Ai Hr Management Toolkit

AI HR Management Toolkit

AI を活用した履歴書パーサーと、21 個の MCP ツールを備えた完全な応募者追跡システムです。PDF の解析、スキルの抽出、パターンの検出、候補者のスコアリングを行い、採用パイプライン全体を管理できます。すべて AI アシスタントから操作でき、手作業は不要です。

ライブデモ： https://ai-hr-management-toolkit.vercel.app

---

これは何ですか？

選考対象の履歴書が 50 件あります。AI アシスタントは候補者について推論できますが、PDF を開いたり、構造化データを抽出したり、採用パイプラインの各段階を追跡したりすることはできません。このツールキットがそのギャップを埋めます。

採用ワークフロー全体をカバーする 21 個のツールを AI アシスタントに提供します。

• PDF、DOCX、TXT、Markdown、URL を構造化された JSON に解析します
• スキル、経験、キーワード、エンティティをアルゴリズムで抽出します
• 求人票に照らして候補者をスコアリングし、順位付けします
• 求人、候補者、面接、オファー、メモ、分析機能を備えた完全な ATS を実行します

21 個中 20 個のツールは 100％アルゴリズムベースで、LLM の呼び出しも API キーも不要です。AI がツールを呼び出して結果を解釈し、分析を提供します。質問するだけで利用できます。

---

クイックスタート（MCP クライアント）

インストールは不要です。MCP クライアントをパッケージに接続します。

Claude Desktop — %APPDATA%\Claude\claude_desktop_config.json（Windows）または ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）を編集します。

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

使用例：

Cursor — プロジェクトのルートにある .cursor/mcp.json に追加します。

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

VS Code Copilot — プロジェクトのルートに .vscode/mcp.json を作成します。

{
  "servers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

VS Code ユーザーの方へ： package.json を含むディレクトリ（つまり、任意のプロジェクトルート）から npx コマンドを実行してください。必要に応じて、.vscode/mcp.json の cwd キーで作業ディレクトリを上書きできます。

Windsurf／その他の MCP クライアント — 上記と同じ npx の方法を使用します。

---

インストール方法

オプション 1：NPX（インストール不要、推奨）

任意のプロジェクトディレクトリで動作します（作業ディレクトリに package.json が必要です）。

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

オプション 2：グローバルインストール

一度インストールすれば、どのディレクトリからでも使用できます。

npm install -g mcp-ai-hr-management-toolkit

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "mcp-ai-hr-management-toolkit",
      "args": []
    }
  }
}

オプション 3：リモート HTTP エンドポイント

Next.js アプリをデプロイし、Streamable HTTP トランスポートを使用します。

https://your-domain.com/api/mcp

ローカルでテストします。

npx @modelcontextprotocol/inspector http://localhost:3000/api/mcp

オプション 4：ローカル開発（Web UI + MCP）

git clone <repo-url>
cd Resume-parser
npm install
npm run dev

Web UI は http://localhost:3000 です。MCP エンドポイントは http://localhost:3000/api/mcp です。.env は不要です。UI で API キーを設定するか、ツール呼び出しごとに渡してください。

---

MCP ツール 21 種

すべてのツールは、AI が次に呼び出すツールを判断できるように、next_steps のヒントを含む構造化 JSON を返します。

履歴書の解析と取り込み

ツール	機能	AI？
parse_resume	PDF／DOCX／TXT／MD／URL を解析 → 生テキスト、連絡先、キーワード、セクションマップ	いいえ
batch_parse_resumes	1 回の呼び出しで最大 20 個のファイルを解析し、それぞれに完全なパイプラインを実行	いいえ
inspect_pipeline	5 段階の分析パイプラインを実行 → 信頼度スコア、エンティティ数、データ品質レポート	いいえ

統合分析

ツール	内容	AI？
analyze_resume	分析項目を選択できる統合分析ツールです。keywords（TF-IDF + バイグラム）、patterns（日付範囲、指標、チーム規模、キャリアの推移）、entities（12 種類 + 文脈による曖昧性の解消を用いた NER）、skills（熟練度の推定を含む 13 カテゴリ）、experience（構造化された経歴）、similarity（職務内容とのコサイン類似度、Jaccard 係数、TF-IDF の重複度）、または all を選択できます	いいえ

analyze_resume は、以前は個別に提供されていた 7 つのツール（extract_keywords、detect_patterns、classify_entities、extract_skills_structured、extract_experience_structured、compute_similarity、analyze_resume_comprehensive）を、分析項目を選択できる単一のエントリーポイントに統合します。

候補者のマッチングとスコアリング

ツール	内容	AI？
assess_candidate	最大 8 つの重み付けされた評価軸に基づいてスコアを算出し、重み付け合計と合格／要確認／不採用の判定を返します	任意

エクスポートと通知

ツール	内容	AI？
export_results	構造化された解析結果を JSON または CSV にエクスポートします	いいえ
send_email	SMTP 経由で結果を送信します（設定は呼び出しごとに渡すため、サーバー側にシークレットは保存されません）	いいえ

ATS — 求人

ツール	内容	AI？
ats_manage_jobs	求人情報の CRUD 一式（作成、取得、更新、削除、一覧表示、役職／部門／ステータスによる検索）を実行します	いいえ

ATS — 候補者と採用パイプライン

ツール	内容	AI？
ats_manage_candidates	CRUD と分析機能（追加、更新、ステージ変更、一括移動、絞り込み、順位付け、比較、ステージ変更の提案、要約）を提供します	いいえ
ats_analytics	統合ダッシュボードと採用パイプライン分析（ステージ分布、転換率、ステージごとの平均所要時間、ボトルネック検出、内定承諾率）を提供します	いいえ
ats_search	ATS のすべてのエンティティ（候補者、求人、面接、内定、メモ）を対象に、全文を横断検索します	いいえ

ATS — 面接

ツール	内容	AI？
ats_schedule_interview	面接の作成、更新、削除を行います。競合を検出し、面接担当者の空き状況を確認します	いいえ
ats_interview_feedback	構造化されたフィードバックを送信し、合意スコアを算出して、すべての面接担当者のフィードバックを要約します	いいえ

ATS — 内定とメモ

ツール	内容	AI？
ats_manage_offers	内定のライフサイクル全体（草案 → 保留 → 承認済み → 送信済み → 承諾／辞退／期限切れ）を管理します	いいえ
ats_manage_notes	タイムスタンプ付きの候補者メモを追加、更新、検索、削除します	いいえ

ATS — エンタープライズ人事

ツール	内容	AI？
ats_compliance	EEO／EEOC レポート、GDPR に基づくエクスポート／消去、監査証跡、データ保持ポリシーに対応します	いいえ
ats_talent_pool	転職活動中ではない候補者の人材プール（CRM）を管理します。プールの作成、候補者の追加／削除、検索、分析に対応します	いいえ
ats_scorecard	重み付けされた評価基準、評価者ごとのスコア、総合順位を含む、構造化された面接評価表を提供します	いいえ
ats_onboarding	採用後のオンボーディングチェックリストを管理します。カテゴリ別のタスク、担当者、進捗状況の追跡、期限超過アラートに対応します	いいえ
ats_communication	{{variable}} の補間に対応したメールテンプレート、送信／プレビュー、コミュニケーション履歴、統計を提供します	いいえ

テストとデータ投入

ツール	内容	AI？
ats_generate_demo_data	テスト用の現実的な ATS サンプルデータセット（求人、候補者、面接、内定）を生成します	いいえ

assess_candidate は、provider + apiKey を指定すると、任意で LLM を呼び出します。指定がない場合は、アルゴリズムのみを使用したスコアリングにフォールバックします。

---

複数ターンのフロー例

You: "Parse this resume and tell me if they're a good fit for our Senior Engineer role"

AI → parse_resume(file)
     → raw text, contact info, section map

AI → inspect_pipeline(rawText)
     → 5-stage confidence scores, entity classification

AI → analyze_resume(text, aspects=["skills", "patterns", "similarity"], jobDescription=...)
     → 13 skill categories with proficiency levels
     → career trajectory, metrics, date ranges
     → cosine 0.74, skill match 82%, gap analysis

AI synthesizes → "Strong match. 6 of 8 required skills present.
                  Two gaps: Kubernetes and system design at scale.
                  Recommend: Technical Screen"

