AI Resume MCP

MCP恢复生成器服务器

一个生产就绪的模型上下文协议（MCP）服务器，使用OpenAI GPT-4.1、LaTeX编译和AWS S3存储生成ATS优化的简历。

特性

• 人工智能驱动的内容生成：使用OpenAI GPT-4.1创建量身定制的简历内容
• 专业LaTeX编译：使用TinyTeX和ModernCV模板将简历编译为PDF
• 云存储集成：使用预签名的URL将PDF上传到AWS S3
• MCP协议支持：与MCP客户端和AI代理完全兼容
• 安全第一：沙盒LaTeX编译和输入验证
• Docker就绪：通过多阶段构建完成集装箱化
• 综合测试：包括单元和集成测试

快速开始

先决条件

• Python 3.9+
• Docker和Docker Compose
• AWS S3存储桶
• OpenAI API密钥

安装

1. 克隆存储库

git clone https://github.com/reetp14/ai-resume-mcp.git
cd ai-resume-mcp

1. 设置环境变量

cp .env.example .env
# Edit .env with your actual API keys and configuration

1. 使用Docker Compose运行

# Development mode
docker-compose up mcp-resume-server

# Production mode
docker-compose --profile production up mcp-resume-server-prod

手动安装

1. 安装Python依赖项

pip install -r requirements.txt

1. 安装TinyTeX（用于LaTeX编译）

# Linux/macOS
wget -qO- "https://yihui.org/tinytex/install-bin-unix.sh" | sh
# Add to PATH: export PATH="$HOME/.TinyTeX/bin/x86_64-linux:$PATH"

# Install required LaTeX packages
tlmgr install moderncv fontawesome academicons multirow arydshln

1. 运行服务器

python -m src.server

配置

环境变量

🚀 现场演示

尝试AI简历生成器：

• 输入：您的个人资料数据+职位描述
• 人工智能处理：GPT-4.1分析和优化内容
• 输出：几秒钟内即可获得专业PDF简历

API使用

MCP工具： generate_resume

根据用户数据和职位描述生成ATS优化的简历PDF。

输入架构：

{
    "form_data": {
        "personal_info": {
            "name": "John Doe",
            "email": "john.doe@example.com",
            "phone": "+1-555-0123",
            "location": "San Francisco, CA",
            "linkedin": "linkedin.com/in/johndoe",
            "github": "github.com/johndoe"
        },
        "summary": "Experienced software engineer...",
        "skills": ["Python", "JavaScript", "React"],
        "work_experience": [...],
        "education": [...],
        "projects": [...],
        "certifications": [...],
        "languages": [...]
    },
    "job_description": "We are looking for a Senior Software Engineer...",
    "template_style": "modern"
}

输出：

{
    "pdf_url": "https://s3.amazonaws.com/bucket/presigned-url",
    "resume_id": "uuid-string",
    "generated_at": "2024-01-01T12:00:00Z",
    "expires_at": "2024-01-02T12:00:00Z"
}

MCP工具： health_check

对所有系统组件执行运行状况检查。

输出：

{
    "status": "healthy",
    "timestamp": "2024-01-01T12:00:00Z",
    "version": "1.0.0",
    "dependencies": {
        "openai": "healthy",
        "latex": "healthy",
        "s3": "healthy"
    }
}

客户端集成示例

from mcp_sdk import MCPClient

# Initialize client
client = MCPClient(server_url="ws://localhost:8000/mcp")

# Generate resume
result = await client.call_tool("generate_resume", {
    "form_data": {
        "personal_info": {
            "name": "John Doe",
            "email": "john.doe@example.com"
        },
        "skills": ["Python", "AWS", "Docker"],
        "work_experience": [...],
        "education": [...]
    },
    "job_description": "Looking for a DevOps Engineer with Python and AWS experience..."
})

print(f"Resume generated: {result['pdf_url']}")

发展

运行测试

# Install development dependencies
pip install -r requirements-dev.txt

# Run tests
pytest tests/

# Run with coverage
pytest --cov=src tests/

# Run specific test file
pytest tests/test_server.py -v

代码质量

# Format code
black src/ tests/

# Lint code
flake8 src/ tests/

# Type checking
mypy src/

Docker开发

# Build development image
docker-compose build mcp-resume-server

# Run with volume mounting for live reload
docker-compose up mcp-resume-server

# Run tests in container
docker-compose exec mcp-resume-server pytest

建筑

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   AI Agent/     │    │  MCP Resume      │    │   External      │
│   Client        │◄──►│  Generator       │◄──►│   Services      │
└─────────────────┘    │  Server          │    └─────────────────┘
                       └──────────────────┘
                              │
                              ▼
                    ┌──────────────────────┐
                    │     Components       │
                    ├──────────────────────┤
                    │ • OpenAI Service     │
                    │ • LaTeX Service      │
                    │ • S3 Service         │
                    │ • Input Validation   │
                    │ • Error Handling     │
                    └──────────────────────┘

关键组件

• MCP服务器：处理协议通信和工具注册
• OpenAI服务：使用GPT-4.1生成定制的简历内容
• LaTeX服务：使用安全沙盒将LaTeX编译为PDF
• S3服务：管理文件上传和预签名URL生成
• 输入验证：用于数据验证的Pydantic模式
• 错误处理：全面的错误处理和记录

安全

• 输入消毒：所有输入都经过验证和消毒
• 沙盒编译：LaTeX在禁用网络的子进程中运行
• 超时保护：LaTeX编译有10秒超时
• 文件大小限制：PDF默认限制为5MB
• 非根容器：Docker容器以非root用户身份运行
• 安全依赖关系：定期依赖关系更新和安全扫描

部署

生产部署

1. 塑造生产形象

docker build --target production -t mcp-resume-server:prod .

1. 使用生产设置运行

docker run -d \
  --name mcp-resume-server \
  -p 8000:8000 \
  --env-file .env \
  mcp-resume-server:prod

1. 使用Docker Compose

docker-compose --profile production up -d

缩放注意事项

• 当扩展到单实例之外时，使用Redis作为作业队列
• 考虑使用AWS ECS或Kubernetes进行容器编排
• 为多个实例设置负载平衡
• 监控LaTeX编译期间的内存使用情况

故障排除

常见问题

1. LaTeX编译失败

- 检查TinyTeX安装 - 验证所需的软件包是否已安装 - 检查生成内容中的LaTeX语法

1. S3上传错误

- 验证AWS凭据和权限 - 检查铲斗是否存在且可接近 - 验证网络连接

1. OpenAI API错误

- 检查API密钥的有效性 - 验证未超过速率限制 - 监控API的使用和计费

日志

查看服务器日志：

# Docker logs
docker-compose logs mcp-resume-server

# Local development
python -m src.server  # Logs to stdout

贡献

1. 分叉存储库
2. 创建要素分支
3. 进行更改
4. 添加新功能的测试
5. 运行测试套件
6. 提交拉取请求

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

支持

对于问题和疑问：

• 在GitHub上创建问题
• 检查故障排除部分
• 查看测试套件中的使用示例