mcpField
J
Jobinja Employer

Jobinja Employer

Local
github.com/saeedsepehrBusiness & Marketing1Updated 3d ago
Repository

About Jobinja Employer

Jobinja Employer is an MCP server for employers and recruiters who manage listings on Jobinja. It supports compact resume screening and lets teams organize and annotate applicants in the employer panel.

Key features

  1. 01Compact, low-token applicant screening
  2. 02Search listings and filter applicants
  3. 03Read resume text and applicant details
  4. 04Star, annotate, and file applicants
  5. 05Reject or restore applicants
  6. 06Read-only mode and local session storage

Use cases

  1. 01Shortlist applicants against a job description
  2. 02Review resume text for promising candidates
  3. 03Group applicants into role-specific folders
  4. 04Record team notes before deciding on rejection

MCP support

It exposes Jobinja employer-panel data and applicant-management actions as tools for MCP clients. The server uses the employer's locally stored browser session.

Configuration

Local server config is the same for every client. Copy it into your client’s MCP config file.

mcp.json · Universal config
{
  "mcpServers": {
    "saeedsepehr-jobinja-employer": {
      "command": "uvx",
      "args": [
        "jobinja-employer-mcp"
      ],
      "env": {
        "JOBINJA_READ_ONLY": "<JOBINJA_READ_ONLY>",
        "JOBINJA_DOWNLOAD_DIR": "<JOBINJA_DOWNLOAD_DIR>"
      }
    }
  }
}
Run commanduvx jobinja-employer-mcp
Environment variables to set
JOBINJA_READ_ONLYSet to 1 to disable the tools that change data
JOBINJA_DOWNLOAD_DIRFolder for downloaded resumes

Local servers need a runtime on your machine (e.g. Node.js 18+). Config file locations differ by client; see your client’s docs.

Packages
pypijobinja-employer-mcp0.3.1

Tools

19

Saved tool list · updated 1w ago

This tool takes no parameters.

Details

From the project README

jobinja-employer-mcp | مرور سریع و شورت‌لیست رزومه‌های دریافتی پنل کارفرمایی جابینجا با هوش مصنوعی

jobinja-employer-mcp ابزاری متن‌باز و رایگان برای کارفرمایان و کارشناسان جذب است که در جابینجا آگهی استخدام دارند. این ابزار پنل کارفرمایی جابینجا را به دستیارهای هوش مصنوعی مثل Claude، ChatGPT و Codex وصل می‌کند تا رزومه‌های دریافتی هر آگهی را سریع مرور کنید، متقاضیان مناسب را شورت‌لیست کنید و غربالگری اولیه رزومه را با مصرف توکن کم انجام دهید.

این ابزار برای کارجویان نیست و فقط با حساب کارفرما (panel.jobinja.ir) کار می‌کند.

کافی است به دستیار بگویید «رزومه‌های جدید آگهی کارشناس پشتیبانی را مرور کن، به مرتبط‌ترین‌ها ستاره بزن و برای هر کدام دلیلش را یادداشت کن». دستیار خلاصه فشرده متقاضیان را می‌خواند، فقط رزومه‌های امیدوارکننده را کامل بررسی می‌کند و نتیجه را مستقیم در پنل جابینجا ثبت می‌کند: ستاره، یادداشت محرمانه تیم، پوشه‌بندی رزومه‌ها و در صورت تأیید شما، رد درخواست با دلیل مشخص.

این پروژه بر پایه پروتکل استاندارد MCP (Model Context Protocol) ساخته شده و روی ویندوز، مک و لینوکس کار می‌کند.

چرا jobinja-employer-mcp؟
  • مرور سریع رزومه‌های دریافتی: غربالگری صدها رزومه یک آگهی به چند دقیقه کار دستیار هوش مصنوعی تبدیل می‌شود.
  • مصرف توکن کم: ابزار screen_applicants برای هر متقاضی فقط خلاصه‌ای کوتاه از سوابق و ابتدای متن رزومه برمی‌گرداند و get_resume_text متن رزومه را بدون ارسال فایل PDF می‌دهد. دستیار فقط برای نامزدهای جدی سراغ جزئیات کامل می‌رود.
  • شورت‌لیست در همان پنل: ستاره، یادداشت و پوشه‌ها همان جایی ثبت می‌شوند که تیم استخدام هر روز با آن کار می‌کند. نیازی به خروجی Excel یا جابه‌جایی داده نیست.
  • امنیت حساب کارفرما: رمز عبور هیچ‌وقت در اختیار ابزار قرار نمی‌گیرد. یک بار خودتان وارد پنل می‌شوید و نشست ورود فقط روی رایانه خودتان می‌ماند.
  • استخدام منصفانه: جنسیت، سن و وضعیت تأهل در خلاصه‌های غربالگری حذف شده‌اند و دلایل رد مبتنی بر جنسیت یا سن در ابزار وجود ندارد.
  • کنترل کامل: در حالت فقط‌خواندنی، دستیار هیچ تغییری در پنل نمی‌دهد.

