Skillmatch Mcp

SkillMatch MCP

由 Claude 驱动的职位匹配分析器，适用于通过工作而非学历证明自身技能的人。

功能

SkillMatch 是一个 MCP 服务，可让 Claude 访问你的 GitHub 作品集、简历和求职偏好。它可以：

• 根据你的实际项目和简历，分析你与特定职位描述的匹配程度
• 根据你的目标和限制，构建优化的求职搜索查询
• 在本地 SQLite 数据库中跟踪你提交的每份申请
• 获取你的公开 GitHub 仓库，以便在匹配分析中突出相关作品

所有数据都保留在你的计算机本地。除调用公开 GitHub API 获取你自己的仓库外，不会向任何地方发送数据。

设置

1. 安装依赖

cd skillmatch-mcp
pip install -r requirements.txt

通过标准输入/输出使用 MCP 协议修订版 2026-07-28，并使用 SDK mcp>=2.0,<3。该服务无状态： 无需 initialize 握手，也没有会话 ID，每个请求都会携带自己的协议版本 和客户端身份。tools/list 和 server/discover 会返回 ttlMs/cacheScope 新鲜度 提示，并且工具顺序在各次调用间保持稳定，因此客户端缓存和提示词缓存可以持续命中。

从 1.x 升级： 2.0.0 移除了 initialize 握手，因此需要支持 2026-07-28 的客户端。工具名称、架构和结果均未改变——只有传输方式发生变化。 如果需要为较旧的客户端提供服务，请继续使用 1.x。

2. 添加到 Claude

Claude Code（CLI）：

claude mcp add --scope user skillmatch -- python /path/to/skillmatch-mcp/server.py

然后重启 Claude Code。

Claude Desktop：

打开 Claude Desktop 配置文件，并将 SkillMatch 添加到 mcpServers 部分：

{
  "mcpServers": {
    "skillmatch": {
      "command": "python",
      "args": ["/path/to/skillmatch-mcp/server.py"]
    }
  }
}

将 /path/to/skillmatch-mcp/server.py 替换为计算机上 server.py 的实际路径，然后重启 Claude Desktop。

3. 开始使用

重启后，SkillMatch 工具就会在你的对话中可用。可在 Claude Code 和 Claude Desktop 中使用。

引导设置

首次使用 SkillMatch 时，Claude 会引导你完成设置对话。大致如下：

You: Help me find a new job.

Claude: I don't have your profile set up yet. Let me ask you a few questions first.

  What is your name?
You: Jordan

Claude: What is your current role?
You: Senior frontend developer

Claude: What roles are you targeting?
You: Staff frontend engineer, senior full-stack engineer

Claude: What is your minimum acceptable salary?
You: 180000

Claude: Are you only looking for remote positions?
You: Yes

Claude: Where are you located?
You: Portland, OR

Claude: Any dealbreakers?
You: No on-call rotations, no defense contractors

Claude: What is your GitHub URL?
You: https://github.com/jordan-dev

Claude: Where is your resume file?
You: C:/Users/jordan/Documents/resume.md

Claude: Got it. Your profile is saved. Let me search for jobs matching your targets.

完成引导设置后，你的个人资料会保存在本地，并在之后的每次对话中重复使用。

扩展个人资料（可选）

你可以随时让 Claude 更新个人资料，以补充更多信息。这些字段有助于 Claude 判断更细致的匹配情况：

字段	类型	示例
work_style	对象	{async_preferred: true, ic_vs_leadership: "ic", client_facing_tolerance: "none", team_size_preference: "small"}
optimizing_for	数组	["comp", "autonomy", "interesting_problems"]
unlisted_skills	数组	["MCP protocol implementation", "Windows installer packaging"]
developing_skills	数组	["TypeScript", "RAG pipelines"]
dealbreaker_detail	数组	[{dealbreaker: "on-call", hardness: "absolute"}, {dealbreaker: "relocation", hardness: "strong_preference"}]
rejection_patterns	数组	["roles that sounded like automation but were actually IT support"]

这些字段可以在初始设置时填写，也可以稍后通过 update_profile 工具添加。

工作原理

search_jobs 根据你的个人资料和提供的关键词构建搜索查询。随后，Claude 会使用该查询和自身的网页搜索功能查找真实的职位信息。该工具本身不会搜索网页。

analyze_fit 分两步进行。首先，它通过 Claude API 将职位描述解析为结构化信号（硬性要求、加分项、风险信号、薪酬信号、职位类型）。然后，它会获取你的作品集，并根据检测到的职位类型自动选择最合适的简历版本。Claude 会先看到结构化信号，再看到原始营销文案。

