Hr Vertical Agent Kit

HR垂直代理套件

面向人力资源团队的开源、预构建的MCP代理模板，涵盖了从招聘到入职的整个招聘生命周期。将这些放入任何兼容MCP的客户端（Claude Desktop、自定义代理），立即开始自动化人力资源工作流程。

为什么存在：埃森哲对特定行业的人力资源人工智能收取企业价格。开源生态系统没有可比性。这个工具包为任何团队提供了一个生产就绪的起点，即真正的人工智能生成，而不是字符串模板。

______________________________________________________________________

里面是什么

______________________________________________________________________

MCP服务器

@hr-kit/recruiting

采购和筛选阶段的工具：

@hr-kit/interviewing

评估阶段的工具：

@hr-kit/onboarding

入职阶段的工具：

______________________________________________________________________

快速开始

先决条件

• Node.js≥20
• npm≥9
• 人类API钥匙（用于LLM动力工具）

1.安装和构建

git clone https://github.com/UmarbekFU/hr-vertical-agent-kit
cd hr-vertical-agent-kit
npm install
npm run build

2.设置API密钥

export ANTHROPIC_API_KEY=sk-ant-...

3个基于规则的工具(parse_resume, detect_bias, check_illegal_questions)在没有API密钥的情况下工作。如果钥匙丢失，9个LLM电动工具将返回一个明确的错误。

3.测试服务器

# List tools on the recruiting server
echo '{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}' \
  | node packages/recruiting/dist/index.js

# Test a rule-based tool (no API key needed)
printf '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}}}\n{"jsonrpc":"2.0","method":"notifications/initialized","params":{}}\n{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"detect_bias","arguments":{"text":"We need a rockstar ninja developer. He will dominate the team.","bias_categories":["gender"],"severity_threshold":"all"}}}\n' \
  | node packages/recruiting/dist/index.js

______________________________________________________________________

Claude桌面集成

添加到您的 claude_desktop_config.json (~/Library/Application Support/Claude/ 在macOS上）：

{
  "mcpServers": {
    "hr-recruiting": {
      "command": "node",
      "args": ["/path/to/hr-vertical-agent-kit/packages/recruiting/dist/index.js"],
      "env": { "ANTHROPIC_API_KEY": "sk-ant-..." }
    },
    "hr-interviewing": {
      "command": "node",
      "args": ["/path/to/hr-vertical-agent-kit/packages/interviewing/dist/index.js"],
      "env": { "ANTHROPIC_API_KEY": "sk-ant-..." }
    },
    "hr-onboarding": {
      "command": "node",
      "args": ["/path/to/hr-vertical-agent-kit/packages/onboarding/dist/index.js"],
      "env": { "ANTHROPIC_API_KEY": "sk-ant-..." }
    }
  }
}

然后重新启动Claude Desktop并尝试：

*“使用parse_resume工具从简历文本中提取信息：\[粘贴简历\]”*

______________________________________________________________________

跑步逃生

eval运行器将每个MCP服务器作为子进程生成，发送JSON-RPC工具调用，并对输出运行结构化断言。

# Run a single suite
npm run eval:recruiting
npm run eval:interviewing
npm run eval:onboarding

# Run all three suites
npm run eval

输出示例：

recruiting-server-evals  Behavioral evaluation suite for the hr-recruiting MCP server
────────────────────────────────────────────────────────────────────────
  ✓ Parse a well-formed software engineer resume (4ms)
  ✓ Parse a sparse resume gracefully (1ms)
  ✓ Detect gendered language in job description (2ms)
  ✓ Report no bias in inclusive job description (1ms)
  ✓ Score a candidate who meets all must-have criteria (2341ms)
  ✓ Score a candidate who is missing critical qualifications (1876ms)
  ✓ Generated JD includes DEI statement when requested (3102ms)
  ✓ Generated JD omits DEI statement when opted out (2890ms)
────────────────────────────────────────────────────────────────────────
  8/8 passed

基于规则的工具可以立即运行。LLM工具每个需要1-4秒，需要 ANTHROPIC_API_KEY.

