Back to MCP directory
publicPublicdnsLocal runtime

linkedin_mcp

LinkedIn模型上下文协议(MCP)服务器,提供通过标准化JSON-RPC接口实现LinkedIn自动化交互功能,包括职位搜索、简历生成、求职信撰写和职位申请管理。

article

README

🚀 领英模型上下文协议(MCP)服务器

这是一个强大的用于领英交互的模型上下文协议服务器,它能让AI助手以编程方式搜索工作、生成简历和求职信,并管理求职申请。

✨ 主要特性

  • 身份验证:通过会话管理实现安全的领英身份验证
  • 资料管理:访问和更新领英个人资料信息
  • 职位搜索:使用灵活的筛选选项搜索职位
  • 简历生成:根据领英个人资料创建定制化简历
  • 求职信生成:为特定的求职申请生成量身定制的求职信
  • 求职申请:提交并跟踪求职申请

📚 详细文档

本项目实现了 模型上下文协议(MCP) 规范,允许AI助手通过标准化的JSON - RPC风格的请求和响应与领英进行交互。

组件:

  • MCP处理程序:将请求路由到适当的服务处理程序
  • API模块:用于领英交互的专用模块(身份验证、职位搜索、个人资料等)
  • 核心协议:定义请求/响应结构和数据模型
  • 实用工具:配置管理和辅助函数

📦 安装指南

# 克隆仓库
git clone https://github.com/yourusername/linkedin-mcp.git
cd linkedin-mcp

# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate  # 在Windows上:venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

配置

在项目根目录下创建一个 .env 文件,并包含以下变量:

# 领英凭证
LINKEDIN_USERNAME=your_email@example.com
LINKEDIN_PASSWORD=your_password

# API设置
OPENAI_API_KEY=your_openai_api_key
SESSION_DIR=sessions
DATA_DIR=data

💻 使用示例

启动服务器

python server.py

示例MCP请求

身份验证

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "linkedin.login",
  "params": {
    "username": "user@example.com",
    "password": "password123"
  }
}

搜索职位

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "linkedin.searchJobs",
  "params": {
    "filter": {
      "keywords": "software engineer",
      "location": "New York, NY",
      "distance": 25
    },
    "page": 1,
    "count": 20
  }
}

生成简历

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "linkedin.generateResume",
  "params": {
    "profileId": "user123",
    "template": "standard",
    "format": "pdf"
  }
}

可用方法

| 属性 | 详情 | |------|------| | linkedin.login | 进行领英身份验证 | | linkedin.logout | 结束当前会话 | | linkedin.checkSession | 检查当前会话是否有效 | | linkedin.getFeed | 获取领英动态帖子 | | linkedin.getProfile | 获取领英个人资料信息 | | linkedin.getCompany | 获取公司资料信息 | | linkedin.searchJobs | 使用筛选器搜索职位 | | linkedin.getJobDetails | 获取职位的详细信息 | | linkedin.getRecommendedJobs | 获取职位推荐 | | linkedin.generateResume | 根据领英个人资料生成简历 | | linkedin.generateCoverLetter | 为求职申请生成求职信 | | linkedin.tailorResume | 为特定职位定制简历 | | linkedin.applyToJob | 申请职位 | | linkedin.getApplicationStatus | 检查申请状态 | | linkedin.getSavedJobs | 获取已保存的职位 | | linkedin.saveJob | 保存职位以备后用 |

🔧 技术细节

项目结构

linkedin-mcp/
├── README.md
├── requirements.txt
├── server.py
├── data/
│   ├── applications/
│   ├── companies/
│   ├── cover_letters/
│   ├── jobs/
│   ├── profiles/
│   └── resumes/
├── linkedin_mcp/
│   ├── api/
│   │   ├── auth.py
│   │   ├── cover_letter_generator.py
│   │   ├── job_application.py
│   │   ├── job_search.py
│   │   ├── profile.py
│   │   └── resume_generator.py
│   ├── core/
│   │   ├── mcp_handler.py
│   │   └── protocol.py
│   └── utils/
│       └── config.py
├── sessions/
└── templates/
    ├── cover_letter/
    │   └── standard.html
    └── resume/
        └── standard.html

运行测试

pytest

📄 许可证

本项目采用MIT许可证 - 详情请参阅 LICENSE 文件。

致谢

  • 领英API文档
  • 模型上下文协议规范
help

Runtime guide

cloud

Hosted runtime

Hosted servers run from a provider-managed environment. You usually connect the MCP client to the hosted endpoint or follow the provider's authorization flow, without keeping a local process alive

  1. Open provider connection page
  2. Authorize or copy endpoint
  3. Connect from your MCP client
terminal

Local runtime / other methods

Local servers run on your own machine or infrastructure. You normally copy the server_config into your MCP client, install the required package, and provide env variables from env_schema when needed

  1. Copy server_config
  2. Install required package
  3. Fill env variables and restart client