MCP员工身份服务器
将经过验证的工作数据与职业身份联系起来，这样你的个人资料就能反映你实际做了什么，而不仅仅是你声称的。
______________________________________________________________________
员工一生中有三分之一的时间在工作中度过。他们培养经过评估验证的技能，获得学习系统跟踪的证书，交付由交付记录衡量的项目，并在人力资源平台记录的职业水平上取得进步。
这些数据都没有进入他们的职业档案。
LinkedIn完全是自我报告的。GitHub bios是从内存中编写的。没有验证层将员工在工作中实际完成的工作与他们在专业上的表现联系起来。数据是存在的——它只是被锁定在雇主HCM系统中，没有面向员工的出路。
此MCP服务器就是该路径。
问题
今天的职业身份堆栈以三种方式被打破：
自我报告的个人资料没有可信度。 任何人都可以声称“领导了一个由8名工程师组成的团队”或“Kubernetes专家”。没有任何机制可以让读者——招聘人员、招聘经理、合作者——区分经过验证的体验和有抱负的品牌。
已验证的工作数据被捕获。 雇主在技能评估、认证跟踪、项目管理工具和绩效体系方面投入了大量资金。员工通过这些系统创造了巨大的价值，但无法便携式访问自己的数据。
配置文件创建是手动和有损的。 即使是诚实的专业人士，在凭记忆写个人资料时，也会忘记项目，低估影响，错过技能。他们所做的和他们所写的之间的差距不是欺骗，而是摩擦。
运作原理
这是一个 模型上下文协议（MCP） 将经过验证的员工工作数据作为工具公开的服务器。当与Claude连接时，它能够基于真实的工作历史生成人工智能辅助的专业档案，而不是幻觉，也不是自我报告。
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ │ │ │ │ HCM System │
│ Employee │────▶│ Claude │────▶│ (Mock Data) │
│ "Update my │ │ Orchestrates │ │ │
│ LinkedIn" │ │ MCP tool calls │ │ Skills │
│ │◀────│ │◀────│ Career History │
│ Gets verified │ │ Synthesizes │ │ Certifications │
│ profile content│ │ profile content│ │ Projects │
└─────────────────┘ └─────────────────┘ └─────────────────┘- 员工要求克劳德帮助更新他们的职业档案
- Claude调用MCP工具来提取经过验证的工作数据——技能、职业经历、证书、项目
- Claude将这些数据合成到特定平台的内容中（LinkedIn摘要、GitHub简介）
- 员工审查、编辑和发布——确信每一项索赔都基于雇主验证的记录
可用工具
| 工具 | 说明 |
|---|---|
get_my_skills | 返回经过验证的技能，包括熟练程度、多年经验和评估来源 |
get_my_career_history | 返回每个级别的角色、任期、晋升、报告结构和亮点 |
get_my_certifications | 返回已完成的证书，包括颁发机构、日期和凭证验证链接 |
get_my_projects | 回报交付的项目，包括量化的结果、使用的技术和团队规模 |
generate_linkedin_summary | 提取所有工作数据，并生成LinkedIn关于部分、标题和技能列表 |
generate_github_bio | 提取所有工作数据并生成针对开发人员受众优化的GitHub配置文件README |
前四个工具返回原始验证数据。最后两个编排数据工具并生成平台就绪的内容——每个声明都可以追溯到源记录。
演示
LinkedIn摘要生成
GitHub生物生成
更宏大的愿景
这个存储库是一个使用模拟数据的参考实现，适用于单个员工（Alex Chen，一名软件工程师，在一家5200人的企业公司担任技术主管）。该架构有意简单地展示了这一概念。
真正的机会是将其与生产HCM系统连接起来：
雇主验证的技能。 当一项技能来自Workday技能评估或内部工程水平评估时，它所承载的重量是自我报告的LinkedIn背书永远不会承载的。想象一下，个人资料技能上有一个“雇主验证”徽章——由实际评估数据支持，而不是同行点击。
可审计的职业历史。 头衔、任期、晋升和报告关系直接从HRIS记录中提取。没有通货膨胀，没有歧义。招聘人员正在阅读“高级工程师”→ 18个月后的技术主管“可以信任它，因为数据源是雇主的记录系统。