---

分析パイプライン

すべての履歴書は、5 段階のアルゴリズムパイプラインで処理されます。

┌─────────────┐    ┌──────────────┐    ┌──────────────┐    ┌────────────────┐    ┌───────────────┐
│  Ingestion  │───▶│ Sanitization │───▶│ Tokenization │───▶│ Classification │───▶│ Serialization │
│ (file/URL)  │    │ (noise trim) │    │  (TF-IDF)    │    │ (NER + disamb) │    │ (structured)  │
└─────────────┘    └──────────────┘    └──────────────┘    └────────────────┘    └───────────────┘

1. 取り込み — PDF は pdf-parse v2、DOCX は mammoth、HTML/URL は cheerio、プレーンテキスト/Markdown はネイティブに処理します
2. サニタイズ — ASCII 以外の文字を除去し、空白を正規化して、書式のノイズを取り除きます
3. トークン化 — 単語の n-gram、2 語の n-gram、3 語の n-gram を用いた TF-IDF を使用し、文書頻度に基づいてスコアを付けます
4. 分類 — ドメインを考慮した曖昧性解消を伴う NER（例：「Java」をプログラミング言語とインドネシアの都市に、「Go」をプログラミング言語と動詞に区別します）
5. シリアライズ — エンティティを信頼度スコアとデータ品質指標を含む型付きの ResumeSchema にマッピングします

---

サポート対象のファイル形式

形式	拡張子	パーサー
PDF	.pdf	pdf-parse v2
DOCX	.docx	mammoth
プレーンテキスト	.txt	直接読み込み
Markdown	.md、.markdown	正規表現ベース
URL / HTML	任意の URL 文字列	cheerio

ファイルサイズの上限：10 MB

---

構造化出力スキーマ

contact        — name, email, phone, location, LinkedIn, GitHub, website, portfolio
summary        — professional summary text
skills[]       — name, category (13 types), proficiency, usage context
experience[]   — company, title, start/end dates, highlights, achievements (with metrics), technologies
education[]    — institution, degree, field, dates, GPA
certifications[] — name, issuer, date, credential URL
projects[]     — name, description, URL, technologies, highlights
languages[]    — spoken language and proficiency

---

Web UI

アプリには、フル機能の Web インターフェースが付属しています。

タブ	説明
単一解析	ファイルを 1 つアップロードするか、URL を貼り付けます。構造化データ、パイプラインの可視化、AI による分析結果を返します
一括解析	最大 20 個のファイルをアップロードします。JSON / CSV / PDF にエクスポートするか、結果をメールで送信できます
チャット	ツールにアクセスできる会話型インターフェースです。解析した任意の履歴書について質問できます
ATS	ジョブ、候補者（カンバン）、面接、オファー、分析ダッシュボードを備えたフル機能のパイプラインボードです

上部のセレクターから AI プロバイダーを切り替えられます。OpenAI、Anthropic、Google、DeepSeek、GLM、Qwen、OpenRouter、OpenCode Zen に対応しています。

---

REST API エンドポイント

すべてのエンドポイントは、任意のヘッダーを指定した multipart/form-data を受け付けます。

ヘッダー	説明
x-api-key	ご利用の AI プロバイダーの API キー
x-ai-provider	openai / anthropic / google / deepseek / glm / qwen / openrouter / opencodezen
x-ai-model	特定のモデル ID

# Parse a single resume
curl -X POST http://localhost:3000/api/parse \
  -H "x-api-key: sk-..." \
  -F "[email protected]"

# Batch parse (up to 20 files)
curl -X POST http://localhost:3000/api/batch-parse \
  -H "x-api-key: sk-..." \
  -F "[email protected]" \
  -F "[email protected]"

# MCP endpoint (Streamable HTTP)
curl -X POST http://localhost:3000/api/mcp \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","method":"tools/list","id":1}'

# Export parsed data
curl -X POST http://localhost:3000/api/export \
  -H "Content-Type: application/json" \
  -d '{"format":"csv","results":[...]}'

