Internship Scout & Quality of Life MCP Server

项目报告：人工智能驱动的实习童子军和欧洲城市生活质量MCP服务器

1.执行摘要

该项目通过将实时工作可用性与官方生活质量（QoL）指标进行交叉引用，自动搜索国际实习机会。通过弥合就业机会和生活水平之间的差距，该系统允许用户在城市中找到符合其个人价值观的角色。

2.系统架构

该系统采用通过Docker管理的容器化架构，确保Model MCP服务器和n8n自动化引擎的环境一致。

• MCP 服务器：使用构建的自定义Python应用程序 FastAPI （通过暴露 FastMCP)这是作为
• n8n：协调逻辑流程、LLM提示和最终交付。
• 外部API:

- 欧盟统计局：欧洲城市级指标官方统计数据(https://ec.europa.eu/eurostat/web/cities/database). - 美味API：一个人工智能优化的搜索引擎，用于抓取实时实习列表。 - 简单地图：为城市数据提供地理骨干（纬度/经度和人口）(https://simplemaps.com/data/world-cities).

3.MCP服务器逻辑和数据管理

alt text

3.1欧盟统计局数据管理员

这 EurostatDataManager 类负责城市数据的生命周期，从摄入到排名。

排名方法

该系统为每个城市计算加权归一化分数。两个关键逻辑层确保排名准确：

1. 极性校正：为了确保高分总是代表“更好”的质量，该系统确定了“负面”指标（例如犯罪、污染或通勤时间长）。对于这些，归一化值被反转。

1. 归一化：价值根据其单位类型（百分比、分钟或货币）进行缩放，以便在“平均租金”和“空气质量”等不同指标之间进行公平比较

1. 回退逻辑：认识到较小城市的数据可能很稀疏，服务器实现了递归回退。如果所请求的城市没有可用的统计指标，则默认为基于人口的排名，以确保用户仍然收到有效的地理建议。

3.2 Tavilly API经理

这 TavilyManager 作为连接实时网络的桥梁。与标准搜索引擎不同，Tavily针对LLM上下文进行了优化，返回了干净、高相关性的内容。

4.工作流实施

这 n8n工作流程 遵循8个阶段的流程，将用户模糊的偏好转换为结构化的报告：

1. 用户输入捕获：收集目标技术、感兴趣的国家和生活质量偏好。

1. 架构对齐：通过以下方式检索有效的欧盟统计局标准 get_criteria_list().

1. LLM映射：将自然语言（例如“我讨厌交通”）翻译成数据库友好的代码。

1. 多城市排名：确定每个国家符合加权标准的前两个城市。

1. 有针对性的网络抓取：通话 search_offers() 对于每个确定的城市。

1. 信息抽取LLM将原始HTML/文本解析为结构化模式： Company, Position, Skills, Summary, Location，以及 URL.

1. 数据整合：将前10个报价汇总为CSV和Discord就绪摘要。

1. 最终交付：通过Discord webhook传播研究结果。

alt text

5.设置和安装

要启动并运行此项目，请执行以下步骤：

先决条件

• Python 3.12

• Docker&Docker编写部署。

• 紫外线

5.1.克隆存储库

首先，将项目存储库克隆到本地计算机：

git clone git@github.com:c-r-lewis/n8n-international-internship-scout.git

5.2.环境配置

创建一个 .env 项目目录根目录中的文件。此文件将保存您的环境变量，包括API密钥。

TAVILY_API_KEY="your_tavily_api_key_here"
POSTGRES_PASSWORD="your_n8n_postgres_password_here"

备注：从获取Tavily API密钥 Tavily网站.

5.3.安装依赖项

使用 uv，安装项目依赖项：

uv sync

5.4.准备数据

该应用程序依赖于欧盟统计局数据和世界城市数据集。

• 欧盟统计局数据：The eurostat_data_manager.py 脚本负责填充 eurostat_data/cities.db SQLite数据库。要摄取数据，您可以使用 mcp inspector 并致电 download_eurostat_data 功能。

• 世界城市数据：确保 ressources/worldcities.csv 存在。此文件提供了城市的基本地理信息。

6.运行应用程序

您可以使用Docker Compose运行应用程序进行容器化设置，也可以直接使用 uvicorn 为了地方发展。

6.1.使用Docker Compose（推荐）

此方法确保所有服务在隔离的容器中运行。

docker compose up --build

然后，应用程序应可在以下位置访问 http://localhost:8000 （或在您的 docker-compose.yml).

6.2.地方（发展）

确保您已激活Python虚拟环境（如果使用）并安装了依赖项(uv sync).

uvicorn app:app --reload --host 0.0.0.0 --port 8000

这 --reload flag允许在代码更改时自动重新加载，这对开发很有用。该应用程序将在 http://localhost:8000.

6.3.设置n8n工作流的凭据

为了能够在n8n界面中运行n8n工作流，您必须设置Mistral云API机密和Discord Webhook机密。

7.示例结果

对于在 英国 和 瑞士 定位 “计算机科学” 侧重于 犯罪率低，交通便利，该系统成功地确定了巴塞尔和南安普敦等城市的关键角色，提供了直接的 excel导出 以及自动化 不一致通知 以便立即审查。

8.挑战与解决方案

• 多维数据解析：欧盟统计局的JSON-STAT格式很难扁平化。解决方案涉及开发自定义 _index_to_coords mapper以编程方式导航嵌套的维度大小和ID。

• 有效载荷管理：Discord的2000个字符限制对最终摘要构成了风险。我在最终的Code节点中实现了“循环”选择逻辑，以确保摘要包含来自所有顶级城镇的代表性样本，而不超过字符上限。