关于 Korture Hiring
Korture Hiring 是面向招聘经理的远程 MCP 服务,可分析职位的行为要求,并估算符合者在人群中的比例。它还支持候选人测评和结构化面试,分析结果由 Korture 产品 API 提供。
主要功能
- 01从四个行为维度解读职位
- 02识别九项行为要求
- 03估算职位匹配人群比例
- 04预览调整职位要求的影响
- 05创建候选人测评链接并读取结果
- 06生成结构化面试方案
适用场景
- 01评估职位要求是否限制候选人范围
- 02了解移除关键要求如何扩大职位覆盖面
- 03向候选人发送测评并查看结果
- 04准备针对职位的结构化面试
MCP 相关
通过 Streamable HTTP 向远程 MCP 客户端提供七项招聘工具,涵盖职位解读、简报、候选人测评和面试方案。需要通过 OAuth 2.1 with PKCE 使用 Korture 账户进行身份验证。
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://mcp.korture.com/api/mcpclaude mcp add --transport http korture https://mcp.korture.com/api/mcp{"mcpServers":{"korture":{"type":"http","url":"https://mcp.korture.com/api/mcp"}}}在 Cursor 中打开{"servers":{"korture":{"type":"http","url":"https://mcp.korture.com/api/mcp"}}}在 VS Code 中打开{"mcpServers":{"korture":{"type":"http","url":"https://mcp.korture.com/api/mcp"}}}{"mcpServers":{"korture":{"serverUrl":"https://mcp.korture.com/api/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
Korture Hiring MCP
Korture Hiring 是面向招聘经理的远程 MCP 服务。告诉它你希望人选完成什么工作、团队情况如何,以及工作场所如何运作。 它会复述职位要求,并回答你真正想知道的问题: 哪些人可能天生适合这份工作,以及这样的人是否足够多。
它通过四个直观维度来解读职位:
- 工作内容。 工作的核心是什么:亲自动手、解决难题,还是进行创造。
- 团队。 工作有多大程度需要通过他人来完成。
- 驱动力。 工作需要多少领导和说服能力。
- 文化。 工作环境是讲究条理和精准,还是灵活而快速。
每个维度都会在同一条基于真实人群绘制的尺度上,标出职位的要求,以及适合这类工作的人通常所处的位置。如果职位的要求高于这些人通常能达到的水平,那就是稀缺之处,也是招聘停滞的原因。
然后,它会计算比例。按照真实人群而非其他职位来衡量,多少人中大约有 1 人天生适合这份工作。如果这个数字很小,它会告诉你每个决定成败的部分让人选范围缩小了多少:去掉这一项后,比例可能从大约 1/7 变成大约 1/5。预览结果会如实呈现,因此也会告诉你某项调整何时会让职位要求更窄,或没有任何变化。
如果这份工作已经能找到合适人选,它会带你继续:生成候选人的扫描链接,并获取该职位的结构化面试内容。
拥有 Korture 账户即可免费使用。在 korture.com 登录。
端点: https://mcp.korture.com/api/mcp
可用工具
| 工具 | 用途 |
|---|---|
read_the_role | 判断你提供的信息是否足以解读职位、还缺少什么,以及需要进一步询问什么。在调用 create_brief 前调用。 |
create_brief | 将职位解读为九项行为要求:每项要求的关键程度、哪些是决定成败的要求、对应的原文,以及针对每个难点提出一个“他们能否 ___?”问题。 |
get_brief | 获取完成的职位简报。生成过程中也可使用此工具轮询。 |
read_the_people | 获取四个维度、多少人中大约有 1 人天生适合这份工作,以及去掉每个决定成败的部分后比例会如何变化。 |
get_playbook | 获取该职位的结构化面试内容:本职位的胜任力、问题,以及优秀、一般或较弱的回答会是什么样。 |
start_scan | 获取候选人打开后进行扫描的链接。 |
get_scan_result | 获取对一位候选人的解读结果。 |
费用
一个点数可用于以下三项之一:新增一个职位、修改一个职位,或一位候选人完成一次扫描。第一个职位免费。阅读任何内容——职位简报、职位解读、面试内容或候选人信息——始终免费。
