job-search-mcp
Local MCP server that manages a job search using Markdown files, enabling skills tracking, gap analysis, and offer pipeline management via Claude.
README
job-search-mcp
Servidor MCP local que gestiona una busqueda de empleo sobre archivos Markdown.
El servidor no razona. El usuario habla con Claude, y Claude usa este servidor para leer y escribir sus archivos con una estructura fija. El cerebro es el cliente; esto es la memoria y las manos.
De un solo usuario, sin red, sin base de datos.
Concepto central: dos archivos separados
Es la idea que sostiene todo lo demas.
perfil-skills.mdes lo que YA se tiene. Todo a nivel[solido]o[parcial], nunca huecos. Un termino entra aqui solo cuando el usuario confirma que lo tiene.radar-huecos.mdes lo que el mercado pide y no se tiene, cada termino con un contador de cuantas ofertas objetivo lo han pedido. Ordenado por contador: lo de arriba es lo mas urgente de aprender.
Ciclo de vida de una skill: nace como hueco cuando una oferta la pide, su contador sube cada vez que otra oferta la vuelve a pedir, y se gradua cuando el usuario confirma que la ha adquirido: sale del radar y entra en el perfil con su nivel. Ese es el unico camino de hueco a perfil.
Modelo de datos
Todo vive en DATA_DIR, un directorio que es a la vez una boveda de Obsidian.
El MCP escribe los .md y Obsidian los renderiza: la misma carpeta, cero
conflicto.
DATA_DIR/
perfil/
perfil-skills.md - [solido|parcial] Termino (nota) bajo '## Categoria'
radar-huecos.md - [contador: N] Termino (Categoria). Fuentes: a; b
criterios.md prosa libre: que hace que una oferta merezca el tiempo
cv.md CV en Markdown, fuente de la evidencia concreta
ofertas/
AAAA-MM-empresa.md frontmatter YAML + analisis + registro de estados + notas
Estados de una oferta:
analizada -> solicitada -> entrevista -> oferta -> aceptada, con dos salidas
laterales desde cualquier punto: denegada y descartada.
El servidor nunca regenera un archivo
Parsea solo las lineas que reconoce y edita esa linea concreta, dejando el
resto de bytes intactos. El discriminador es el patron (- [contador: N] ), no
la posicion: por eso una seccion ## Reglas llena de vinietas normales convive
sin problema con las lineas de datos.
Esto es deliberado. Los archivos los edita tambien un humano en Obsidian, asi que el formato es del usuario, no del servidor.
Superficie MCP
Resources (solo lectura, los adjunta el usuario)
| URI | Contenido |
|---|---|
profile://skills |
perfil-skills.md |
profile://gaps |
radar-huecos.md, ordenado por contador al servir |
profile://cv |
cv.md |
profile://criteria |
criterios.md |
offers://list |
tabla del pipeline: estado, empresa, puesto, score |
offers://{id} |
una oferta entera: analisis, estados y notas |
Tools (escriben, los invoca el modelo)
| Tool | Que hace |
|---|---|
record_gap(term, category, source) |
Sube el contador en 1 y anade la fuente. Si no existe, lo crea con 1. Nunca duplica. |
list_gaps() |
Huecos ordenados por contador descendente. |
confirm_skill(term, level, evidence, category?) |
La graduacion: saca del radar y mete en el perfil. Descarta las fuentes: al perfil solo viaja la evidencia. |
update_skill_level(term, level) |
Cambia solido/parcial de algo que ya esta en el perfil. |
save_offer(id, title, company, markdown, score?, salario?, url?, tags?) |
Crea o actualiza una oferta. Al actualizar conserva estado y notas. |
set_offer_status(id, status) |
Mueve por el ciclo de vida y lo anota con fecha. |
add_offer_note(id, note) |
Nota fechada en "Notas de entrevista". |
ping() |
Diagnostico: responde y dice sobre que DATA_DIR trabaja. |
Prompt (lo invoca el usuario)
analyze_offer devuelve la plantilla de analisis rellenada con perfil, CV y
criterios leidos del disco en ese instante, mas las instrucciones de guardar
la oferta con save_offer y registrar cada hueco con record_gap. Debajo se
pega el texto de la oferta.
