AI Dev Jobs MCP 使用指南：为 AI Agent 接入 8,400+ AI/ML 职位实时索引（agentic-awesome-skills）
【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills
导读
本文以 AAS（agentic-awesome-skills）仓库中ai-dev-jobs-mcp技能为骨架，系统讲解如何为 Claude、Cursor 等 AI 客户端配置 AI Dev Jobs 远程 MCP 服务器，并逐一剖析其 8 个可用工具（职位搜索、职位详情、公司查询、市场统计、简历匹配、薪酬数据等）的调用签名、典型参数与实战流程。读完本文，你将掌握如何让 Agent 独立完成 AI/ML 职位检索、招聘方发现、候选人-岗位匹配与劳动力市场分析，并能结合仓库目录与源码索引深入理解该技能的注册方式与生态定位。
技能概览：一个免认证的远程 MCP 职位服务
ai-dev-jobs-mcp是一个远程 MCP（Model Context Protocol）服务器，为 AI Agent 提供 AI/ML 职位列表的实时索引访问能力。该技能由社区作者 unitedideas 贡献（source_type: community），数据源为 aidevboard.com 的 YAML frontmatter。
根据技能文档记录，截至 2026 年 4 月 17 日的 MCP 实时统计：索引中约有8,405 个活跃岗位，覆盖489 家公司，薪酬中位数$213,500，当周新增约600 个职位。需要强调的是，这些是实时市场数据快照，在面向用户输出前应通过get_stats工具重新获取最新值（详见下文"限制"一节）。
借助该技能，Agent 可以按职位、地点或公司搜索岗位，拉取完整职位详情，列出正在招聘的公司，将岗位与候选人画像进行匹配，并获取薪酬或聚合市场统计。它面向的典型场景包括：辅助用户求职、招聘方岗位挖掘、人才匹配工作流构建，以及 AI 就业市场分析。
何时使用该技能
技能文档明确了四个典型使用时机：
- 帮助用户搜索 AI 或 ML 工程类职位时；
- Agent 需要查询哪些公司正在招聘特定 AI 岗位时；
- 构建招聘或人才匹配工作流时；
- 分析 AI 就业市场（开放职位、头部公司、岗位分布）时。
在 AAS 的目录体系中，该技能还定义了triggers（触发词），包括mcp、jobs、ai-jobs、ml-jobs等，便于 Agent 在检索到相关意图时自动路由到本技能，具体见 data/catalog.json 中ai-dev-jobs-mcp条目。
MCP 配置：三个客户端一种写法
AI Dev Jobs MCP 端点采用streamable HTTP协议，无需任何 API Key 或认证，这大大降低了接入成本。在 Claude Desktop、Cursor、Windsurf 的 MCP 配置文件中加入以下片段即可：
{ "mcpServers": { "ai-dev-jobs": { "url": "https://aidevboard.com/mcp" } } }配置要点说明：
- 服务名
ai-dev-jobs可自定义，但建议保持与技能命名一致，便于 Agent 通过技能中的示例指令直接引用； url指向远程端点，无需在本地安装任何 MCP 服务器程序，也无需保存凭据；- 因为是远程 MCP 服务，客户端启动时会直接向该端点发起连接，适用于 Claude Desktop、Cursor、Windsurf 等支持远程 MCP 的客户端。
在 AAS 仓库的目录索引中，该技能被标记为plugin.targets支持codex 与 claude，且plugin.setup.type为none（即无需额外安装步骤），见 data/skills_index.json 中ai-dev-jobs-mcp条目——这从目录层印证了"配置即接入"的轻量特性。
可用工具详解：8 个端点的调用签名与参数
该 MCP 服务器共暴露 8 个工具，覆盖从"检索"到"分析"的完整链路。以下逐一说明调用签名、参数语义与典型返回值。
search_jobs— 职位搜索
按关键词、地点、公司或工作形式搜索职位索引，返回匹配列表（含职位名称、公司、地点、薪酬信息）。
search_jobs({ query: "machine learning engineer", location: "remote" })参数建议：query使用具体职位关键词（如llm engineer、ml ops），location可传remote、城市名或国家；如需按公司过滤，可配合list_companies拿到的公司名使用。
get_job— 职位详情