parse_jd 是独立的 JD 解析器。你可以单独使用它预处理职位描述，而无需运行完整的匹配度分析。

log_application、get_applications 和 update_application 构成了求职 CRM。跟踪状态（已申请、筛选中、面试中、已获 Offer、已拒绝、无回应），设置跟进日期并记录结果。

get_follow_ups 会显示需要跟进的申请——跟进日期已过，但你仍在等待回复。

get_application_patterns 会分析你的全部申请记录（至少需要 10 条），以找出哪些职位类型能获得回复、哪些技能更受认可，并推荐搜索调整方案。

email_ranked_jobs.py 是一个独立的 Conductor 工作脚本，用于通过电子邮件发送最新的职位排名报告。配置方法请参阅下文的电子邮件工作脚本设置。

save_scouted_job 会保存寻访过程中找到的职位信息。它会验证 URL，拒绝搜索结果页面，并与现有的已寻访职位和申请记录去重。

get_scouted_jobs 会返回所有已寻访的职位信息，也可以筛选出尚未排名的职位。生成排名报告后，mark_jobs_ranked 会将所有尚未排名的职位标记为已排名。

add_resume 和 list_resumes 用于管理多个简历版本。每个版本都针对特定职位类型（例如，“AI Engineering”针对 ai_engineering 和 ml_engineering）。进行匹配度分析时，系统会根据职位描述检测到的职位类型自动选择最合适的版本。

update_profile 会将新增或变更的字段合并到你的现有个人资料中，无需重新运行设置流程。

如果你只想让 Claude 查看代码仓库或简历，可以单独调用 get_portfolio 和 get_resume。

快速开始（无需文件路径）

最简单的设置方式是直接粘贴简历——无需本地文件：

You: Help me find a job.
Claude: What is your name?
You: Alex
Claude: What roles are you targeting?
You: AI engineer, ML engineer
Claude: Paste your resume or provide a file path.
You: [paste resume text here]
Claude: Profile saved. Let me search for jobs.

Email Worker 设置

email_ranked_jobs.py 通过 Gmail 发送排名后的职位报告。它设计为按计划作为 Conductor worker 运行。

凭据存放在被 git 忽略的配置文件中，绝不能放在源代码里。 复制模板并填写：

cp data/email_config.example.json data/email_config.json

然后编辑 data/email_config.json：

{
  "gmail_user": "[email protected]",
  "gmail_app_password": "your-16-char-app-password",
  "email_to": "[email protected]",
  "email_cap": 15
}

键	必填	默认值
gmail_user	是	—
gmail_app_password	是	—
email_to	否	回退为 gmail_user
email_cap	否	15

整个 data/ 文件夹都会被 git 忽略（只有 .gitkeep 和 email_config.example.json 会被跟踪），因此 email_config.json 绝不会意外提交。

为什么使用配置文件，而不是环境变量？ 这取决于 worker 进程的启动方式——尤其是通过 Windows 上的 Conductor 启动时——环境变量可能不会被子进程继承，导致发送失败却没有提示。配置文件会通过相对于脚本的路径读取，因此无论进程如何启动都能正常工作。若配置文件中缺少某个键，仍会将环境变量（GMAIL_USER、GMAIL_APP_PASSWORD、EMAIL_TO、EMAIL_CAP）作为回退选项；这对于 CI 或容器化运行很方便。如果两种来源都未提供凭据，脚本会以代码 2 退出并打印设置说明，而不是静默失败。

要生成 Gmail 应用专用密码：依次进入 Google 帐号 → 安全性 → 两步验证 → 应用专用密码。为“邮件”创建一个密码。这不是你的常规帐号密码。如果不小心将其粘贴到源文件中，请在同一页面撤销该密码。

脚本会读取 data/ranked_jobs.md，将邮件内容限制为排名前 15 的职位列表，发送邮件，然后删除 ranked_jobs.md，以免下次运行时重复使用过期排名。

文件结构

skillmatch-mcp/
  server.py              # MCP server (stdio JSON-RPC)
  requirements.txt       # python-docx dependency
  CLAUDE.md              # Instructions for Claude
  README.md              # This file
  email_ranked_jobs.py   # Conductor worker: emails ranked job reports
  cowork_monitor.py      # Conductor worker: monitors Cowork VM, auto-recovers
  cowork_tab.png         # Reference image for Cowork tab UI automation
  data/                  # Entire folder gitignored except the two tracked files below
    .gitkeep                  # Keeps the folder in git (tracked)
    email_config.example.json # Credential template (tracked, no real secrets)
    email_config.json         # Your real Gmail credentials (gitignored)
    profile.json              # Created on first setup (gitignored)
    applications.db           # Created on first log (gitignored)
    scouted_jobs.json         # Scouted listings (gitignored)
    ranked_jobs.md            # Latest ranked report (gitignored)