Instalacion
Requiere Node >= 18 (probado con 24).
npm install
npm run build
Configuracion: una unica variable de entorno.
| Variable | Por defecto |
|---|---|
JOB_MCP_DATA_DIR |
~/Desktop/Productivo/Trabajo/Perfil |
Comprobar que arranca (imprime la ruta de datos y se queda esperando en stdio):
$env:JOB_MCP_DATA_DIR="<ruta a la boveda>"
node build/index.js
Registrarlo en un cliente
Es un servidor stdio: el cliente lo lanza como proceso hijo. La declaracion tiene siempre esta forma:
{
"command": "node",
"args": ["<ruta al repo>/build/index.js"],
"env": { "JOB_MCP_DATA_DIR": "<ruta a la boveda>" }
}
- Claude Code:
~/.claude.json, oclaude mcp add job-search --scope user -- node <ruta>/build/index.js. - Claude Desktop: bloque
mcpServersenclaude_desktop_config.json. Usa la ruta absoluta del ejecutable de node: Desktop se lanza desde el explorador y no hereda el PATH.
Las rutas concretas de esta maquina estan en
SETUP.local.md, fuera de git.
La regla que mas tiempo cuesta aprender
Cada
npm run buildobliga a reiniciar el cliente.
Un servidor MCP por stdio se lanza una vez, cuando arranca el cliente, y ese proceso se queda vivo. No hay recarga en caliente. Cerrar la ventana de Claude Desktop no basta: hay que salir desde el icono de la bandeja del sistema.
Sintoma tipico: pides un tool nuevo y el cliente jura que no existe.
Desarrollo
npm run build # tsc -> build/
npm test # tsc + node --test "build/**/*.test.js" (40 tests)
npm run watch # recompilar al guardar
src/
index.ts solo cablea: resources + tools + prompts + transporte stdio
config.ts DATA_DIR y rutas derivadas
resources.ts los 6 resources
tools.ts los 8 tools, con sus esquemas Zod
prompts.ts analyze_offer
lib/
markdown.ts primitivas por linea: cabeceras, secciones, EOL, normalize
skills.ts perfil-skills.md
radar.ts radar-huecos.md y los contadores
offers.ts frontmatter, estados y notas
graduate.ts confirm_skill: la operacion que cruza los dos archivos
files.ts el UNICO modulo con I/O
src/lib/* son funciones puras con la forma
(contenido, args) -> { contenido, changed, message }. Por eso los tests no
tocan el disco y corren en 100 ms.
graduate.ts devuelve los dos contenidos nuevos sin escribir: quien llama
persiste ambos o ninguno. Es lo mas cerca de una transaccion que tiene sentido
aqui.
Nunca uses console.log en el servidor. stdout es el canal JSON-RPC y
escribir ahi rompe el protocolo. Los logs van a console.error (stderr).
Probar el servidor sin ningun cliente, hablandole JSON-RPC crudo:
$msgs = @(
'{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-06-18","capabilities":{},"clientInfo":{"name":"m","version":"0"}}}'
'{"jsonrpc":"2.0","method":"notifications/initialized"}'
'{"jsonrpc":"2.0","id":2,"method":"tools/list"}'
)
$msgs | node build/index.js
Donde aparece cada primitivo en el cliente
Los tres primitivos tienen puntos de entrada distintos, segun quien decide usarlos:
| Primitivo | Quien lo invoca | Donde aparece |
|---|---|---|
| Prompt | el usuario | menu / |
| Tool | el modelo | no se invoca desde un menu: se pide hablando |
| Resource | el usuario | menu de adjuntar |
Obsidian
El DATA_DIR es una boveda. Dos plugins, y de momento solo estos:
- Dataview: tabla viva del radar ordenada por contador, y tabla de ofertas filtrada por estado, apoyada en el frontmatter YAML.
- Kanban: el pipeline de ofertas como tablero por estado.
La vista de grafo y los [[enlaces]] salen gratis.
Fuera de alcance
Sin base de datos (son Markdown a proposito, legibles y versionables a mano), sin interfaz web, sin scraping de portales, sin multiusuario, sin nube. Corre local.
Las mejoras aparcadas estan en IDEAS.md.
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.