English README

قابلیت‌ها

ابزارکاربرد
jobinja_statusبررسی وضعیت ورود و شرکت متصل
open_login_windowباز کردن پنجره ورود به پنل کارفرمایی، بدون نیاز به ترمینال
list_postsفهرست آگهی‌های استخدام با تعداد متقاضیان در هر مرحله
list_applicantsفهرست متقاضیان هر آگهی با فیلتر وضعیت، ستاره‌دار و دارای یادداشت
screen_applicantsخلاصه فشرده و کم‌مصرف یک صفحه (۲۵ نفر) از متقاضیان برای شورت‌لیست سریع
get_resume_textمتن استخراج‌شده رزومه PDF، بدون ارسال خود فایل
get_applicantاطلاعات تماس، پروفایل جابینجا، یادداشت‌های تیم، وضعیت و دلیل رد
download_resume و download_resumesدانلود فایل رزومه (PDF) برای خواندن و تحلیل
list_folders و list_folder_applicantsپوشه‌های رزومه و متقاضیان هر پوشه
create_folder و set_applicant_foldersساخت پوشه و افزودن یا حذف متقاضی از پوشه
set_starستاره زدن یا برداشتن ستاره
add_note و delete_noteافزودن یادداشت محرمانه تیم یا حذف یادداشت اشتباه
list_rejection_reasons و reject_applicantرد درخواست با دلیل (جابینجا به متقاضی اطلاع می‌دهد)؛ با dry_run فقط فرم پر می‌شود
restore_applicantبازگرداندن متقاضی به «در انتظار تعیین وضعیت»

باز کردن متقاضیِ «بررسی‌نشده» آن را دیده‌شده علامت می‌زند، دقیقاً مانند باز کردن آن در خود پنل.

نصب سریع در Claude Code (افزونه)

اگر Claude Code دارید، این دستور را داخل Claude Code بزنید. افزونه همراه با یک راهنمای غربالگری (skill) نصب می‌شود و به uv و Google Chrome نیاز دارد:

/plugin install jobinja-employer --marketplace saeedsepehr/jobinja-employer-mcp

نصب سریع در Claude Desktop (یک‌کلیکی)

فایل jobinja-employer-mcp-<نسخه>.mcpb را از صفحه انتشارها دانلود کنید و روی آن دوبار کلیک کنید (یا در Claude Desktop از Settings ← Extensions آن را نصب کنید). سپس به Claude بگویید «پنجره ورود جابینجا را باز کن» و یک بار وارد پنل کارفرمایی شوید. Google Chrome باید نصب باشد.

نصب

پیش‌نیازها: پایتون ۳.۱۰ یا جدیدتر و مرورگر Google Chrome. اگر Chrome ندارید، Edge هم کار می‌کند (JOBINJA_BROWSER=msedge) یا مرورگر داخلی Playwright (JOBINJA_BROWSER=chromium و سپس playwright install chromium).

۱. نصب pipx (فقط یک بار):

  • ویندوز: py -m pip install --user pipx و سپس py -m pipx ensurepath
  • مک: brew install pipx و سپس pipx ensurepath
  • لینوکس: sudo apt install pipx و سپس pipx ensurepath

پس از ensurepath پنجره ترمینال را ببندید و دوباره باز کنید.

۲. نصب jobinja-employer-mcp (یا اجرای مستقیم با uvx jobinja-employer-mcp اگر uv دارید):

pipx install jobinja-employer-mcp

۳. ورود یک‌باره به پنل (یا از دستیار بخواهید ابزار open_login_window را اجرا کند): یک پنجره مرورگر باز می‌شود. وارد پنل کارفرمایی شوید؛ پنجره پس از بارگذاری پنل خودش بسته می‌شود.

jobinja-employer-mcp login

اگر نشست ورود منقضی شد، همین دستور را دوباره اجرا کنید. پیش از آن برنامه‌ای را که از این ابزار استفاده می‌کند ببندید.

اتصال به Claude، ChatGPT و Codex

Claude Code:

claude mcp add -s user jobinja -- jobinja-employer-mcp

Claude Desktop: این تنظیم را به فایل claude_desktop_config.json اضافه کنید و برنامه را دوباره باز کنید. مسیر فایل در مک ~/Library/Application Support/Claude/ و در ویندوز %APPDATA%\Claude\ است. اگر برنامه دستور را پیدا نکرد، مسیر کامل آن را بنویسید (where jobinja-employer-mcp در ویندوز، which jobinja-employer-mcp در مک و لینوکس).

