Межпоточная дедупликация и объединение сущностей:

   • Устраняет дубликаты, когда вакансии появляются на нескольких досках объявлений.

   • Объединяет списки источников (sources: ["hiremetech", "comeet"]), объединяет технологические стеки, сохраняет наиболее полное описание и отдает приоритет прямым ссылкам на подачу через ATS.

5. Автономный и контролируемый режимы работы:

   • Контролируемый режим: Стандартное подтверждение MCP для каждого инструмента.

   • Автономный режим: Безопасная цепочка чтения/фильтрации/закладок без ручных запросов; двухэтапный защитный барьер при отправке заявки.

6. Наблюдаемость и устойчивость:

   • Структурированное JSON-логирование (structlog) в stderr с очисткой токенов/учетных данных.

   • Автоматическое отслеживание trace ID во всех полезных нагрузках ToolResponse.

Справочник инструментов (9 инструментов)

Быстрый старт и настройка

1. Клонирование и установка зависимостей

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. Настройка профиля кандидата и резюме

Поместите ваше резюме (cv.pdf, cv.docx или cv.txt) в корневой каталог:

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

Отредактируйте .env, чтобы настроить путь к резюме по умолчанию и контактные данные:

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

3. (Необязательно) Первоначальная настройка аутентификации для HireMeTech

Comeet и AllJobs работают автоматически без входа в систему. Чтобы аутентифицировать вашу учетную запись HireMeTech для прямого доступа к API и автоподачи:

.venv/bin/python -m job_mcp.setup

1. Откроется окно браузера Chromium.

2. Войдите с вашими учетными данными.

3. Вернитесь в терминал и нажмите [Enter], чтобы сохранить сеанс в ./browser_profile.

Запуск сервера

Вариант A: Использование Docker (рекомендуется)

# Build and run in background
docker compose up -d

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

Вариант B: Локальный запуск

# 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

Визуальный конвейерный запуск CLI

Чтобы выполнить полный автономный поиск, оценку и пробную подачу заявки прямо в терминале с богатым визуальным выводом:

# 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

Конфигурация MCP-клиента

1. Claude Desktop (claude_desktop_config.json)

В Linux: ~/.config/Claude/claude_desktop_config.json
В macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
В 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 / веб-MCP-клиенты

• Конечная точка: https://<your-host-or-devtunnel-id>/mcp

• Транспорт: Streamable HTTP

• Аутентификация: Нет / Без аутентификации

Переменные окружения

Запуск тестов

Запустите полный автоматизированный набор тестов (542 теста):

.venv/bin/pytest tests/ -v

Лицензия

Этот проект лицензирован по лицензии MIT.