---

技術スタック

レイヤー	技術
フレームワーク	Next.js 16（App Router、Turbopack）、React 19、TypeScript
AI	Vercel AI SDK v6、複数プロバイダー対応（OpenAI、Anthropic、Google、DeepSeek、GLM、Qwen、OpenRouter）
MCP	@modelcontextprotocol/sdk v1.29 — Streamable HTTP + stdio トランスポート
解析	pdf-parse v2、mammoth、cheerio
NLP	TF-IDF、NER、コサイン類似度、Jaccard 係数（すべてプロセス内で処理し、外部サービスは不要）
スキーマ	Zod v4
エクスポート	ExcelJS（CSV/XLSX）、jsPDF + jspdf-autotable
メール	Nodemailer
スタイリング	Tailwind CSS v4、Framer Motion

---

開発

npm install

# Start dev server (Web UI at :3000 + MCP at /api/mcp)
npm run dev

# Build the standalone MCP CLI (stdio transport)
npm run build:mcp

# Build the Next.js app for production
npm run build

# Test MCP with the official inspector
npx @modelcontextprotocol/inspector http://localhost:3000/api/mcp
npx @modelcontextprotocol/inspector node dist/mcp-stdio.js

# Lint
npm run lint

---

プロジェクト構成

src/
├── app/
│   ├── page.tsx              # Main UI (tabs, provider selector, chat, ATS)
│   ├── layout.tsx            # Root layout + global styles
│   └── api/
│       ├── parse/route.ts    # Single resume parse
│       ├── batch-parse/route.ts
│       ├── chat/route.ts     # Conversational AI with tool access
│       ├── mcp/route.ts      # MCP server (Streamable HTTP)
│       ├── models/route.ts   # Provider model listing
│       ├── export/route.ts   # JSON / CSV / PDF export
│       └── email/route.ts    # SMTP email
├── components/               # React UI components (parse, batch, chat, ATS)
│   └── ats/                  # ATS-specific views (Kanban, Dashboard, Scheduler…)
└── lib/
    ├── ai-model.ts           # Multi-provider model config (no env fallback)
    ├── mcp-server.ts         # MCP server — registers all 21 tools
    ├── schemas/
    │   ├── resume.ts         # Zod v4 ResumeSchema
    │   └── criteria.ts       # Assessment criteria schema
    ├── analysis/
    │   ├── pipeline.ts       # 5-stage pipeline orchestrator
    │   ├── sanitizer.ts      # Text cleaning
    │   ├── keyword-extractor.ts  # TF-IDF
    │   ├── classifier.ts     # NER with context disambiguation
    │   ├── pattern-matcher.ts    # Regex extraction (metrics, dates, contacts)
    │   └── scoring.ts        # Cosine similarity, Jaccard, skill matching
    ├── parser/
    │   ├── pdf.ts, docx.ts, text.ts, markdown.ts, url.ts
    │   └── index.ts
    ├── ats/
    │   ├── types.ts          # ATS entity types
    │   ├── store.ts          # In-memory ATS state
    │   ├── demo-data.ts      # Realistic seed data generator
    │   └── context.tsx       # React context for ATS state
    └── tools/
        ├── parse-resume.ts       # parse_resume
        ├── inspect-pipeline.ts   # inspect_pipeline
        ├── export-results.ts     # export_results
        ├── send-email.ts         # send_email
        └── mcp/                  # 17 MCP-specific tools
            ├── analyze-resume.ts     # analyze_resume (unified: keywords, patterns, entities, skills, experience, similarity)
            ├── batch-parse.ts        # batch_parse_resumes
            ├── assess-candidate.ts   # assess_candidate
            ├── ats-manage-candidates.ts  # ats_manage_candidates (includes rank/filter/compare/summarize)
            ├── ats-manage-jobs.ts
            ├── ats-manage-offers.ts
            ├── ats-manage-notes.ts
            ├── ats-analytics.ts      # ats_analytics (unified dashboard + pipeline)
            ├── ats-schedule-interview.ts
            ├── ats-interview-feedback.ts
            ├── ats-search.ts
            ├── ats-generate-demo-data.ts
            ├── ats-compliance.ts     # Enterprise: EEO / GDPR / audit
            ├── ats-talent-pool.ts    # Enterprise: passive candidate CRM
            ├── ats-scorecard.ts      # Enterprise: structured scorecards
            ├── ats-onboarding.ts     # Enterprise: onboarding checklists
            └── ats-communication.ts  # Enterprise: email templates & history

---

ライセンス

MIT