员工授权的数据访问。 员工控制共享的内容。MCP服务器代表员工而不是雇主充当代理。这是一种值得信赖且由员工拥有的职业身份。
平台集成。 同样经过验证的数据可以为LinkedIn、GitHub、个人投资组合网站、会议发言人简历和内部人才市场个人资料生成内容。一个真理的来源，许多目的地。
潜在的HCM集成
| 系统 | 可用数据 |
|---|---|
| 工作日 | 技能云、职业历史、学习完成情况、绩效评级 |
| 腺苷二磷酸 | 就业记录、证书、培训历史 |
| SAP SuccessFactors | 能力评估、目标完成、继任数据 |
| 基石 | 学习路径、认证、技能评估 |
| 内部系统 | Git提交历史、代码审查数据、项目交付记录 |
技术栈
| 组件 | 技术 |
|---|---|
| 协议 | 模型上下文协议（MCP） |
| 服务器 | @modelcontextprotocol/sdk --官方MCP TypeScript SDK |
| 运行时 | 使用TypeScript的Node.js（ESM） |
| 传输 | stdio（本地MCP服务器的标准） |
| 人工智能层 | 克劳德通过 @anthropic-ai/sdk |
设置
先决条件
- Node.js 18+
- Anthropic API密钥（用于Claude Desktop集成）
安装
git clone https://github.com/Anshuman-Gaur-AI-Builder/mcp-employee-identity.git
cd mcp-employee-identity
npm install
npm run build连接到克劳德桌面
将此添加到您的Claude Desktop配置中(~/Library/Application Support/Claude/claude_desktop_config.json):
{
"mcpServers": {
"employee-identity": {
"command": "node",
"args": ["/absolute/path/to/mcp-employee-identity/dist/server.js"]
}
}
}重新启动克劳德桌面。这6个工具将出现在Claude的工具列表中。
测试IT
问克劳德：
“使用员工身份工具提取员工EMP-2847的所有经过验证的工作数据，并生成LinkedIn摘要。”
克劳德会打电话的 get_my_skills, get_my_career_history, get_my_certifications，以及 get_my_projects，然后合成一个完全基于经过验证的数据的LinkedIn个人资料。
员工数据示例
模拟数据集表示 亚历克斯·陈，一名软件工程师，在Acme Corp工作了4年多后晋升为技术主管：
- 3职业水平：软件工程师II→ 高级软件工程师→ 技术负责人
- 10项经过验证的技能：TypeScript（专家）、React（专家），系统设计（高级）、技术领导力（高级）等等
- 4项认证：AWS解决方案架构师、CKAD、PSM I、Apollo GraphQL
- 4大项目：客户分析仪表板（12000 MAU）、统一API网关（每天5000万需求）、支付迁移（23亿美元）、内部开发平台（85%采用率）
每个数据点都包含一个验证源——评估名称、项目交付记录或认证证书ID。
______________________________________________________________________
为什么这很重要
职业身份是人力资源技术中最后一个非结构化的问题。
雇主已经花费数十亿美元将工资、福利、招聘和绩效管理数字化。但是，所有这些工作的产出——员工的专业声誉和经过验证的业绩记录——都没有结构化、可移植、值得信赖的代表。
LinkedIn用自我报告的个人资料填补了这一空白，这解决了发现问题，但没有可信度。内部人才市场解决了匹配问题，但没有解决可移植性问题。技能本体论解决了分类问题，但没有解决验证问题。
MCP解决了管道问题。它使AI系统能够结构化地访问权威数据源。此服务器演示了当您将管道指向员工生成的最有价值的数据时会发生什么：他们在工作中实际做了什么的证明。
这是当今人力资源技术栈中缺失的一层，它属于员工。
______________________________________________________________________
建造于 Anshuman Gaur --产品副总裁，拥有7项专利和深厚的HCM领域专业知识。构建在人工智能基础设施和员工拥有的职业身份的交叉点。
许可证
麻省理工学院