Token导航 LogoToken导航TokenDH.com
Job Recommender System with MCP logo
运维云端stdio官方级别未说明来源级核验

Job Recommender System with MCP

MCP Server

一个基于Groq LLaMA 3.3-70B和Apify API的AI职位推荐系统,提供简历解析、技能差距分析、职业路线图生成和实时职位推荐功能。

工具数

4

提示词数

0

GitHub Stars

1

资源数

0
Python云端部署Docker

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

chitaki10

提供方

chitaki10

最后核验

2026/5/17 20:23

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

uv run streamlit run app.py

详细介绍

💼 基于MCP的人工智能作业推荐系统

Python Streamlit Groq Apify MCP License

上传您的简历并获取 基于人工智能的工作推荐,技能 差距分析和个性化职业路线图——由Groq提供支持 LLaMA 3.3-70B和LinkedIn和Naukri的实时工作列表 蜂房。

🔗 现场演示:\ https://chitaki10-job-recommender-system-with-mcp-app-eynbly.streamlit.app

______________________________________________________________________

目录

  • 特性
  • 建筑
  • 技术栈
  • 入门指南
  • API密钥设置
  • MCP工具服务器
  • 项目结构
  • 结果
  • 许可证

______________________________________________________________________

✨ 特性

  • 📄 简历解析---从上传的PDF简历中提取原始文本

使用PyMuPDF\\

  • 🧠 简历摘要---法学硕士总结了你的技能、经验和

配置文件(秒)\\

  • 🔍 技能差距分析——识别缺失的技能、证书、,

以及需要改进的领域\\

  • 🗺️ 职业路线图---个性化6--12个月计划:技能

学习、建设项目、追求证书\\

  • 💼 实时工作推荐——从领英获取实时工作

和Naukri通过Apify API\\

  • 🔧 MCP工具服务器——作为MCP工具公开的核心功能

______________________________________________________________________

🏗️ 建筑

User uploads Résumé (PDF)
│
▼
Extract PDF Text (PyMuPDF)
│
▼
Groq LLaMA 3.3-70B (LLM)
│
├── Summary
├── Skill Gap
├── Career Roadmap
└── Job Keywords
│
├──────────────┬───────────────┐
▼              ▼
LinkedIn Jobs  Naukri Jobs
(Apify Actor)  (Apify Actor)
│
└──────────────┬───────────────┘
▼
Job Recommendations UI

______________________________________________________________________

🛠️ 技术栈

组件技术

______________________________________________________________________

UI流式显示 LLM Groq API——骆驼-3.3-70b通用型 PDF解析PyMuPDF(fitz) 作业报废Apify MCP服务器MCP Python SDK 包装管理器uv 部署Streamlit云

______________________________________________________________________

🚀 入门指南

克隆存储库

git clone https://github.com/chitaki10/Job_Recommender_System_with_MCP.git
cd Job_Recommender_System_with_MCP

安装依赖项

uv venv
uv add -r requirements.txt

创建.env文件

GROQ_API_KEY=your_groq_api_key_here
APIFY_API_TOKEN=your_apify_api_token_here

运行应用程序

uv run streamlit run app.py

______________________________________________________________________

🔧 MCP工具服务器

运行MCP服务器:

uv run python mcp_server.py

检验员测试:

npx @modelcontextprotocol/inspector uv run python mcp_server.py

可用工具:

  • extract_text_from_pdf
  • ask_groq
  • fetch_linkedin_jobs
  • fetch_naukri_jobs

______________________________________________________________________

📁 项目结构

Job_Recommender_System_with_MCP/
│
├── app.py
├── mcp_server.py
├── requirements.txt
├── pyproject.toml
├── .env
├── .gitignore
│
└── src/
    ├── __init__.py
    └── helper.py

______________________________________________________________________

📊 结果

  • 秒内生成简历摘要\\
  • 提供技能差距分析\\
  • 生成职业路线图\\
  • 已获取120个实时作业

______________________________________________________________________

______________________________________________________________________

🙋 联系

github:https://github.com/chitaki10

目录标签

目录标签

Python云端部署DockerAI推荐本地部署职位匹配职业发展技能分析简历解析

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

4

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP