项目简介

Fillit 是一个AI助手项目，旨在通过自动化浏览器操作，帮助用户在各种网站上自动填写简历，减少重复手动输入的工作量。它作为一个 MCP（Model Context Protocol）服务器运行，为 AI Agent 提供与网页内容交互的能力。

主要功能点

• 浏览器控制: 能够启动、连接并控制 Google Chrome 浏览器实例。
• 网页导航: 允许 AI Agent 指导浏览器打开指定的网页URL。
• 元素识别: 能够获取当前网页上可点击按钮和可输入文本框的信息（包括其在列表中的索引和描述）。
• 交互操作: 允许 AI Agent 根据获取的信息，点击指定的按钮或向指定的输入框填写内容。
• 简历内容读取: 提供读取本地结构化简历内容的能力，供 AI Agent 使用。
• MCP 服务: 通过标准的 MCP 协议暴露上述功能，供兼容的 MCP 客户端（如某些 LLM 应用程序）调用。

安装步骤

1. 安装 Google Chrome: 确保您已安装 Google Chrome 浏览器。项目依赖 Chrome DevTools Protocol (CDP) 进行通信。
2. 安装 UV (Universal Virtual Environment): 按照您操作系统的说明安装 UV。
   • Windows PowerShell:

     powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
     

3. 克隆仓库并安装依赖:
   • 克隆 Fillit 仓库到本地。
   • 打开终端或命令行，导航到项目根目录。
   • 使用 UV 安装项目依赖并创建虚拟环境：

     uv sync
     

4. 激活虚拟环境:
   • Windows:

     .venv\Scripts\activate
     

   • macOS/Linux:

     source .venv/bin/activate
     

服务器配置（供MCP客户端使用）

Fillit 作为 MCP 服务器运行。MCP 客户端（例如 Anthropic Claude Desktop 或本项目提供的 Gradio 客户端）需要配置服务器的启动信息才能连接。

典型的 MCP 客户端配置会要求填写服务器名称、启动命令和参数。对于 Fillit 项目，您需要启动 'mcpserver.py' 脚本。

• 服务器名称 (Server Name): 您可以自定义一个名称，例如 'fillit'。
• 启动命令 (Command): 通常是用于运行 Python 脚本的解释器路径，例如 'python' 或 'uv'。如果使用 UV，建议使用 'uv'。
• 参数 (Args): 传递给启动命令的参数列表。对于使用 UV 运行 'mcpserver.py'，参数通常是：
  • 'run'
  • 'mcpserver.py'

如果您的 MCP 客户端需要指定工作目录，请确保指向 Fillit 项目的根目录。

基本使用方法

1. 启动 Chrome 浏览器: 在项目根目录下运行脚本启动一个专门用于自动化的 Chrome 实例：

   python start_chrome.py
   

   这个脚本会创建一个独立的浏览器用户数据目录（'ChromeUserData'），并启动 Chrome 监听特定端口供自动化连接。保持此终端窗口打开。
2. （可选）准备简历数据: 项目的 'get_resume_content' 工具会读取项目根目录下 'cv.txt' 文件的内容。您可以使用项目提供的 'webui.py' 中的简历解析功能上传 PDF 生成此文件，或者手动创建/编辑 'cv.txt' 文件，确保其中包含您的简历文本信息。
3. 启动 MCP 客户端 (Gradio WebUI): 在项目根目录下的另一个终端窗口中运行 Gradio 界面：

   python webui.py
   

   这会启动一个网页界面（通常在 'http://localhost:7860'）。
4. 连接到 MCP 服务器:
   • 在 Gradio 界面中，确保 "Server Script Path" 指向 'mcpserver.py'。
   • 点击 "Connect" 按钮。如果连接成功，状态信息会更新。
5. 设置并连接 LLM:
   • 在 Gradio 界面中，选择您的 LLM Provider（如 Azure OpenAI, DeepSeek 等）。
   • 根据需要填写模型名称、API Key、Base URL 或 Azure 特定信息。
   • 点击 "Set LLM" 按钮。
6. 与 AI Agent 交互: 在聊天框中输入指令，例如 README 中提供的推荐 Prompt，引导 AI Agent 调用 MCP 工具进行简历填写。Agent 会利用配置好的 LLM 和 MCP 工具来理解您的请求、分析网页、获取简历内容并执行填写操作。