Recruitee MCP Server

Recruitee MCP 服务

Recruitee 的模型上下文协议（MCP）服务——为招聘数据提供高级搜索、报告和分析功能。

---

🚀 概述

模型上下文协议（MCP） 正迅速成为将 AI Agent 连接到外部服务的标准。本项目为 Recruitee 实现了一个 MCP 服务，可对招聘数据进行高级 AI 搜索、筛选和报告。

与基本的 CRUD 封装不同，此服务专注于大模型和 AI Agent 擅长的任务：总结、搜索和筛选。它提供一组工具和提示词模板，让任何兼容 MCP 的客户端都能以结构化、适合 Agent 的方式轻松与 Recruitee 数据交互。

---

✨ 功能

• 高级候选人搜索与筛选
  按技能、状态、人才库、职位、标签等搜索候选人。例如：
  “查找有 Elixir 经验、因薪资期望而被拒绝的候选人。”

• 招聘摘要报告
  生成招聘活动摘要，例如在各阶段花费的时间、流程总时长，以及各阶段的详细情况。

• 招聘统计数据
  计算平均值和指标（例如，后端职位的平均期望薪资、平均招聘用时、合同类型统计）。

• 通用搜索
  按名称或属性快速查找候选人、招聘流程或人才库。

• 提示词模板
  为基于大模型的客户端提供提示词模板，确保生成一致且高质量的摘要。

---

🛠 示例查询

• 查找有 Elixir 经验、因薪资期望而被拒绝的候选人。
• 显示他们的个人资料，包括简历 URL。
• 候选人“X”为何被淘汰？在哪个阶段？
• 此职位还有哪些其他阶段？
• 显示 GDPR 认证将在本月到期的候选人。
• 销售助理职位的招聘周期是多久？
• 为 AI 工程师职位创建一张展示候选人来源的饼图。
• 创建一份招聘报告。

---

🧑‍💻 实现

• 语言： Python
• 框架： FastMCP
• API： Recruitee Careers Site API
• 模式： 所有 MCP 工具模式均由 Pydantic 模型生成，并附带丰富的大模型元数据。

服务从 Recruitee 获取并处理数据，再通过 MCP 工具提供这些数据。摘要由客户端使用提供的提示词模板生成。

---

🚦 传输方式

• stdio – 用于本地开发和测试。
• streamable-http – 用于远程生产级部署（推荐）。
• SSE – 支持，但在一些 MCP 框架中已弃用。

---

🧪 使用方法

💡 提示： 如需数据可视化，可将此服务与专用图表 MCP 服务（例如 mcp-server-chart）结合使用。

本地（stdio）

1. 配置 MCP 客户端：

   {
     "mcpServers": {
       "recruitee": {
         "command": "/path/to/.venv/bin/python",
         "args": ["/path/to/recruitee-mcp-server/src/app.py", "--transport", "stdio"]
       }
     }
   }
   

2. 使用 mcp-cli 运行：

   mcp-cli chat --server recruitee --config-file /path/to/mcp-cli/server_config.json
   

远程（streamable-http）

1. 使用 mcp-remote：

   {
     "mcpServers": {
       "recruitee": {
         "command": "npx",
         "args": [
           "mcp-remote",
           "https://recruitee-mcp-server.fly.dev/mcp/",
           "--header",
           "Authorization: Bearer ${MCP_BEARER_TOKEN}"
         ],
         "env": {
           "MCP_BEARER_TOKEN": "KEY"
         }
       }
     }
   }
   

2. 或者，如果客户端支持 bearer token 授权，可直接使用

   {
     "mcpServers": {
       "recruitee": {
         "transport": "streamable-http",
         "url": "https://recruitee-mcp-server.fly.dev/mcp"
       }
     }
   }
   

---

☁️ 部署

部署到 Fly.io

1. 在 .env 中设置密钥

2. 创建卷

   make create_volume
   

3. 部署：

   flyctl auth login
   make deploy
   

---

📚 资源

• Recruitee MCP 服务（GitHub）
• Recruitee API 文档
• Model Context Protocol（MCP）
• FastMCP 框架
• 图表 MCP 服务

---

🤝 参与贡献

欢迎提交贡献、问题和功能请求！

---

📝 许可证

本项目基于 MIT 许可证 授权。

---

借助高级招聘数据访问与分析能力，赋能你的 AI Agent。