linkedin-mcp-server
社区使用中by stickerdaniel
linkedin-mcp-server 是一个开源的 MCP server，允许 Claude 等 MCP 兼容 AI 代理通过用户已登录的浏览器会话访问 LinkedIn 数据，包括个人资料、公司信息、职位搜索和消息。该项目独立于 LinkedIn 官方，支持通过 uvx、Docker 或本地方式快速部署，为 AI 助手提供便捷的 LinkedIn 数据读取能力。
安装配置
将以下配置添加到你的 AI 编程助手中
预览配置（粘贴到 claude_desktop_config.json 或 Cursor 设置中）
{
"mcpServers": {
"linkedin-mcp-server": {}
}
}JSON配置
{}描述
MCP Server for LinkedIn
PyPI CI Status Release License
免责声明： 这是一个独立的社区项目。它与 LinkedIn 公司或 Microsoft 没有任何关联、授权、认可或赞助关系。“LinkedIn”是 LinkedIn 公司的注册商标，此处仅用于描述性目的，以标识本软件所互操作的第三方服务。
这是一个 MCP 服务器，可让 Claude 等 AI 助手通过您自己已登录的浏览器会话读取 LinkedIn 数据。访问个人资料和公司，搜索职位，或获取职位详情。
赞助商
Unipile, one API for every LinkedIn feature
这个 MCP 服务器是免费且开源的，由 Unipile 支持。它在本地运行，使用您自己的浏览器会话。Unipile 是完全托管的云替代方案：一个托管的 LinkedIn API，适用于 Classic、Sales Navigator 和 Recruiter，为您处理身份验证、会话和基础设施。免费试用 7 天 →
安装方法 - MCP Server for LinkedIn
uvx Install MCP Bundle Docker Development
| 工具 | 描述 | 状态 |
|------|-------------|--------|
| get_person_profile | 获取个人资料信息，可明确选择板块（经历、教育、兴趣、荣誉、语言、认证、技能、项目、联系信息、动态） | #590 |
| get_my_profile | 获取已认证用户自己的 LinkedIn 个人资料（板块与 get_person_profile 相同） | #590 |
| connect_with_person | 发送连接请求或接受收到的请求，可附上备注 | #407 #432 #454 #629 |
| get_sidebar_profiles | 从个人资料页面的侧边栏推荐板块（“更多推荐人”、“探索高级资料”、“可能认识的人”）中提取资料 URL | 可用 |
| get_inbox | 列出 LinkedIn 消息收件箱中的最近对话 | 可用 |
| get_conversation | 按用户名或线程 ID 读取特定的消息对话 | 可用 |
| search_conversations | 按关键词搜索消息 | 可用 |
统计信息
3.1k
星标
539
Fork
Python
语言
2026/8/14
更新
Apache-2.0
开源协议
标签
链接
相关服务器
mcp-chrome
Chrome MCP Server 是一个基于 Chrome 扩展的 Model Context Protocol (MCP) 服务器，将浏览器功能暴露给 Claude 等 AI 助手，支持复杂的浏览器自动化、内容分析和语义搜索。它直接复用用户日常使用的 Chrome 浏览器及其登录状态和配置，无需启动独立浏览器进程，完全本地运行以保护隐私。项目内置向量数据库和 SIMD 加速
activepieces
Activepieces 是一个开源的全能 AI 自动化平台，可作为 Zapier 的替代品，提供直观的无代码工作流构建体验。它内置 400 多个 MCP servers，支持将 TypeScript 编写的 pieces 自动暴露为 MCP 工具，供 Claude Desktop、Cursor 或 Windsurf 等 LLM 客户端调用。平台具备 AI-First 特性、企
private-gpt
PrivateGPT 是一个开源 API 层，将本地模型转化为生产级 AI 应用，提供 RAG、工具调用、MCP 连接器、text-to-sql 等能力。它本身不运行模型，而是通过 OpenAI 兼容接口连接 Ollama、vLLM 等推理服务器，并遵循 Claude API 规范，适合构建私有化、本地部署的 AI 产品。
headroom
Headroom 是一个面向 AI Agent 的上下文压缩层，可在内容到达 LLM 之前压缩工具输出、日志、文件、RAG 块及对话历史，在保持答案质量的前提下显著减少 token 消耗（JSON 数据可减少 60-95%，编码 Agent 减少 15-20%）。它以 Python/TypeScript 库、代理服务器、MCP server 及命令行包装器等多种形式提供，支持