______________________________________________________________________

项目结构

hr-vertical-agent-kit/
├── packages/
│   ├── core/               # Shared: Anthropic SDK client, callClaudeJSON, toolSuccess/toolError
│   ├── recruiting/         # MCP Server 1 — 4 tools
│   ├── interviewing/       # MCP Server 2 — 4 tools
│   └── onboarding/         # MCP Server 3 — 4 tools
├── scripts/
│   └── eval-runner.ts      # Executable eval runner (tsx, no build step)
├── prompts/                # 9 system prompt templates
│   ├── recruiting/
│   ├── interviewing/
│   └── onboarding/
├── workflows/              # 3 orchestration workflow definitions
│   ├── resume-screening-pipeline.yaml
│   ├── interview-pipeline.yaml
│   └── new-hire-onboarding.yaml
├── evals/                  # 3 evaluation suites (20+ scenarios)
│   ├── recruiting.eval.yaml
│   ├── interviewing.eval.yaml
│   └── onboarding.eval.yaml
├── package.json            # npm workspace root
└── tsconfig.base.json      # shared TypeScript config

______________________________________________________________________

示例工作流

屏幕50将在5分钟后恢复

You: Screen these 50 resumes against this job description. Bias-check the JD first,
     then parse and score all candidates. Give me a top-10 shortlist.

Agent: [uses detect_bias → parse_resume × 50 → score_candidate × 50 → ranks results]

制定合规的面试指南

You: I'm interviewing a senior PM candidate tomorrow for a behavioral round.
     Generate 8 questions on leadership and problem-solving, then check them for legal compliance.

Agent: [uses generate_interview_questions → check_illegal_questions → delivers compliant guide]

在2分钟内为新员工入职

You: Sarah starts Monday as our new Head of Design. She's remote, senior-level.
     Generate her welcome email, 4-week onboarding plan, and 30-60-90 plan.

Agent: [uses generate_welcome_email + create_onboarding_plan + create_30_60_90_plan]

______________________________________________________________________

提示库

中的每个提示模板 prompts/ 是一个即用型系统提示，带有：

• YAML前端内容（元数据、变量、合规性说明）
• {{ variable }} 用于自定义的占位符
• 内置护栏和合规指南

用法：将提示正文复制到代理的系统提示中，用变量替换您的公司/角色。

______________________________________________________________________

工作流

工作流中的YAML文件 workflows/ 定义将MCP服务器链接在一起的多步骤人力资源流程。每个工作流都指定：

• 输入：编排代理需要提供什么
• 步骤：调用哪个服务器/工具，支持foreach和depends_on
• 守卫：在继续之前阻止或警告的条件（例如高偏差分数）
• 输出：工作流返回什么

这些是定义——实现一个执行器（Python、TypeScript或您首选的代理框架）来运行它们。

______________________________________________________________________

法律与合规说明

• 这是一种工具，不是法律顾问。 所有偏差检测和合规性检查都是建议性的。在用于生产雇佣之前，请咨询您所在司法管辖区的合格劳动法顾问。
• 需要人工审查。 未经人工审查，任何工具输出都不应作为最终的招聘决定。
• 管辖权问题。 就业法差异很大。这 check_illegal_questions 该工具涵盖美国、英国、欧盟、加拿大和澳大利亚——明确指定您的管辖区。
• 数据隐私：在没有适当的数据处理控制的情况下，不要将PII传递给生产中的这些工具。

______________________________________________________________________

扩展此套件

向现有服务器添加新工具

1. 创建 packages//src/tools/.ts
2. 实施 export async function handle(args): Promise 使用 callClaudeJSON 从 @hr-kit/core
3. 注册于 packages//src/index.ts 随着 server.tool(...)
4. 将场景添加到 evals/.eval.yaml

添加新垂直

1. 创建 packages// 具有相同的结构
2. 添加 workspaces 根 package.json
3. 遵循服务器/工具/提示/工作流/评估模式

______________________________________________________________________

堆栈

• 人工智能：克劳德·维亚 @anthropic-ai/sdk （型号： claude-sonnet-4-6)
• 运行时：Node.js 20+，TypeScript 5.4
• MCP-SDK: @modelcontextprotocol/sdk ^1.6.1
• 验证：佐德^3.25
• Eval跑步者: tsx （无构建步骤）
• 模块系统：NodeNext（ES2022）
• 构建: tsc 每个包，npm工作区根目录

______________________________________________________________________

*作为100天项目挑战的第10天建造。*