{ "mcpServers": { "jobinja": { "command": "jobinja-employer-mcp" } } }

OpenAI Codex CLI: به فایل ~/.codex/config.toml اضافه کنید:

[mcp_servers.jobinja]
command = "jobinja-employer-mcp"

ChatGPT (کانکتور حالت توسعه‌دهنده): ChatGPT فقط به سرورهای راه دور با HTTPS وصل می‌شود.

jobinja-employer-mcp http --port 8765
cloudflared tunnel --url http://localhost:8765

دستور اول نشانی‌ای با یک بخش مخفی می‌دهد (/<secret>/mcp) و دستور دوم یک نشانی عمومی https://….trycloudflare.com. در ChatGPT به Settings ← Apps & Connectors ← Advanced بروید، Developer mode را روشن کنید و کانکتوری با نشانی https://….trycloudflare.com/<secret>/mcp و بدون احراز هویت بسازید.

هشدار: هر کسی این نشانی را داشته باشد به نشست جابینجای شما دسترسی دارد. نشانی را در اختیار کسی قرار ندهید، پس از کار تونل را ببندید و در این حالت بهتر است JOBINJA_READ_ONLY=1 را تنظیم کنید. برای تغییر بخش مخفی، فایل ~/.jobinja-mcp/http_token را حذف کنید.

نمونه درخواست‌ها از دستیار

  • «آگهی‌های فعالم را با تعداد رزومه‌های بررسی‌نشده نشان بده.»
  • «با screen_applicants رزومه‌های آگهی برنامه‌نویس جاوا را مرور کن و پنج نفری را که بیشترین تطابق را با شرح آگهی دارند ستاره بزن و دلیلش را یادداشت کن.»
  • «برای متقاضیانی که سابقه بانکی دارند پوشه «سابقه بانکی» بساز و اضافه‌شان کن.»
  • «متقاضیانی را که هیچ تجربه فنی مرتبط ندارند فهرست کن، ولی ردشان نکن.»

تنظیمات

متغیرپیش‌فرض
JOBINJA_HOME~/.jobinja-mcp (پروفایل مرورگر و نشست ورود)
JOBINJA_COMPANYبه‌صورت خودکار از پنل
JOBINJA_DOWNLOAD_DIR~/Downloads/jobinja-resumes
JOBINJA_READ_ONLYخالی (ابزارهای تغییردهنده فعال‌اند)
JOBINJA_BROWSERchrome (یا msedge یا chromium)

پرسش‌های رایج

آیا jobinja-employer-mcp رمز عبور جابینجای من را ذخیره می‌کند؟ خیر. ورود را خودتان در پنجره مرورگر انجام می‌دهید و ابزار فقط از نشست ذخیره‌شده در پروفایل جداگانه مرورگر روی رایانه شما استفاده می‌کند.

آیا اطلاعات متقاضیان جایی ارسال می‌شود؟ داده‌ها فقط به دستیار هوش مصنوعی‌ای که خودتان وصل کرده‌اید داده می‌شود. رزومه‌های دانلودشده روی رایانه شما ذخیره می‌شوند. سیاست حریم خصوصی سرویس هوش مصنوعی انتخابی و قوانین حفاظت از داده‌های شخصی را رعایت کنید.

آیا دستیار بدون اجازه من درخواست‌ها را رد می‌کند؟ فقط اگر از او بخواهید. رد درخواست به متقاضی اطلاع داده می‌شود، پس پیشنهاد می‌شود ابتدا از دستیار بخواهید پیشنهاد رد را به‌صورت یادداشت ثبت کند تا خودتان بررسی کنید. در حالت JOBINJA_READ_ONLY=1 هیچ تغییری ممکن نیست.

این ابزار رسمی جابینجاست؟ خیر، jobinja-employer-mcp پروژه‌ای مستقل و غیررسمی است.

حریم خصوصی

jobinja-employer-mcp کاملاً روی رایانه شما اجرا می‌شود و هیچ داده‌ای برای سازنده ارسال نمی‌کند: نه آمار استفاده، نه اطلاعات متقاضیان. نشست ورود در ~/.jobinja-mcp و رزومه‌های دانلودشده در پوشه‌ای که تعیین می‌کنید می‌مانند تا خودتان پاکشان کنید. اطلاعاتی که ابزار از پنل می‌خواند فقط به دستیار هوش مصنوعی‌ای داده می‌شود که خودتان وصل کرده‌اید. متن کامل: PRIVACY.md.

مشارکت

باگ‌ها و پیشنهادها را در Issues ثبت کنید. اگر ساختار پنل جابینجا تغییر کرد و ابزاری از کار افتاد، Pull Request بسیار کمک می‌کند. هرگز فایل رزومه، داده متقاضی یا پوشه ~/.jobinja-mcp را در Issue یا مخزن قرار ندهید.

سلب مسئولیت

این پروژه وابسته به جابینجا نیست. تغییر ساختار پنل ممکن است ابزارها را از کار بیندازد. استفاده از آن باید مطابق قوانین جابینجا و مقررات حفاظت از داده‌های شخصی باشد. مجوز انتشار: MIT.

Comments

Markdown supported

New to MCP?

From what the protocol is to installing your first server, these answers cover most first questions.

An open protocol that defines how AI applications connect to external tools and data in a uniform way. Clients talk to the model; MCP servers provide tools, resources and prompt templates. They exchange standard messages, so one server can be reused by many clients.