Ats MCP Server

MCP运维云端

提供方 JamisonProctor

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude DesktopClaude
查看接入方式

一个本地运行的AI简历评估工具,用于分析简历与职位描述的匹配度,提供详细评分和差距分析。

一句话选型结论

按资料字段整理

Ats MCP Server 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude Desktop、Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 2 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量2暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

简历分析Python本地部署ATS筛选本地AI求职工具

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python3 -m venv .venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 2 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 2 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Ats MCP Server当前 2 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方JamisonProctor上游标注的维护方 JamisonProctor
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

5.7 KB
来自项目仓库与上游目录的原文,未做删改

ATS简历评估器——人工智能简历筛选,在您的机器上本地运行

别再猜测你的简历是否会通过ATS。 此MCP服务器直接插入Claude Desktop,并使用本地LLM根据任何职位描述对您的简历进行评分——逐项要求——您的机器上没有任何数据。

输入职位描述和简历。返回一份详细的适合度报告,其中包括符合要求的分数、简历中的证据、确定的差距和总体适合度百分比。全部由Ollama提供动力,在当地运行。


为什么存在

大多数求职者盲目定制简历。招聘人员使用ATS软件在人类阅读申请之前筛选候选人。这个工具翻转脚本——它让你 运行招聘人员使用的结构化评估,这样你就可以准确地看到你的简历在哪里,在哪里遗漏了, 之前 你申请。

主要优势:

  • 隐私第一 --一切都通过Ollama在当地运行。你的简历和职位描述永远不会离开你的机器。
  • 需求级别评分 --每个职位要求都按照0-4的匹配度进行单独评分,并从简历中提取逐字证据。
  • 可采取行动的差距 --立即查看您缺少或仅部分满足的要求,以便您确切地知道要修复什么。
  • 在Claude Desktop内工作 --请克劳德对你的简历进行评估。MCP集成意味着零上下文切换。
  • 确定性结果 --温度零点推断为您提供一致、可重复的评估。

所得

对于每次评估,服务器都会生成一份结构化报告,其中包含:

输出 描述
符合要求的匹配分数 每项要求得分0-4(无→ 与状态、证据和理由完全匹配
整体适配百分比 所有要求的总得分
顶部缺口 简历不足之处
顶级优势 简历最强的要求
原始+JSON报告 已保存到磁盘,以便在简历版本之间进行比较

快速开始

先决条件

  • Python 3.10+
  • 奥拉玛 — brew install ollama 或 ollama.com
  • 一个模型被拉 — ollama pull qwen3.5:9b (建议用于16GB RAM)

安装```bash

git clone https://github.com/JamisonProctor/ats-mcp-server.git
cd ats-mcp-server
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt


### 在Claude Desktop注册

编辑您的Claude Desktop MCP配置:

**macOS:** `~/Library/Application Support/Claude/claude_desktop_config.json`

添加 `ats-evaluator` 进入 `mcpServers` 章节:```json
{
"mcpServers": {
"ats-evaluator": {
"command": "/ats-mcp-server/.venv/bin/python3",
"args": ["/ats-mcp-server/ats_mcp_server.py"],
"env": {
"ATS_WORKSPACE": "",
"OLLAMA_MODEL": "qwen3.5:9b",
"OLLAMA_HOST": "http://localhost:11434"
}
}
}
}

替换 `` 使用机器上的实际路径。保存后重新启动Claude Desktop。

设置工作区```

/
├── prompts/
│ └── ats_eval.md # Eval prompt template (included in this repo)
└── jobs/
└── /
├── jd.md # Paste the job description here
└── resume.pdf # Your resume
```

运行评估

问问克劳德:

> “根据google__product_manager职位评估我的简历”

Claude将对评估进行排队,对结果进行民意调查,并向您展示完整的匹配报告——分数、差距、优势等等。


运作原理

  1. 你问克劳德 根据特定的工作文件夹来评估你的简历。
  2. 克劳德打电话来 run_ats_eval --服务器读取JD,从您的简历PDF中提取文本,并将所有内容发送给Ollama,并给出结构化的评估提示。
  3. LLM分析比赛 --它从JD中确定了6-10个关键要求,然后根据简历中发现(或未发现)的证据对每个要求进行评分。
  4. 结果结构化返回 --符合要求的匹配分数、总体匹配百分比、最大差距、最大优势。
  5. 报告已保存 --原始文本和解析的JSON都会写入作业文件夹以供将来参考。

评估在顺序队列中运行,以遵守GPU约束。您可以对输出进行版本控制(v1, v2等等)来比较简历编辑如何影响你的分数。


可用的MCP工具

工具 说明
run_ats_eval 启动作业文件夹的ATS评估。立即返回;评估在后台运行。
check_ats_eval 轮询正在运行的评估的状态。完成后返回完整报告。

环境变量

变量 默认值 描述
ATS_WORKSPACE ~/Desktop/Job Search 2026 根目录包含 jobs/ 和 prompts/
OLLAMA_MODEL qwen3.5:9b 用于评估的Ollama模型
OLLAMA_HOST http://localhost:11434 API终点

故障排除

  • “奥拉玛不跑” --快跑 ollama serve 否则服务器将尝试自动启动它。
  • “找不到模型” --快跑 ollama pull qwen3.5:9b (或您配置的型号)。
  • “未找到PDF” --在运行eval之前,请确保您的简历PDF位于job文件夹中。
  • 首次运行缓慢 --模型在第一次请求时加载到内存中。后续的跑步速度更快。

构建于

  • 模型上下文协议(MCP) --Claude Desktop的工具界面
  • 奥拉玛 --本地LLM推理
  • PyMuPDF --PDF文本提取

许可证

麻省理工学院

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Ats MCP Server 怎么安装?

在客户端按下面的安装命令接入:python3 -m venv .venv。装完在客户端配置里引用同一个包或端点。

Ats MCP Server 怎么在 Claude Desktop、Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Ats MCP Server 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Ats MCP Server 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Ats MCP Server 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Ats MCP Server 能提供哪些能力?

资料显示约 2 个工具;能力标签包括 本地AI、Python、Claude。具体工具清单以官方文档为准。

Ats MCP Server 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Ats MCP Server 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。