把职位匹配变成AI Agent的超能力JustHireMe MCP服务器与Agent Skill接入教程【免费下载链接】JustHireMeLocal-first AI job intelligence workbench for scraping roles, ranking fit, and generating tailored application materials.项目地址: https://gitcode.com/gh_mirrors/ju/JustHireMeJustHireMe 是一款本地优先local-first的 AI 职位情报工作台能从招聘源抓取职位、对匹配度打分排序并生成定制简历与求职材料。它内置了一个轻量 MCPModel Context Protocol服务器和一份 Agent Skill 说明文件让你把职位匹配能力直接装进 Claude、Codex、IDE Agent 等 AI 助手里——不用启动完整桌面应用Agent 就能调用同一套打分与情报提取引擎。本文是一份面向新手的完整接入指南从安装依赖到写好客户端配置10 分钟跑通。一、为什么把职位匹配交给 AI Agent传统求职流程里这条职位值不值得投靠人肉逐条刷。JustHireMe 把这个判断过程做成了可复用的引擎抓取从 ATS 招聘板、RSS、Hacker News、GitHub Jobs、Reddit 等多个源收集职位线索质量门控自动过滤过期、信息空洞、与你的级别不匹配的噪声线索可解释打分基于规则引擎 你的个人画像技能图谱 向量库计算匹配分能看到为什么值得投材料生成产出定制简历 PDF、求职信 PDF 和外联草稿。MCP 服务器的价值在于它把其中三个最核心的能力通过标准 stdio JSON-RPC 协议暴露给任意支持 MCP 的 Agent让 AI 助手在对话中直接完成评分、把关、情报提取而你的简历数据始终留在本地。二、MCP 服务器快速接入三步跑通第 1 步克隆仓库并安装依赖如果还没克隆 JustHireMe 仓库执行git clone https://gitcode.com/gh_mirrors/ju/JustHireMe cd JustHireMe/backend uv sync --dev cd ..安装完成后后端运行环境位于backend/.venvMCP 服务器不需要任何额外配置。第 2 步手动验证服务器能启动MCP 服务器是一个 stdio 程序标准输入读 JSON-RPC 请求标准输出返回 JSON 响应。它实现了initialize、tools/list、tools/call三个标准方法详见 backend/mcp_server.py。macOS / Linuxbackend/.venv/bin/python backend/mcp_server.pyWindowsPowerShellbackend\.venv\Scripts\python.exe backend\mcp_server.py进程启动后静默等待输入说明服务器已就绪——这正是 MCP 客户端托管它的正常工作方式。第 3 步写入 MCP 客户端配置在客户端如 Claude Desktop 的配置文件中加入如下配置把路径替换为你本地的仓库绝对路径{ mcpServers: { justhireme: { command: /绝对路径/JustHireMe/backend/.venv/bin/python, args: [/绝对路径/JustHireMe/backend/mcp_server.py], cwd: /绝对路径/JustHireMe } } } Windows 请把command换成backend\.venv\Scripts\python.exe。更多细节见 docs/MCP.md。重启客户端后Agent 工具列表里就会多出justhireme的 3 个工具接入完成 三、认识 3 个核心工具MCP 层被刻意设计得小而确定只提供三个纯计算工具定义见 backend/mcp_server.py工具用途典型对话示例score_job_fit用 JustHireMe 的可解释匹配规则给一条原始职位公告对照你的候选人 JSON 画像打分帮我给这条 JD 打个匹配分evaluate_lead_quality对归一化后的职位线索跑确定性质量门控决定值不值得进入流水线这条线索质量够吗extract_lead_intel从原始文本中提取公司、地点、预算、紧急度、技术栈和信号质量从这段招聘帖里提取关键信息几个实用参数说明score_job_fit需要posting职位原文和candidate候选人画像 JSON两个字段evaluate_lead_quality支持min_quality质量门槛默认 60和max_age_days最大发布日期默认 7 天extract_lead_intel只需text一个字段最轻量的入口。官方测试用例 backend/tests/test_mcp_server.py 演示了完整调用流程输入 Acme is hiring a remote Python FastAPI React engineer…工具会返回location: Remote并识别出 Python 等技术栈验证了这个文本 → 结构化情报的链路。四、加载 Agent Skill让 AI 安全地修改这个项目MCP 负责调用能力而 Agent Skill 负责知道规矩。仓库自带一份 Agent 无关的说明文件技能主体skills/justhireme/SKILL.mdAgent 元数据skills/justhireme/agents/openai.yamlSkill 是带 YAML frontmatter 的纯 Markdown任何能加载本地指令的 AI 编程助手Claude、Codex、IDE Agent、自定义 agent runner都可以使用。它告诉 Agent 如何在这个仓库内安全工作保持本地优先行为、保持排序可解释、把浏览器自动化当实验功能对待、遵循既有前后端模式。接入方法把你的 Agent 指向skills/justhireme/SKILL.md即可如果你的工具要求技能放在独立目录把skills/justhireme文件夹复制或软链接过去就行。该技能不依赖任何特定厂商 API可移植性很好。五、组合玩法与注意事项一个典型的 Agent 工作流可以是用extract_lead_intel把新抓到的招聘帖结构化为公司、地点、技术栈用evaluate_lead_quality过滤掉低质、过期的线索对存活线索调score_job_fit结合你的画像打分让 Agent 只推荐 Top 3 最值得投的职位。最后三条注意事项来自官方文档的设计约定保持 MCP 层小而确定如果需要持久化线索、生成 PDF 或长时间扫描请走 FastAPI sidecarbackend/api/不要在这里重复实现数据不出本机整个方案 local-first候选人画像和打分过程都在本地完成无 API Key 也能跑三个工具全部基于规则引擎不需要任何 LLM 密钥。小结接入项位置一句话说明MCP 服务器backend/mcp_server.pystdio JSON-RPC暴露 3 个职位智能工具Agent Skillskills/justhireme/SKILL.md教 Agent 如何安全地工作在此仓库接入文档docs/MCP.md配置示例与工具清单至此JustHireMe 的职位匹配引擎已变成你 AI Agent 的超能力抓线索、过质量门、算匹配分一句对话就能完成。把配置保存好剩下的交给你的 Agent 吧。【免费下载链接】JustHireMeLocal-first AI job intelligence workbench for scraping roles, ranking fit, and generating tailored application materials.项目地址: https://gitcode.com/gh_mirrors/ju/JustHireMe创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考