本项目是一个基于 Model Context Protocol (MCP) 的 Node.js 服务器库，专注于为 LLM 应用提供访问和处理候选人信息的标准化接口。它被设计为一个可嵌入的库，而不是一个独立的应用程序，需要集成到其他 Node.js 应用中运行。

项目简介

该库允许开发者轻松地构建一个 MCP 服务器，该服务器可以托管候选人的各种信息（如简历文本、URL、社交媒体链接等）作为 MCP 资源，并提供与这些信息交互或基于这些信息执行操作的工具（如发送邮件、生成面试问题）。它遵循 MCP 规范，通过 JSON-RPC 与 MCP 客户端（通常是 LLM 应用）通信。

主要功能点

资源托管: 标准化提供候选人的结构化和非结构化数据，例如：
- 简历内容（文本、URL）
- LinkedIn、GitHub、个人网站的 URL
- 个人网站内容（文本）
工具注册与执行: 提供可供 LLM 调用的功能，包括：
- 获取特定候选人数据（如简历文本、LinkedIn URL）
- 通过配置的邮件服务发送邮件给候选人
- 基于候选人信息生成面试问题或评估角色契合度（这些工具内部可能使用 Prompt 或外部逻辑）
Prompt 模板定义: 定义了多种 Prompt 模板，帮助 LLM 更好地理解和利用候选人信息，例如：
- 获取候选人背景信息
- 评估技术熟练度
- 生成电话面试问题
- 总结职业亮点
- 评估职位匹配度

安装步骤

要使用此库，首先需要在你的 Node.js 项目中安装它：

npm install @jhgaylor/candidate-mcp-server

服务器配置

MCP 客户端需要知道如何启动并连接到你的 MCP 服务器实例。由于这是一个库，你需要编写一个 Node.js 脚本来创建服务器实例并连接到某个传输层（如 Stdio 或 HTTP）。以下是一个 MCP 客户端可能使用的配置示例（以 JSON 格式展示，实际使用时需要根据客户端的要求填写）：

{
  "name": "Candidate MCP Server", 
  "command": "node",
  "args": [
    "path/to/your/server-runner.js", 
    "--stdio" 
  ],
  "transport": "stdio",
  "initializationOptions": {
    "protocolVersion": "2024-11-05",
    "capabilities": {
       "roots": { "listChanged": true },
       "sampling": {}
    },
    "clientInfo": {
       "name": "YourLLMClient",
       "version": "1.0.0"
    }
  }
}

注意：

'name': MCP 服务器的名称，可配置。
'command': 启动服务器进程的命令，通常是 'node'。
'args': 传递给 'command' 的参数数组。'path/to/your/server-runner.js' 应替换为你自己创建的、用于启动并配置此 MCP 服务器库的 JavaScript 文件路径（例如，编译后的 'examples/stdio.js' 的路径，或者你自己的集成脚本路径）。'--stdio' 参数指示服务器使用标准输入输出进行通信。
'transport': 指定使用的传输协议，此处为 'stdio'。如果集成到 HTTP 服务器中，传输类型和配置会有所不同。
'initializationOptions': 客户端初始化时发送给服务器的参数，包含协议版本、客户端能力等信息。

在你自己的 'server-runner.js' 脚本中，你需要引入 '@jhgaylor/candidate-mcp-server' 库，创建服务器实例，并配置具体的候选人数据和服务器设置（如 Mailgun API 密钥），然后连接到选定的传输层。

基本使用方法

一旦 MCP 服务器实例在你自己的应用中启动并通过 Stdio 或 HTTP 与 MCP 客户端建立了连接，LLM 客户端就可以发送标准的 JSON-RPC 请求来与服务器交互：

获取服务器能力: 发送 'initialize' 请求来了解服务器支持的资源、工具和 Prompt。
列出资源: 发送 'resources/list' 请求获取所有可用资源的 URI 和信息。
读取资源: 发送 'resources/read' 请求（带资源 URI 参数）获取特定候选人信息（如简历文本）。
列出工具: 发送 'tools/list' 请求获取所有可用工具的名称、描述和参数 schema。
调用工具: 发送 'tools/call' 请求（带工具名称和参数）执行特定操作（如 'get_github_url' 获取 GitHub URL，或 'contact_candidate' 发送邮件）。
使用 Prompt 模板: 发送 'prompts/render' 请求（带 Prompt 名称和参数）获取用于 LLM 交互的 Prompt 文本。

LLM 客户端解析服务器返回的 JSON-RPC 响应来获取数据或了解工具调用的结果。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息