AI Skill Hub 强烈推荐:AI 面试助手 是一款优质的MCP工具。AI 综合评分 8.0 分,在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案,这是一个值得深入了解的选择。
AI 面试助手 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。
AI 面试助手 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。
# 方式一:通过 Claude Code CLI 一键安装
claude skill install https://github.com/BMN-zyb/AI_InterviewerAgent
# 方式二:手动配置 claude_desktop_config.json
{
"mcpServers": {
"ai-----": {
"command": "npx",
"args": ["-y", "ai_intervieweragent"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
# 安装后在 Claude 对话中直接使用 # 示例: 用户: 请帮我用 AI 面试助手 执行以下任务... Claude: [自动调用 AI 面试助手 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"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"ai_____": {
"command": "npx",
"args": ["-y", "ai_intervieweragent"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
InterviewAgent 是一个完整工程级的 AI Agent 应用,集成了当前 AI 工程领域最主流的技术范式:
---
| 依赖 | 版本要求 | 用途 | 验证命令 |
|---|---|---|---|
| Python | 3.10+(推荐 3.11/3.12) | 运行环境 | python --version |
| MySQL | 8.0+ | 用户画像、面试记录、长期记忆 | mysql --version |
| Redis | 6.0+ | 短期记忆(会话上下文) | redis-cli ping |
| Weaviate | 最新版 | 向量数据库,RAG 向量索引 | curl http://localhost:8080/v1/.well-known/ready |
| DashScope API Key | — | 通义千问 LLM + Embedding | — |
| GitHub Token | 可选 | MCP GitHub 工具 | — |
| FFmpeg | 可选 | 音视频格式转换(STT/TTS) | ffmpeg -version |
<details> <summary>📦 Python 3.11</summary>
```bash
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
pip install -r requirements.txt
```bash
wget https://github.com/weaviate/weaviate/releases/latest/download/weaviate-linux-amd64 tar -xvf weaviate-linux-amd64 ./weaviate --host 0.0.0.0 --port 8080 --scheme http
sudo systemctl start mysql
sudo systemctl start redis
./weaviate --host 0.0.0.0 --port 8080 --scheme http ```
CLI 模式(适合快速体验)
python -m cli.main interview --jd "岗位职责:
1、基于大模型技术 (如Qwen、DeepSeek、GPT、Kimi等),主导Agent、 RAG (RetrievalAugmented Generation) 及知识库系统的架构设计与开发,构建包含Planning、Memory、Tool Use、Reflection等能力的Agent系统,推动Al产品在复杂业务场景中的高效落地
2、负责大模型Agent的全流程工作,包括但不限于数据处理、模型训练/微调(SFTLoRA等)、效果评估(oftine/online evaI)、优化和部署,形成数据闭环持续迭代能力
3、集成和部署A模型服务APl,设计高并发、低延迟的推理服务架构(如基于vLLM等推理引擎),确保系统的高性能、高可用性和可扩展性
4、持续关注LLM及Agent方向的最新进展(如Multi-Agent、Tool Calling、复杂工作流编排等),结合业务场景提出优化方案并推动落地" --resume ./resume.pdf --total 10
--
Web 模式(完整功能,含语音 + 摄像头)
```bash python cli/main.py serve --host 0.0.0.0 --port 8000
curl -X POST http://localhost:8000/api/interview/start \
-H "Content-Type: application/json" \
-d '{
"jd": "招聘 Python 后端工程师,5 年经验,熟悉 FastAPI/MySQL/Redis",
"resume": "...(简历文本)..."
}'
---
cp .env.example .env
vim .env
```env
cp .env.example .env
vim .env # 填入 DASHSCOPE_API_KEY、MYSQL_PASSWORD 等
启动 Web 模式后,访问 FastAPI 自动生成的 Swagger 文档:
http://<服务器IP>:8000/docs
| 方法 | 路径 | 说明 |
|---|---|---|
POST | /api/interview/start | 启动一场面试 |
POST | /api/interview/chat | 发送消息,获取面试官回复 |
GET | /api/interview/report/{session_id} | 获取面试评估报告 |
WS | /api/ws/chat | WebSocket 实时双向通信 |
通过 Model Context Protocol(MCP) 标准协议接入外部工具:
Agent ──► MCP Client ──► MCP Server(Stdio / SSE)
│
┌─────────┴─────────┐
│ │
GitHub 工具 Web 抓取工具
(分析开源项目) (获取技术文档)
掌握下一代 AI 工具集成标准,工具即插即用。
📄 核心文件:mcp/mcp_client.py
---
高质量的AI面试助手,自动化程度高
该工具未明确声明开源协议,商业使用前请联系原作者确认授权范围,避免侵权风险。
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。
总体来看,AI 面试助手 是一款质量优秀的MCP工具,在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态,建议收藏备用,结合自身场景选择合适时机引入使用。
| 原始名称 | AI_InterviewerAgent |
| Topics | AI面试自动化 |
| GitHub | https://github.com/BMN-zyb/AI_InterviewerAgent |
| 语言 | Python |
收录时间:2026-07-06 · 更新时间:2026-07-06 · License:未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。
选择 Agent 类型,复制安装指令后粘贴到对应客户端