点数用完后,你将无法再添加职位。但候选人不会因此在扫描中途被打断,扫描结果也永远不会被付费墙拦截。
这些数字不代表什么
候选人的等级表示此人与这份职位的契合程度。 它不是对候选人的评价,也不是与其他候选人的排名。 不同绝不意味着更差。因此,工具会以文字形式返回解读结果,读取这些结果的助手不应将其转换成分数。
从 Claude Desktop 连接
将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": {
"korture-hiring": {
"url": "https://mcp.korture.com/api/mcp"
}
}
}
完全退出 Claude Desktop 后重新打开。连接器会显示在托盘中。
首次连接
连接器需要 Korture 账户。添加后,Claude Desktop 会在连接器页面显示 连接 按钮。点击该按钮。你将被引导至 hire.korture.com,通过电子邮件 OTP 完成身份验证,无需密码。
身份验证大约需要 20 秒。
完成后,返回 Claude Desktop。七个工具都将可用。 你的账户会保持登录状态,直到你在连接器页面撤销授权。
获取简报后
每个简报形式的回复都包含一个 links 块:
links.overview:korture.com 上的简报links.role_shape:四个维度,以及角色变更实际应用的位置links.candidates:候选人及其结果links.playbook:结构化面试
助手会在回复末尾显示这些链接。read_the_people 会告诉你变更会带来什么影响;应用变更是一项决策,因此需要在角色形状页面上进行,而不是在聊天中进行。
如果你之前连接的是 https://korture-mcp-server.vercel.app/api/mcp,请更新上方的 URL 并重新进行身份验证。旧 URL 仍会通过重定向提供服务,但今后使用的规范地址是 mcp.korture.com。
从 Cursor 连接(一键操作)
在安装了 Cursor 的浏览器中点击上方按钮。Cursor 会打开并预填服务名称和 URL,确认并保存即可。
从 ChatGPT 和其他 MCP 客户端连接
任何支持远程 Streamable HTTP 服务 URL 的 MCP 客户端都可以使用同一地址:https://mcp.korture.com/api/mcp。
- ChatGPT。 将其添加为自定义连接器。此功能需要在付费方案中启用开发者模式。
- Gemini Enterprise。 在已连接的应用下添加 MCP 服务,并填写 URL 和 OAuth 详细信息。
- Cursor。 使用上方的一键操作按钮。
该服务实现了 2026-07-28 协议,并通过同一端点为 2025 年版本的客户端提供服务,因此无论客户端使用哪个修订版本,都可以正常工作。
身份验证
该服务使用 PKCE(RFC 6749 + 7636,符合 MCP 规范)参与 OAuth 2.1。它公布以下信息:
https://mcp.korture.com/.well-known/oauth-protected-resource:资源元数据(RFC 9728)https://hire.korture.com/.well-known/oauth-authorization-server:授权服务器元数据(RFC 8414)https://hire.korture.com/api/oauth/register上的动态客户端注册(DCR,RFC 7591)
实现 DCR 的 MCP 客户端会自动注册。对于服务到服务的调用方,可应要求提供内部级 API 密钥。
速率限制按层级设定。内部级和管理员级不受限制;免费级每天可生成 10 份简报。MCP 服务不接受未经身份验证的调用。
源码与部署
- 代码:
api/mcp.ts,一个无状态轻量网关,连接到hire.korture.com/api/v1/* - SDK:
@modelcontextprotocol/serverv2(2026-07-28 规范) - 运行环境:Vercel Functions、Streamable HTTP、无状态
- 许可证:Apache-2.0
MCP 服务不包含评分逻辑、提示词或需求定义。每个工具都会转发到产品本身使用的同一 REST API,因此这里的回答与界面上的回答不会出现偏差。这也让该仓库可以安全地公开分叉或审计。
贡献
欢迎提交问题和 PR。如需披露安全问题,请发送邮件至 [email protected],不要公开提交问题。
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。