Linkedin Posts Hunter MCP Server

🚀 LinkedIn Posts Hunter MCP Server

LinkedIn Posts Hunter MCP Server 是一款基於 Model Context Protocol (MCP) 的服務器，藉助 AI 助手（如 Claude Desktop、Cursor 或其他支持 MCP 的客戶端），實現對 LinkedIn 職位發佈的自動化搜索與管理。

📖 概述

LinkedIn Posts Hunter MCP 是一個 Model Context Protocol (MCP) 服務器，它通過你的 AI 助手（Claude Desktop、Cursor 或其他兼容 MCP 的客戶端），提供自動化搜索和管理 LinkedIn 職位發佈的工具。

為何關注 LinkedIn 帖子？ 工作機會通常首先出現在 LinkedIn 帖子中，然後才會發佈到傳統的招聘網站上。通過監控 LinkedIn 帖子，你可以更早地發現機會，在求職中獲得競爭優勢。

工作原理：

1. 認證與數據抓取

• MCP 服務器提供了一個基於 Playwright 的工具，你的 AI 助手可以調用該工具來自動與 LinkedIn 進行瀏覽器交互。
• 首次使用時，需要通過瀏覽器窗口登錄 LinkedIn 以捕獲會話 cookie。
• 這些 cookie 存儲在你的本地計算機上，用於持久認證。
• 認證完成後，你的 AI 助手可以使用關鍵詞（來自你的對話或由 AI 建議）調用搜索工具來抓取職位發佈信息。

2. 本地數據存儲

• 所有抓取的帖子都保存到你機器上的 本地 SQLite 數據庫 中。
• 數據庫存儲帖子內容、元數據（作者、日期、參與度指標）和跟蹤信息（你是否已申請）。
• 你的數據不會離開你的計算機。

3. 可視化界面

• 一個獨立的工具會啟動一個 React 儀表盤，從你的本地數據庫中渲染抓取的帖子。
• 以表格或卡片視圖可視化所有抓取的帖子，包含個人資料圖片和參與度指標。
• 跟蹤你的申請，直接在 UI 中將帖子標記為“已申請”或“稍後保存”。
• 快速操作 讓你可以通過點擊輕鬆過濾、排序和管理帖子。
• 在 React 應用中所做的更改會寫入本地數據庫，通過 MCP 命令所做的更改也會反映在 UI 中。

4. 雙重控制

• 你可以通過 React UI 或 MCP 工具（如 manage_posts 和 viewer_filters）來管理帖子。
• React 應用通過 輪詢 進行更新，因此通過 MCP 命令所做的更改會反映在 UI 中。
• 這為你提供了靈活性：你可以使用自然語言命令與你的 AI 助手交互，也可以在儀表盤中進行點擊操作。

🎬 視頻演示

點擊觀看

🎨 架構圖

🛠️ 可用工具

這個 MCP 服務器提供了 6 個工具，可以從你的 AI 助手中調用：

1. auth

管理 LinkedIn 認證並進行持久會話存儲。

• 參數：
  • action："authenticate" | "status" | "clear"
  • force_reauth：布爾值（可選）
• 用法：

  "Authenticate my LinkedIn account"
  "Check LinkedIn auth status"
  "Clear my LinkedIn credentials"
  

2. search_posts

根據關鍵詞搜索 LinkedIn 帖子並將結果保存到數據庫。

• 參數：
  • keywords：字符串（例如，"Python developer remote"）
  • pagination：數字（1 - 10，默認值：3）
  • headless：布爾值（默認值：false） - 是否顯示瀏覽器窗口
• 用法：

  "Search LinkedIn for 'AI engineer' jobs"
  "Find posts about 'React developer' with 5 pages"
  

3. manage_posts

通過高級過濾從數據庫中讀取、更新或刪除帖子。

• 參數：
  • action："read" | "update" | "delete"
  • ids：數字數組（可選）
  • search_text：字符串（可選）
  • date_from：字符串（YYYY - MM - DD，可選）
  • date_to：字符串（YYYY - MM - DD，可選）
  • applied：布爾值（可選）
  • limit：數字（1 - 50，默認值：10）
  • new_description：字符串（用於更新）
  • new_keywords：字符串（用於更新）
  • new_applied：布爾值（用於更新）
• 用法：

  "Show me posts I haven't applied to yet"
  "Delete all posts that arent about job opportunities"
  "Delete all posts that are only about senior-level positions"
  

4. viewer_filters

通過 AI 對話以編程方式控制 React UI 過濾器。

• 參數：
  • keyword：字符串（可選）
  • applied_status："all" | "applied" | "not-applied"（可選）
  • start_date：字符串（YYYY - MM - DD，可選）
  • end_date：字符串（YYYY - MM - DD，可選）
  • ids：字符串（逗號分隔，可選）
  • reset：布爾值（可選）
• 用法：

  "Filter to show only unapplied posts"
  "Show posts from this week"
  "Reset all filters"
  

5. start_viewer

在瀏覽器中啟動 React 儀表盤。

• 用法：

  "Open the LinkedIn post viewer"
  "Start the dashboard"
  

6. stop_viewer

停止正在運行的 Vite 開發服務器。

• 用法：

  "Close the viewer"
  "Stop the dashboard"
  

📦 安裝

前提條件

• Node.js 18 或更高版本
• npm（隨 Node.js 一起安裝）
• 一個 LinkedIn 賬戶
• Cursor IDE 或 Claude Desktop

