Reed Jobs MCP Server

Was macht der “Reed Jobs” MCP Server?

Der Reed Jobs MCP Server ist ein Model Context Protocol (MCP) Server, der KI-Assistenten und Entwickler-Tools mit der Reed Jobs API verbindet und so eine nahtlose Jobsuche und das Abrufen von Stellenangeboten ermöglicht. Als Brücke zwischen KI-Agenten und der Reed.co.uk Jobplattform erlaubt dieser Server die Abfrage von Stellenanzeigen unter Nutzung verschiedenster Filter – darunter Schlüsselwörter, Standort, Gehalt, Vertragsart und Remote-Optionen – sowie das Abrufen detaillierter Informationen zu spezifischen Jobangeboten. Der Reed Jobs MCP Server stärkt KI-gesteuerte Workflows mit aktuellen Arbeitsmarktdaten und ist somit ein Gewinn für Empfehlungssysteme, Automatisierung im Recruiting oder jede Entwicklerlösung, die von Echtzeit-Insights zum Arbeitsmarkt profitiert.

Liste der Prompts

Es wurden keine Prompt-Templates im Repository oder in der Dokumentation gefunden.

Liste der Ressourcen

Es sind keine expliziten MCP-Ressourcen im Repository oder in der Dokumentation beschrieben.

Liste der Tools

• mcp_reed_jobs_search_jobs
  Ermöglicht die Jobsuche mit mehreren Filtern, darunter Schlüsselwörter, Standort, Vertragsart, Vollzeit-/Teilzeitoptionen, Gehaltsbereich und Distanz zum Standort.

• mcp_reed_jobs_get_job_details
  Ruft detaillierte Informationen zu einer bestimmten Stelle anhand der Job-ID ab.

Anwendungsfälle dieses MCP Servers

• Automatisierte Jobsuche
  Entwickler können Jobsuchen für bestimmte Rollen, Standorte oder Gehaltsbereiche automatisieren und so Nutzern oder Kunden relevante Angebote effizient bereitstellen.

• KI-gestützte Jobempfehlung
  KI-Assistenten können anhand der Suchfunktion passende Jobs vorschlagen, indem sie sie in Chatbots oder persönliche Agenten integrieren.

• Optimierung von Recruiting-Workflows
  Recruiting-Agenturen oder HR-Tools können den Server nutzen, um Stellen zu filtern und Details abzurufen und so das Kandidatensourcing und Matching zu vereinfachen.

• Datenanalyse und Markt-Insights
  Entwickler können Jobs in großen Mengen abfragen und Trends wie Gehaltsbereiche, Vertragsarten oder Remote-Optionen in bestimmten Regionen analysieren.

Einrichtung

Windsurf

Keine dokumentierten Setup-Anweisungen für Windsurf gefunden.

Claude

1. Stellen Sie sicher, dass Node.js (v16+) und npm/yarn installiert sind.
2. Fordern Sie einen Reed API-Schlüssel im Reed Developer Portal an.
3. Installation via Smithery:

   npx -y @smithery/cli install @kld3v/reed_jobs_mcp --client claude
   

4. Fügen Sie Ihren API-Schlüssel in einer .env-Datei im Projektverzeichnis hinzu:

   REED_API_KEY=your_reed_api_key_here
   

5. Starten Sie den Server nach Bedarf in Ihrer Umgebung.

Cursor

1. Stellen Sie sicher, dass Node.js (v16+) und npm/yarn installiert sind.
2. Fordern Sie einen Reed API-Schlüssel im Reed Developer Portal an.
3. Abhängigkeiten installieren:

   npm install
   

4. Erstellen Sie eine .env-Datei:

   REED_API_KEY=your_reed_api_key_here
   

5. Projekt bauen und starten:

   npm run build
   npm start
   

6. Konfigurieren Sie mcp.json in Cursor:

   {
     "mcpServers": {
       "reed-jobs-mcp": {
         "command": "node",
         "args": ["path/to/your/dist/index.js"],
         "cwd": "path/to/your/project"
       }
     }
   }
   

Cline

Keine dokumentierten Setup-Anweisungen für Cline gefunden.

Absicherung von API-Schlüsseln

Verwenden Sie Umgebungsvariablen in Ihrer .env-Datei:

REED_API_KEY=your_reed_api_key_here

Beispiel für eine JSON-Konfiguration für verschiedene Umgebungen:

{
  "mcpServers": {
    "reed-jobs-mcp": {
      "command": "node",
      "args": ["path/to/your/dist/index.js"],
      "cwd": "path/to/your/project",
      "env": {
        "REED_API_KEY": "${REED_API_KEY}"
      }
    }
  }
}

Nutzung dieses MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie die MCP-Komponente zum Flow hinzu und verbinden Sie diese mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich System-MCP-Konfiguration tragen Sie Ihre MCP-Server-Details in folgendem JSON-Format ein:

{
  "reed-jobs-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Nach der Konfiguration kann der KI-Agent dieses MCP als Tool mit Zugriff auf alle Funktionen verwenden. Denken Sie daran, “reed-jobs-mcp” durch den tatsächlichen Namen Ihres MCP-Servers und die URL durch die Ihres eigenen Servers zu ersetzen.

Übersicht

Unsere Meinung:
Dieser MCP Server ist fokussiert, bietet reale Integration mit der Reed Jobs API und klare Setup-Anleitungen für Cursor und Claude. Allerdings fehlen fortgeschrittene MCP-Features wie Prompt-Templates, Ressourcen-Listen und expliziter Sampling-/Roots-Support. Die Dokumentation ist für grundlegende Nutzung klar, aber für fortgeschrittene Konfigurationen minimal.

MCP Score

Bewertung:
Basierend auf den beiden Tabellen erreicht dieser MCP Server eine 5 von 10. Er erledigt den Kernjob gut und ist Open Source, es fehlen jedoch fortgeschrittene MCP-Features, Ressourcen und Community-Beteiligung.