Мощный сервер анализатора профилей LinkedIn MCP (Model Context Protocol), который взаимодействует с API LinkedIn для сбора, анализа и управления данными сообщений LinkedIn. Этот MCP специально разработан для работы с Claude AI.

Особенности

Привлекайте и храните сообщения LinkedIn для любого публичного профиля Поиск по сообщениям с фильтрацией ключевых слов Получите топовые должности на основе показателей вовлеченности

• Фильтровые сообщения по диапазону дат
• Начальный доступ к сохраненным сообщениям Легкая интеграция с Claude AI

Предпосылки

Python 3.7+ Ключ RapidAPI для LinkedIn Data API Доступ к Claude AI

Начало работы

###1 Получить ключ RapidAPI

1.Посетить LinkedIn Data API на RapidAPI 2.Зарегистрируйтесь или войдите в RapidAPI 3.Подписаться на LinkedIn Data API 4. Копируйте ключ RapidAPI с приборной панели

###2 Установка

1. Клонировать хранилище:

2. Установить зависимости:

3. Настройка переменных среды: Создайте файл .env Добавьте свой ключ RapidAPI:

Проектная структура

Конфигурация MCP

Файл mcp.json настраивает MCP-сервер LinkedIn:

Обязательно обновите путь в args, чтобы соответствовать локальному местоположению файла.

Доступные инструменты

###1. fetch and save linkedin posts

LinkedIn Profile Analyzer MCP

A powerful LinkedIn profile analyzer MCP (Model Context Protocol) server that interacts with LinkedIn’s API to fetch, analyze, and manage LinkedIn posts data. This MCP is specifically designed to work with Claude AI.

Features

• Fetch and store LinkedIn posts for any public profile
• Search through posts with keyword filtering
• Get top performing posts based on engagement metrics
• Filter posts by date range
• Paginated access to stored posts
• Easy integration with Claude AI

Prerequisites

• Python 3.7+
• RapidAPI key for LinkedIn Data API
• Claude AI access

Getting Started

1. Get RapidAPI Key

1. Visit LinkedIn Data API on RapidAPI
2. Sign up or log in to RapidAPI
3. Subscribe to the LinkedIn Data API
4. Copy your RapidAPI key from the dashboard

2. Installation

1. Clone the repository:

git clone https://github.com/rugvedp/linkedin-mcp.git
cd linkedin-mcp

2. Install dependencies:

pip install -r requirements.txt

3. Set up environment variables:
   • Create a .env file
   • Add your RapidAPI key:

RAPIDAPI_KEY=your_rapidapi_key_here

Project Structure

linkedin-mcp/
├── main.py              # Main MCP server implementation
├── mcp.json            # MCP configuration file
├── requirements.txt    # Python dependencies
├── .env               # Environment variables
└── README.md          # Documentation

MCP Configuration

The mcp.json file configures the LinkedIn MCP server:

{
  "mcpServers": {
    "LinkedIn Updated": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "mcp",
        "run",
        "path/to/your/script.py"
      ]
    }
  }
}

Make sure to update the path in args to match your local file location.

Available Tools

1. fetch_and_save_linkedin_posts

Fetches LinkedIn posts for a given username and saves them locally.

fetch_and_save_linkedin_posts(username: str) -> str

2. get_saved_posts

Retrieves saved posts with pagination support.

get_saved_posts(start: int = 0, limit: int = 10) -> dict

3. search_posts

Searches posts for specific keywords.

search_posts(keyword: str) -> dict

4. get_top_posts

Returns top performing posts based on engagement metrics.

get_top_posts(metric: str = "Like Count", top_n: int = 5) -> dict

5. get_posts_by_date

Filters posts within a specified date range.

get_posts_by_date(start_date: str, end_date: str) -> dict

Using with Claude

1. Initialize the MCP server in your conversation with Claude
2. Use the available tools through natural language commands
3. Claude will help you interact with LinkedIn data using these tools