LinkedIn 模型上下文协议（MCP）服务器

一个强大的模型上下文协议服务器，用于与LinkedIn互动，使AI助手能够搜索工作、生成简历和求职信，并管理求职申请。

功能

• 认证：安全的OAuth 2.0认证，支持令牌刷新
• 个人资料管理：访问和更新LinkedIn个人资料信息
• 职位搜索：高级职位搜索，支持过滤和分页
• 简历及求职信：生成定制化的简历和求职信
• 消息：发送消息和连接请求
• 分析：跟踪求职申请和参与度指标
• 异步API：使用asyncio构建，实现高性能
• 模块化设计：清晰、可维护的代码，关注点分离

架构

该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风格请求和响应与LinkedIn进行交互。

项目结构

linkedin_mcp/
├── api/
│   ├── clients/         # API客户端实现
│   │   ├── __init__.py   # 客户端工厂函数
│   │   ├── linkedin.py   # LinkedIn API客户端
│   │   └── openai.py     # OpenAI集成
│   │
│   ├── models/          # 数据模型和模式
│   │   ├── __init__.py   # 模型导出
│   │   ├── common.py     # 常用数据模型
│   │   ├── enums.py      # 枚举
│   │   ├── requests.py   # 请求模型
│   │   └── responses.py  # 响应模型
│   │
│   └── services/        # 业务逻辑
│       └── ...
│
├── core/                # 核心应用逻辑
│   ├── __init__.py
│   ├── exceptions.py    # 自定义异常
│   ├── mcp_handler.py   # MCP协议处理器
│   └── protocol.py      # 协议定义
│
├── utils/              # 工具函数
│   ├── __init__.py
│   ├── auth.py          # 认证辅助工具
│   ├── rate_limiter.py  # 速率限制
│   └── retry.py         # 重试机制
│
├── examples/           # 示例脚本
│   └── basic_usage.py   # 基本客户端使用示例
│
├── .env.example       # 环境变量示例文件
├── README.md           # 本文件
└── requirements.txt    # 项目依赖

开始使用

先决条件

• Python 3.8+
• LinkedIn开发者账户
• 从LinkedIn开发者获取的OAuth 2.0凭证

安装

1. 克隆仓库

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

2. 创建并激活虚拟环境

   # Linux/macOS
   python -m venv venv
   source venv/bin/activate
   
   # Windows
   python -m venv venv
   .\venv\Scripts\activate
   

3. 安装依赖

   pip install -r requirements.txt
   

4. 设置环境变量

   cp .env.example .env
   

   使用您的LinkedIn API凭证和其他设置编辑.env文件。

配置

在项目根目录中创建一个.env文件，包含以下变量（参见.env.example以获取详细信息）：

# LinkedIn API凭证（必需）
LINKEDIN_CLIENT_ID=your_client_id_here
LINKEDIN_CLIENT_SECRET=your_client_secret_here
LINKEDIN_REDIRECT_URI=http://localhost:8080/callback

# 可选：OpenAI API密钥（用于简历/求职信生成）
# OPENAI_API_KEY=your_openai_api_key_here

# 可选：日志级别
LOG_LEVEL=INFO

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

使用方法

启动服务器

python server.py

示例MCP请求

认证

{
  "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",
  1. "params": {
    "filter": {
      "keywords": "软件工程师",
      "location": "纽约州，纽约市",
      "distance": 25
    },
    "page": 1,
    "count": 20
  }
}

生成简历

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

可用方法

方法	描述
linkedin.login	使用LinkedIn进行认证
linkedin.logout	结束当前会话
linkedin.checkSession	检查当前会话是否有效
linkedin.getFeed	获取LinkedIn动态帖子
linkedin.getProfile	获取LinkedIn个人资料信息
linkedin.getCompany	获取公司资料信息
linkedin.searchJobs	使用过滤器搜索职位
linkedin.getJobDetails	获取职位详细信息
linkedin.getRecommendedJobs	获取职位推荐
linkedin.generateResume	从LinkedIn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	应聘职位
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

开发

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

• LinkedIn API文档
• 模型上下文协议规范