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
- 01结构化解析简历与履历
- 02提取加权职位标准
- 03解释候选人与职位的匹配分
- 04排名最多 10 位候选人
- 05规范化法语和英语技能
适用场景
- 01根据职位描述筛选申请者
- 02比较候选人并生成初选名单
- 03将简历数据映射到 ATS 架构
- 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。
https://hirelayer.co/mcpclaude mcp add --transport http co-hirelayer-hirelayer https://hirelayer.co/mcp{"mcpServers":{"co-hirelayer-hirelayer":{"type":"http","url":"https://hirelayer.co/mcp"}}}在 Cursor 中打开{"servers":{"co-hirelayer-hirelayer":{"type":"http","url":"https://hirelayer.co/mcp"}}}在 VS Code 中打开{"mcpServers":{"co-hirelayer-hirelayer":{"type":"http","url":"https://hirelayer.co/mcp"}}}{"mcpServers":{"co-hirelayer-hirelayer":{"serverUrl":"https://hirelayer.co/mcp"}}}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。
工具
详细介绍
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。
“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
- 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。 - 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。
- 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 | 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.co | API 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
- 网站:hirelayer.co
- API 参考:hirelayer.co/api-docs
- OpenAPI:hirelayer.co/openapi.json
- 面向 Agent 的文档:hirelayer.co/llms.txt
- 联系方式:[email protected]
许可证
评论
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。