mcpField
H
HireLayer

HireLayer

远程服务
hirelayer.co商业与营销1今天更新

关于 HireLayer

HireLayer 是面向招聘团队及人力资源工具开发者的 MCP 服务,可解析简历、提取职位标准、评分和排名候选人,并规范化技能。

主要功能

  1. 01结构化解析简历与履历
  2. 02提取加权职位标准
  3. 03解释候选人与职位的匹配分
  4. 04排名最多 10 位候选人
  5. 05规范化法语和英语技能

适用场景

  1. 01根据职位描述筛选申请者
  2. 02比较候选人并生成初选名单
  3. 03将简历数据映射到 ATS 架构
  4. 04规范化候选人资料中的技能

MCP 相关

向 MCP 客户端提供招聘工具和预设筛选提示词。可连接托管服务 `https://hirelayer.co/mcp`,也可在本地运行。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://hirelayer.co/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

安装包
npmhirelayer-mcp2.1.0

工具

详细介绍

HireLayer 标志

HireLayer MCP 服务

为 AI Agent 提供简历解析、候选人匹配和候选人排名。

HireLayer 官方 Model Context Protocol 服务。解析简历和履历,将职位描述转换为标准,然后通过 Claude、ChatGPT、Cursor、VS Code、Codex 或任何 MCP 客户端为候选人评分和排名。

服务 URL:https://hirelayer.co/mcp · 使用您的 HireLayer 账户登录,无需复制 API 密钥。

npm version CI License: MIT MCP

在 Cursor 中安装 在 VS Code 中安装 在 VS Code Insiders 中安装 添加到 LM Studio

“根据高级 React 职位的要求筛选这 3 份简历,并告诉我该面试谁。”

您的助手会解析每份履历,提取职位标准,逐项为每位候选人评分,并说明入围名单的理由。

目录

您可以做什么

  • 解析简历和履历。 将 PDF、Word、图像和其他文件转换为结构化 JSON:联系方式、工作经验、教育经历、语言、技能和全文。扫描版简历会经过 OCR 处理,并检测简历所用的语言。
  • 将职位描述转换为标准。 获取带权重和说明的匹配标准,并标记必备要求。
  • 将候选人与职位匹配。 根据职位为简历打分,分数范围为 0 到 1,并说明每项标准的评分理由。
  • 为候选人排名。 一次调用即可为同一职位的最多 10 位候选人排序,并提供每位候选人的分数和理由。
  • 规范化技能。 将法语或英语的自由文本技能映射到具有稳定 ID 的技能分类体系。

可用于在聊天中筛选申请者、构建招聘 Agent、丰富 ATS,或在不编写集成代码的情况下制作人力资源技术功能原型。

快速开始

  1. 在 AI 应用中添加服务 URL https://hirelayer.co/mcp,或点击上方的一键安装按钮。
  2. 在应用提示时登录 HireLayer,并允许访问。还没有账户?免费注册:每月可获 50 个积分,无需信用卡。
  3. 向助手提问。 例如,附上简历并询问 “总结这位候选人的情况。”

若想在不使用自己数据的情况下试用,请使用 examples/ 中的示例职位和简历。此仓库附带 .mcp.json:克隆仓库,导出 HIRELAYER_API_KEY,在 Claude Code 中打开该文件夹,它会提示启用本地服务。

在 MCP 客户端中安装

托管服务(推荐)

连接到 https://hirelayer.co/mcp 并登录 HireLayer。无需安装,也无需保持更新。

客户端连接方式
Claude(网页、桌面、移动端)设置 → 连接器 → 添加自定义连接器,粘贴 URL,然后点击 连接
ChatGPT设置 → 应用 → 开启开发者模式,使用该 URL 和 OAuth 身份验证创建应用
Claude Code执行 claude mcp add --transport http hirelayer https://hirelayer.co/mcp,然后输入 /mcp 登录
Cursor点击上方的 在 Cursor 中安装,或将 { "mcpServers": { "hirelayer": { "url": "https://hirelayer.co/mcp" } } } 添加到 ~/.cursor/mcp.json
VS Code点击上方的 在 VS Code 中安装,或将 { "servers": { "hirelayer": { "type": "http", "url": "https://hirelayer.co/mcp" } } } 添加到 .vscode/mcp.json
Codex CLI执行 codex mcp add hirelayer --url https://hirelayer.co/mcp,然后执行 codex mcp login hirelayer

无法使用 OAuth 登录的客户端可以改为发送 HireLayer API 密钥:Authorization: Bearer your-api-key。

托管版 parse_resume 可处理在 ChatGPT 中附加的文件、公开 HTTPS URL、较小的 base64 文件或简历文本。若要解析磁盘上的文件,请在本地运行服务。

本地服务(npx)

