Linkedin MCP

🚀 アントロピック統合付きLinkedIn MCPサーバー

PythonベースのMCP（Model Context Protocol）サーバーで、LinkedInプロファイルから情報を取得し、潜在的な分析タスクのためにAnthropic APIと統合します。このプロジェクトはPythonパッケージング用のsrcレイアウトに従っています。

🚀 クイックスタート

ClaudeデスクトップからLinkedInプロファイルにアクセスするためのインストール手順

# 1.a) ClaudeデスクトップでMCPサーバーアクセスをインストールする
./install_claude_desktop_mcp.sh

# 1.b) または、このJSONスニペットを手動で`claude_desktop_config.json`の`mcpServers`セクションに統合する
# （例: `~/Library/Application\ Support/Claude/claude_desktop_config.json`）

{
  "linkedin_francisco_perez_sorrosal": {
    "command": "npx",
    "args": ["mcp-remote", "http://localhost:10000/mcp"]
  }
}

# 2) Claudeを再起動し、'Add from linkedin_francisco_perez_sorrosal'オプションがMCPサーバーリストに表示されることを確認する

# 3) ClaudeデスクトップでMCPサーバーから提供されるLinkedInプロファイルをクエリする！

例: TODO

✨ 主な機能

• プロジェクトルートからLinkedInプロファイルを提供します。
• 高性能なFastAPIと、依存関係管理およびタスク実行用のPixiを使用して構築されています。
• ソースコードはsrc/ディレクトリに整理されています。
• 以下の設定が含まれています：
  • Docker（コンテナ化用、オプション）
  • コードチェック（Ruff、Black、iSort）
  • コードフォーマット
  • 型チェック（MyPy）

📦 インストール

前提条件

• Python 3.11以上
• Pixi（依存関係管理とタスク実行用）
• Docker（コンテナ化用、オプション）
• LinkedInプロファイルへのアクセス

プロジェクト構造

.
├── .dockerignore
├── .gitignore
├── Dockerfile
├── pyproject.toml    # Pythonプロジェクトのメタデータと依存関係 (PEP 621)
├── README.md
├── src/
│   └── linkedin_mcp_server/
│       ├── __init__.py
│       └── main.py     # FastAPIアプリケーションのロジック
├── tests/             # テストファイル (例: tests_main.py)

セットアップとインストール手順

1. リポジトリをクローンする（該当する場合）か、プロジェクトのルートディレクトリにいることを確認します。
2. Pixiを使用して依存関係をインストールする： このコマンドは仮想環境を作成し、すべての必要な依存関係をインストールします。

pixi install

💻 使用例

サーバーの起動

MCPサーバー（mcps）

pixi run mcps --transport stdio

開発モード（自動リロード付き）

# Pixiを直接使用する
pixi run mcps --transport stdio  # または sse, streamable-http

# あるいは、uvを直接使用する
uv run --with "mcp[cli]" mcp run src/linkedin_mcp_server/main.py --transport streamable-http

# http://127.0.0.1:10000/mcpにアクセスする

サーバーはhttp://localhost:10000で起動します。src/ディレクトリ内のファイルに変更を加えると自動的にリロードされます。

MCPインスペクターモード

# Pixiを使用する
DANGEROUSLY_OMIT_AUTH=true  npx @modelcontextprotocol/inspector pixi run mcps --transport stdio

# 直接実行する
DANGEROUSLY_OMIT_AUTH=true npx @modelcontextprotocol/inspector pixi run python src/linkedin_mcp_server/main.py --transport streamable-http

これにより、MCPサーバーのインスペクターが起動します。

Webスクレイパー

pixi run python src/linkedin_mcp_server/web_scrapper.py   

開発タスク

テストの実行

pixi run test

コードチェックとフォーマットチェック

pixi run lint

フォーマットの適用とコードチェックの修正

pixi run format

パッケージのビルド

dist/ディレクトリにsdistとwheelを作成します。

pixi run build

Dockerサポート（オプション）

Dockerイメージのビルド

docker build -t linkedin-mcp-server .

Dockerコンテナの実行

TODO: 必要に応じてこれを書き換えてください。Dockerサポートはまだ完了していません。

MCPサーバーの設定

Claudeデスクトップのローカル設定

{
  "linkedin_francisco_perez_sorrosal": {
    "command": "uv",
    "args": [
      "run",
      "--with", "mcp[cli]",
      "--with", "pymupdf4llm",
      "mcp", "run",
      "src/linkedin_mcp_server/main.py",
      "--transport", "streamable-http"
    ]
  }
}

Claudeデスクトップのリモート設定

リモートMCPサーバーに接続するには：

{
  "linkedin_francisco_perez_sorrosal": {
    "command": "npx",
    "args": ["mcp-remote", "http://localhost:10000/mcp"]
  }
}

⚠️ 重要提示

デプロイに合わせてホストとポートを必要に応じて更新してください。

現在、私はrender.comを使用してMCPサーバーをホストしています。設定はconfig/claude.jsonファイルにあります。 Renderには、ルートディレクトリにrequirements.txtが必要です。以下のコマンドで生成できます。

uv pip compile pyproject.toml > requirements.txt

また、ルートディレクトリにPythonバージョンが指定されたruntime.txtが必要です。

python-3.11.11

render.comのダッシュボードで環境変数を設定することを忘れないでください。

TRANSPORT=sse
PORT=1000

その後、Claudeデスクトップでlinkedin_mcp_fps MCPサーバーを使用してクエリを実行し、ジョブIDから情報を取得できます。私のCVを提供するMCPサーバーによって提供される機能と組み合わせることで、次のような質問ができます。

サンフランシスコのML/AI分野の研究エンジニアのポジションについて、LinkedInから新しい求人を2ページ取得し、そのリストから最後の求人IDを取得し、そのメタデータを取得し、内容を適切に整形して表示し、最後にフランシスコのCVを取得した求人の説明に合わせて調整してください。

または単に：

フランシスコのCVを最新の求人に合わせて調整してください。

# または

フランシスコのCVを最初の2つの取得された求人IDに合わせて調整してください。

または、採用担当者として、あなたが投稿したLinkedInの求人IDを取得して次のように入力します。

フランシスコのCVをこの求人ID 4122691570に合わせて調整してください。

📄 ライセンス

このプロジェクトはMITライセンスの下でライセンスされています。詳細はpyproject.toml（LICENSEファイルを参照）を参照してください。