能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🌐 翻译 🐳 Docker 🔗 REST API 🧠 Claude ✨ GPT 🖥 本地 LLM ⛓ LangChain

🔌

MCP工具

职业发展助手

基于 TypeScript · 让 AI 助手直接操作你的系统与工具

英文名：next-role

⭐ 11 Stars 🍴 6 Forks 💻 TypeScript 📄 MIT 🏷 AI 7.5分

7.5AI 综合评分

ai-agentscareertypescript

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，职业发展助手获评「推荐使用」。这款MCP工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。

📚 深度解析

职业发展助手是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装职业发展助手，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。职业发展助手提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将职业发展助手评为 AI 评分 7.5 分，属于同类工具中的优质选择。

📋 工具概览

职业发展助手是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 11

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

7.5 分

工具类型

MCP工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/tam159/next-role

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "------": {
      "command": "npx",
      "args": ["-y", "next-role"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 职业发展助手 执行以下任务...
Claude: [自动调用 职业发展助手 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "______": {
      "command": "npx",
      "args": ["-y", "next-role"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 49/100 含工作流图查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

Quick Start

The whole stack — frontend, backend, Postgres, Redis — runs in Docker.

```bash

Demo

<video src="https://github.com/user-attachments/assets/39995750-b0be-4d59-a98b-b3ec109a509c" width="100%" controls> Your browser does not support the video tag. </video>

▶️ Watch the full walkthrough in HD on YouTube »

1. Clone & configure

git clone https://github.com/tam159/next-role.git cd next-role cp .env.example .env # then fill in your API keys (see table below)

3. Find your host ports (set in .env, vary per machine)

docker ps # read the 0.0.0.0:<host>->... mappings

Backend API docs → http://localhost:<LANGGRAPH_LOCAL_PORT>/docs

```

💡 Pick your LLM in the app. Open the in-app Configuration dialog to set the main agent and subagent models — no rebuild needed. See LLM configuration below for recommended models and free / local options.

<details> <summary>Environment variables — what to put in <code>.env</code></summary>

Variable	Required	Purpose
`OPENAI_API_KEY`	✅	Default main + subagent models
`TAVILY_API_KEY`	✅	Web research (`hiring-recon`)
`LLAMA_CLOUD_API_KEY`	✅	Document parsing (LlamaParse)
`POSTGRES_PASSWORD`	✅	Local Postgres password
`ANTHROPIC_API_KEY` / `GOOGLE_API_KEY`	⬜	Alternative providers (swap at runtime)
`OPENAI_API_BASE`	⬜	Self-hosted / Azure / LM Studio endpoint
`AWS_ACCESS_KEY_ID` / `AWS_SECRET_ACCESS_KEY` / `AWS_DEFAULT_REGION`	⬜	AWS Bedrock models
`LANGCHAIN_API_KEY` + `LANGCHAIN_TRACING_V2=true`	⬜	LangSmith tracing (recommended)
`FRONTEND_LOCAL_PORT` / `LANGGRAPH_LOCAL_PORT` / `POSTGRES_LOCAL_PORT` / `REDIS_LOCAL_PORT`	preset	Host port mappings

Secrets live only in .env (gitignored); gitleaks runs on every commit.

</details>

<details> <summary>LLM configuration — pick your models, run it for free or local</summary>

Models are swappable at runtime — no rebuild. Open the in-app Configuration dialog and set Main agent / Subagents to a <provider>:<model> string (e.g. anthropic:claude-sonnet-4.6); leave blank to use the defaults. Settings persist in your browser's local storage.

Recommended: Claude Sonnet 4.x, GPT-5.x, or Gemini 3.x — e.g. anthropic:claude-sonnet-4.6, openai:gpt-5.4, google_genai:gemini-3.5-flash.

Run it for free or fully local:

Tavily and LlamaCloud both include a generous monthly free tier — plenty for local use.
Google AI Studio offers a free tier for Gemini flash / lite models.
Fully local — point OPENAI_API_BASE at LM Studio or Ollama (both expose an OpenAI-compatible API) and fill your local model in the UI.

Output quality tracks the model you pick — smaller local models trade some quality for zero cost.

</details>

<details> <summary>Dev workflow — hot reload, restart, rebuild, stop</summary>

Code edits hot-reload in both containers — just save the file.
Add a frontend dep: pnpm --dir frontend add <pkg> → docker compose restart frontend
Add a backend dep: uv add <pkg> → docker compose up -d --build backend
Change .env: docker compose restart <service>
Stop: docker compose down (add -v to wipe the DB & Redis volumes)

</details>

🎯 aiskill88 AI 点评 A 级 2026-06-11

项目利用GenAI提升职业发展，自动定制简历，具有较高的实用价值

📚 实用指南（长尾问题）

适合谁

构建多智能体协作系统的 Agent 开发者

最佳实践

Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）

部署方案

云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台

⚡ 核心功能

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

👥 适合谁

构建多智能体协作系统的 Agent 开发者

⭐ 最佳实践

Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

⚠️ 常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点

+MIT 协议，可免费商用
+标准化 MCP 协议，生态互联性强
+与 Claude 官方生态无缝对接
+即插即用，配置简单快捷

⚠️ 不足

−依赖 Claude 客户端，非 Claude 用户无法使用
−MCP 协议仍在持续演进，接口可能变更
−需要一定的配置步骤

⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

🔗 相关工具推荐

mcp-use MCP工具

MCP工具

playwright-mcp MCP工具

基于Playwright的MCP协议服务器实现，提供浏览器自动化能力。支持网页交互、截图、数据采集等功能，适合开发者集成

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

技能寻求者

MCP · Agent · 工作流

natively-cluely-ai-assistant — Claude Skill 中文使用文档

免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。

❓ 常见问题 FAQ

如何使用next-role?−

参考项目README文档

MCP 是什么？和普通 API 有什么区别？+

我需要编程基础才能使用这个 MCP 工具吗？+

这个工具支持 Claude Code 吗？还是只有 Claude Desktop？+

MCP 工具是否会访问我的本地文件或数据？+

多个 MCP 工具可以同时使用吗？+

💡 AI Skill Hub 点评

AI Skill Hub 点评：职业发展助手的核心功能完整，质量良好。对于Claude Desktop / Claude Code 用户来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

⬇️ 获取与下载

⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习职业发展助手

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`next-role`
原始描述	开源MCP工具：🚀 Level up your career with GenAI. 📄 Tailor your CV to any JD, 🔍 automate com。⭐11 · TypeScript
Topics	`ai-agentscareertypescript`
GitHub	https://github.com/tam159/next-role
License	MIT
语言	TypeScript

🔗 原始来源

🐙 GitHub 仓库 https://github.com/tam159/next-role

收录时间：2026-06-11 · 更新时间：2026-06-11 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

职业发展助手

📚 深度解析

📋 工具概览

📖 中文文档

简介

Quick Start

Demo

1. Clone & configure

3. Find your host ports (set in .env, vary per machine)

Backend API docs → http://localhost:<LANGGRAPH_LOCAL_PORT>/docs

⚡ 核心功能

👥 适合人群

🎯 使用场景

⚖️ 优点与不足

🔗 相关工具推荐

❓ 常见问题 FAQ

🤖 交给 Agent 安装 · 职业发展助手