使用 API 密钥在你的计算机上运行:注册,然后从 仪表板 → API 密钥复制密钥,并替换下方的 your-api-key。

Claude Code
claude mcp add hirelayer --env HIRELAYER_API_KEY=your-api-key -- npx -y hirelayer-mcp
Claude Desktop

打开 设置 → 开发者 → 编辑配置,并将服务添加到 claude_desktop_config.json:

{
  "mcpServers": {
    "hirelayer": {
      "command": "npx",
      "args": ["-y", "hirelayer-mcp"],
      "env": { "HIRELAYER_API_KEY": "your-api-key" }
    }
  }
}

重启 Claude Desktop。

Cursor

将以下内容添加到 ~/.cursor/mcp.json(所有项目)或 .cursor/mcp.json(单个项目):

{
  "mcpServers": {
    "hirelayer": {
      "command": "npx",
      "args": ["-y", "hirelayer-mcp"],
      "env": { "HIRELAYER_API_KEY": "your-api-key" }
    }
  }
}
VS Code (GitHub Copilot)

将以下内容添加到 .vscode/mcp.json。VS Code 会提示输入 API 密钥,并安全地保存该密钥:

{
  "inputs": [
    { "type": "promptString", "id": "hirelayer_api_key", "description": "HireLayer API key", "password": true }
  ],
  "servers": {
    "hirelayer": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "hirelayer-mcp"],
      "env": { "HIRELAYER_API_KEY": "${input:hirelayer_api_key}" }
    }
  }
}
Windsurf

将以下内容添加到 ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "hirelayer": {
      "command": "npx",
      "args": ["-y", "hirelayer-mcp"],
      "env": { "HIRELAYER_API_KEY": "your-api-key" }
    }
  }
}
OpenAI Codex CLI
codex mcp add hirelayer --env HIRELAYER_API_KEY=your-api-key -- npx -y hirelayer-mcp
Gemini CLI
gemini mcp add -e HIRELAYER_API_KEY=your-api-key hirelayer npx -y hirelayer-mcp
Cline、Roo Code、Zed、LM Studio 及其他客户端

任何可运行 stdio MCP 服务的客户端都可以使用以下命令和环境变量:

  • 命令:npx -y hirelayer-mcp
  • 环境变量:HIRELAYER_API_KEY=your-api-key

Cline 用户也可以让 Cline 安装服务:llms-install.md 中列出了具体步骤。

Docker
docker build -t hirelayer-mcp .
docker run -i --rm -e HIRELAYER_API_KEY=your-api-key hirelayer-mcp

在 Docker 中,parse_resume 只能读取挂载到容器中的文件。否则,请传入 file_url。

## 工具
工具功能典型输入
parse_resume将简历或履历文件解析为结构化 JSON:联系方式、工作经历、教育经历、语言、技能和全文本地 file_path 或公开的 file_url。支持小于 4.5 MB 的 PDF、DOC、DOCX、ODT、RTF、TXT、PPT、PPTX、ODP、XLS、JPG、PNG 或 BMP 文件。
extract_job_criteria将职位描述转换为加权标准:每项标准的权重为 1 到 3,并包含必备标记和理由职位描述文本
match_candidate根据职位对一位候选人进行 0 到 1 的评分,并为每项标准提供摘要、状态和说明职位文本、简历文本和标准
rank_candidates为一个职位对最多 10 位候选人进行排名,并为每位候选人提供评分和理由职位文本和最多 10 份简历文本
resolve_skills将法语或英语的自由文本技能映射到技能分类体系,并附上其所属类别和领域自由文本,可以是单项技能,也可以是完整的技能部分

所有工具都只读取和分析数据,不会更改你系统中的任何内容。

该服务还附带提示词,供客户端作为现成命令展示:

提示词功能
screen_candidates执行完整的筛选工作流(提取标准、解析、匹配),并生成候选名单
summarize_resume解析一份简历并撰写招聘人员摘要
normalize_skills规范化技能部分,并按领域分组
筛选工作原理
flowchart LR
    J[Job description] --> C[extract_job_criteria]
    R[Resume files] --> P[parse_resume]
    C --> M[match_candidate]
    P --> M
    P --> K[rank_candidates]
    J --> K
    M --> S[Shortlist with explanations]
    K --> S
match_candidate 的输出示例
{
  "score": 0.89,
  "summary": "Profil très aligné : React, TypeScript et l’expérience demandée sont démontrés. Le niveau d’anglais reste à confirmer.",
  "evaluated_criteria": [
    {
      "id": "crit_1",
      "label": "Maîtrise de React",
      "weight": 3,
      "is_mandatory": true,
      "match_status": "ideal",
      "match_explanation": "Le CV décrit une équipe React dirigée depuis 2022 sur une plateforme en production."
    }
  ]
}

标准标签、理由、摘要和说明均以法语撰写。如果你用其他语言提问,助手会在回答时将其翻译成该语言。

提示词示例

招聘人员和招聘经理

  • “解析 ~/Downloads/jane-doe.pdf,并用五个要点概述她的工作经历。”
  • “这是我们的高级数据工程师职位描述。提取相关标准,然后告诉我哪些是必备条件。”
  • “根据这个职位评估 ~/candidates/ 中的简历,并提供一张包含评分和主要差距的候选名单表格。”
  • “为客户经理职位给这 8 位候选人排名,并说明排名前三的候选人为何脱颖而出。”
  • “这位候选人是否满足所有必备标准?如果没有,缺少哪些条件?”

