linkedin_mcp

🚀 LinkedIn 个人资料分析器 MCP

这是一个强大的 LinkedIn 个人资料分析器 MCP（机器控制协议）服务器，它与 LinkedIn 的 API 进行交互，以获取、分析和管理 LinkedIn 帖子数据。此 MCP 专为与 Claude AI 协同工作而设计。

✨ 主要特性

• 为任何公开个人资料获取并存储 LinkedIn 帖子。
• 通过关键词过滤搜索帖子。
• 根据参与度指标获取表现最佳的帖子。
• 按日期范围过滤帖子。
• 分页访问已存储的帖子。
• 易于与 Claude AI 集成。

📦 安装指南

前提条件

• Python 3.7 及以上版本。
• LinkedIn 数据 API 的 RapidAPI 密钥。
• 拥有 Claude AI 访问权限。

步骤

1. 获取 RapidAPI 密钥
   1. 访问 RapidAPI 上的 LinkedIn 数据 API。
   2. 在 RapidAPI 上注册或登录。
   3. 订阅 LinkedIn 数据 API。
   4. 从仪表板复制你的 RapidAPI 密钥。
2. 克隆仓库

git clone https://github.com/rugvedp/linkedin-mcp.git
cd linkedin-mcp

3. 安装依赖项

pip install -r requirements.txt

4. 设置环境变量
   • 创建一个 .env 文件。
   • 添加你的 RapidAPI 密钥：

RAPIDAPI_KEY=your_rapidapi_key_here

📚 详细文档

项目结构

linkedin-mcp/
├── main.py              # 主 MCP 服务器实现
├── mcp.json            # MCP 配置文件
├── requirements.txt    # Python 依赖项
├── .env               # 环境变量
└── README.md          # 文档

MCP 配置

mcp.json 文件用于配置 LinkedIn MCP 服务器：

{
  "mcpServers": {
    "LinkedIn Updated": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "mcp",
        "run",
        "path/to/your/script.py"
      ]
    }
  }
}

请确保更新 args 中的路径以匹配你本地文件的位置。

可用工具

1. fetch_and_save_linkedin_posts

获取指定用户名的 LinkedIn 帖子并将其保存到本地。

fetch_and_save_linkedin_posts(username: str) -> str

2. get_saved_posts

检索已保存的帖子，并支持分页。

get_saved_posts(start: int = 0, limit: int = 10) -> dict

3. search_posts

搜索包含特定关键词的帖子。

search_posts(keyword: str) -> dict

4. get_top_posts

根据参与度指标返回表现最佳的帖子。

get_top_posts(metric: str = "Like Count", top_n: int = 5) -> dict

5. get_posts_by_date

过滤指定日期范围内的帖子。

get_posts_by_date(start_date: str, end_date: str) -> dict

与 Claude 配合使用

1. 在与 Claude 的对话中初始化 MCP 服务器。
2. 通过自然语言命令使用可用工具。
3. Claude 将帮助你使用这些工具与 LinkedIn 数据进行交互。

API 集成

本项目使用了 LinkedIn 数据 API 的以下端点：

• GET /get-profile-posts：从 LinkedIn 个人资料中获取帖子。
  • 基础 URL：https://linkedin-data-api.p.rapidapi.com
  • 必需的请求头：
    • x-rapidapi-key：你的 RapidAPI 密钥
    • x-rapidapi-host：linkedin-data-api.p.rapidapi.com

🤝 贡献指南

1. 分叉仓库。
2. 创建你的功能分支 (git checkout -b feature/amazing-feature)。
3. 提交你的更改 (git commit -m 'Add amazing feature')。
4. 将更改推送到该分支 (git push origin feature/amazing-feature)。
5. 打开一个拉取请求。

📄 许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

👨‍💻 作者

Rugved Patil

📂 仓库链接

linkedin-mcp

🙏 致谢

• 感谢 RapidAPI 提供 LinkedIn 数据访问服务。
• 感谢 Anthropic 提供 Claude AI 功能。