方法 1：使用 mcp.json 配置（推薦）⭐

適用於 Cursor IDE 和 Claude Desktop。這是最可靠且廣泛支持的安裝方法。

1. 全局安裝：

   npm install -g linkedin-posts-hunter-mcp
   

2. 添加到 MCP 配置：
   • 對於 Cursor IDE： 打開或創建 mcp.json 文件，路徑如下：
     • macOS/Linux：~/.cursor/mcp.json
     • Windows：%USERPROFILE%\.cursor\mcp.json（通常為 C:\Users\YourName\.cursor\mcp.json） 添加以下配置：

     {
       "mcpServers": {
         "linkedin-posts-hunter-mcp": {
           "command": "linkedin-posts-hunter-mcp"
         }
       }
     }
     

   • 對於 Claude Desktop： 打開或創建 claude_desktop_config.json 文件，路徑如下：
     • macOS：~/Library/Application Support/Claude/claude_desktop_config.json
     • Windows：%APPDATA%\Claude\claude_desktop_config.json 添加以下配置：

     {
       "mcpServers": {
         "linkedin-posts-hunter-mcp": {
           "command": "linkedin-posts-hunter-mcp"
         }
       }
     }
     

3. 重啟 MCP 客戶端（Cursor 或 Claude Desktop）

方法 2：本地開發設置

適用於想要修改代碼或做出貢獻的開發者。

1. 克隆並安裝依賴項：

   git clone https://github.com/kevin-weitgenant/LinkedIn-Posts-Hunter-MCP-Server.git
   cd LinkedIn-Posts-Hunter-MCP-Server
   npm run install:all
   npm run build
   

2. 添加到 MCP 配置：
   • 對於 Cursor IDE (mcp.json)：

     {
       "mcpServers": {
         "linkedin-posts-hunter-mcp": {
           "command": "node",
           "args": [
             "/absolute/path/to/LinkedIn-Posts-Hunter-MCP-Server/build/index.js"
           ],
           "cwd": "/absolute/path/to/LinkedIn-Posts-Hunter-MCP-Server"
         }
       }
     }
     

   • 對於 Claude Desktop (claude_desktop_config.json)：

     {
       "mcpServers": {
         "linkedin-posts-hunter-mcp": {
           "command": "node",
           "args": [
             "/absolute/path/to/LinkedIn-Posts-Hunter-MCP-Server/build/index.js"
           ],
           "cwd": "/absolute/path/to/LinkedIn-Posts-Hunter-MCP-Server"
         }
       }
     }
     

   ⚠️ 重要提示：將 /absolute/path/to/LinkedIn-Posts-Hunter-MCP-Server 替換為你實際的項目路徑。
3. 重啟 MCP 客戶端 以加載服務器。

🎯 你可以做什麼

求職工作流程示例

1. 與 LinkedIn 進行認證：

   用戶："Authenticate my LinkedIn account"
   AI：打開瀏覽器讓你登錄，保存憑證
   

2. 搜索機會：

   用戶："Search LinkedIn for 'Senior TypeScript Developer remote' jobs"
   AI：搜索 LinkedIn，提取帖子詳情，保存到數據庫
   

3. 可視化探索：

   用戶："Open the post viewer"
   AI：在 http://localhost:5174 啟動 React 儀表盤（你可以在其中查看抓取的帖子）
   

4. 過濾和管理：

   用戶："Remove posts that aren't about job opportunities"
   AI：讀取數據庫，過濾並僅顯示與工作相關的帖子
   
   用戶："Show only senior-level positions" 
   AI：查詢數據庫中包含 "senior"、"lead"、"principal" 的帖子
   
   用戶："Show posts about React or Vue.js positions"
   AI：搜索數據庫並顯示匹配的帖子
   

5. 跟蹤申請：

   用戶："Mark posts 5, 7, and 12 as applied"
   AI：更新數據庫並確認
   

📁 數據存儲位置

所有 LinkedIn 數據都存儲在你計算機的本地以下目錄中：

Windows

• 主數據目錄：%APPDATA%\linkedin-mcp\

macOS/Linux

• 主數據目錄：~/.linkedin-mcp/

存儲內容：

• linkedin.db - 包含所有抓取的帖子、元數據和跟蹤數據的 SQLite 數據庫
• auth.json - 你的 LinkedIn 會話 cookie 和認證令牌
• searches/ - 搜索會話數據和臨時文件

數據隱私：

• ✅ 所有數據都保留在你的計算機上
• ✅ 沒有數據發送到外部服務器
• ✅ 你可以刪除整個 linkedin-mcp 文件夾以刪除所有數據
• ✅ 數據庫是標準的 SQLite 格式 - 你可以使用任何 SQLite 瀏覽器打開它

🎨 React 儀表盤功能

內置的 Web 查看器 (start_viewer) 提供以下功能：

• 🔄 即時更新：過濾器狀態在 UI 和 MCP 命令之間同步
• ✅ 快速操作：直接從 UI 中將帖子標記為已申請
• 🎴 卡片視圖：帶有個人資料圖片和參與度指標的可視化卡片
• 📊 表格視圖：帶有所有帖子元數據的可排序列
• 🔍 過濾：按關鍵詞、日期範圍、申請狀態和 ID 進行過濾
• 💅 現代設計：使用 React、TypeScript、TailwindCSS 和 Vite 構建

📄 許可證

ISC

🤝 貢獻

歡迎貢獻！隨時打開問題或提交拉取請求。

🚀 項目狀態

這是一個實驗性項目，可能存在一些不足。數據抓取可以進一步優化以提高速度，UI 也可以進一步改進。但就目前而言，它已經有一定的實用性。歡迎大家貢獻力量。