开发者和人力资源技术团队

  • “解析这份简历,并将结果映射到我们的 ATS 候选人架构:{ name, email, current_title, skills[] }。”
  • “规范化以下技能部分:办公软件(Word、Excel)、React.js、流利英语、项目管理。”
  • “编写一个 TypeScript 函数,将简历发送到 HireLayer API,并将此工具返回的 JSON 用作预期类型。”

现在使用示例文件试用

  • “根据 examples/job-senior-react-developer.md 筛选 examples/ 中的简历。”

定价和额度

每次成功调用工具会消耗 1 个 HireLayer 额度。无论候选人数量多少,调用一次 rank_candidates 均消耗 1 个额度。失败的调用不收费。

方案额度价格
免费每月 50 个免费,无需银行卡
付费方案更多额度和更高限额查看 hirelayer.co/#pricing

数据与隐私

  • 托管服务只会接收你的助手发送给 HireLayer 工具的内容。每个应用只有在你登录并授权后才能访问,你可以随时断开连接。
  • 本地服务运行在你的计算机上,并使用你的 API 密钥通过 HTTPS 调用 HireLayer API。它不会收集遥测数据。
  • parse_resume 只会读取你指定的文件。默认情况下,HireLayer 会存储原始文件,并在 info_resume.url 中返回其链接。调用时设置 do_not_store_data: true,即可不存储该文件。
  • 请参阅隐私政策和安全政策。

简历包含个人数据。请根据你的招聘流程以及适用规则(例如 GDPR)使用这些工具。评分用于辅助人工决策,而非取代人工决策。

配置

变量必填默认值描述
HIRELAYER_API_KEY是你的 HireLayer API 密钥
HIRELAYER_BASE_URL否https://hirelayer.coAPI 基础 URL,用于测试

故障排除

症状解决方法
HIRELAYER_API_KEY is not set将包含密钥的 env 块添加到客户端配置中,然后重启客户端。
HireLayer API returned 401密钥错误或已撤销。请从 Dashboard → API keys 重新复制密钥。
HireLayer API returned 403你已用完本月的额度。请等待额度重置,或升级套餐。
解析似乎很慢解析通常需要约 35 秒;对于需要 OCR 的扫描件,耗时会更长。服务端会发送进度更新,避免客户端超时。
找不到 npx 或 Node.js 版本过旧请从 nodejs.org 安装 Node.js 20 或更高版本。
找不到文件请使用绝对路径,例如 /Users/me/Downloads/cv.pdf,而不是 ~/Downloads/cv.pdf。

如需调试,请在 MCP Inspector 中运行服务:

HIRELAYER_API_KEY=your-api-key npx @modelcontextprotocol/inspector npx -y hirelayer-mcp

常见问题

HireLayer 是 ATS 吗? 不是。HireLayer 提供招聘软件所需的 AI 基础功能:简历解析、匹配、排名和技能处理。你可以通过 MCP 单独使用这些功能,也可以通过 REST API 将它们接入 ATS 或 HR 技术产品。

结果使用哪种语言? HireLayer 生成的文本(标准标签和理由、匹配摘要与说明、排名理由)为法语;助手在用其他语言回答时会将其翻译。技能解析会返回法语或英语标签。

支持哪些语言的简历? 解析器会检测每份简历的主要语言,并在 info_resume.language 中返回。

可以直接使用 REST API 吗? 可以。有关详情,请参阅面向 Agent 的 API 参考、OpenAPI 规范和 llms.txt。

需要 API 密钥吗? 使用托管服务时不需要:你只需登录 HireLayer 并授权访问,应用的调用会使用你套餐中的额度。每个已连接的应用都会以“(MCP)”密钥的形式显示在 Dashboard → API keys 中;撤销该密钥即可断开应用。使用本地服务时需要 API 密钥。

开发

git clone https://github.com/hirelayer/hirelayer-mcp.git
cd hirelayer-mcp
npm install
npm test
HIRELAYER_API_KEY=your-api-key npx @modelcontextprotocol/inspector node dist/index.js

请参阅 CONTRIBUTING.md。请在 GitHub issues 中报告错误,并按照 SECURITY.md 中的说明报告漏洞。

链接

许可证

MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。