按职位 ID 获取完整详情，包括职位描述、任职要求、薪酬范围与申请链接。
get_job({ id: "abc123" })该工具通常接在search_jobs之后：先用搜索定位候选岗位，再逐条拉取完整详情供用户决策或生成申请材料。
list_companies— 招聘公司列表
列出索引中所有公司及其开放职位数量，用于发现哪些公司正在积极招聘。
list_companies({})按开放职位数排序返回，是"先看公司、再搜岗位"工作流的起点。
get_company— 公司详情
按公司 ID 获取特定公司详情，若端点暴露则同时返回该公司可用的 AI 岗位。
get_company({ id: "openai" })注意id通常为公司的 slug 形式（如openai），与list_companies返回的标识保持一致。
get_stats— 市场聚合统计
获取就业市场聚合数据：总职位数、按开放岗位排名的头部公司、岗位分布与地点分布。
get_stats({})该工具是文章开头提到的 8,405 个岗位、$213,500 薪酬中位数等数据的来源，也是向用户提供市场上下文的首选工具。
match_jobs— 岗位匹配
将职位与候选人画像（技能清单、工作形式偏好等）进行匹配。
match_jobs({ skills: ["python", "llm", "pytorch"], workplace: "remote" })skills传入候选人的核心技术栈，workplace指定工作形式（如remote）。适合在用户给出技能、职级、地点或工作形式偏好时使用，是构建人才匹配工作流的核心工具。
get_salary_data— 薪酬数据
在数据可得的情况下，按职位、标签、职级或地点获取薪酬统计。
get_salary_data({ tag: "llm", level: "senior" })tag可配合list_tags获取的标签使用，level表示职级（如senior、junior）。需注意薪酬数据依赖公司主动提供，并非所有职位都包含。
list_tags— 标签列表
列出索引中可用于搜索或薪酬分析的标签。
list_tags({})返回的标签可作为search_jobs与get_salary_data的过滤维度，实现"先看标签空间、再做定向查询"的分析流程。
实战示例：6 个可复用的 Agent 指令
技能文档给出了 6 个完整的端到端示例，以下完整保留并补充说明。
示例 1：查找远程 ML 职位
Use @ai-dev-jobs-mcp to find remote machine learning engineer positions.Agent 将调用search_jobs({ query: "machine learning engineer", location: "remote" })并返回匹配列表。
示例 2：查看哪些公司在招聘
Use @ai-dev-jobs-mcp to list all companies currently hiring for AI roles.Agent 将调用list_companies({})并按开放职位数排序返回公司列表。
示例 3：获取就业市场概览
Use @ai-dev-jobs-mcp to show current AI job market statistics.Agent 将调用get_stats({})并返回职位总数、头部雇主与岗位分布等聚合数据。
示例 4：获取完整职位详情
Use @ai-dev-jobs-mcp to get the full details for job ID abc123.Agent 将调用get_job({ id: "abc123" })并返回含要求与申请链接的完整职位信息。
示例 5：按候选人画像匹配职位
Use @ai-dev-jobs-mcp to match remote LLM roles to a senior Python and PyTorch profile.Agent 将调用match_jobs({ skills: ["python", "llm", "pytorch"], workplace: "remote" })并返回合适岗位。
示例 6：对比薪酬数据
Use @ai-dev-jobs-mcp to compare senior LLM salary data.Agent 将调用get_salary_data({ tag: "llm", level: "senior" })并汇总可用的薪酬区间。
上述示例中的@ai-dev-jobs-mcp引用方式与 AAS 中其他技能的调用约定一致，便于 Agent 在收到自然语言指令后自动路由到对应 MCP 工具。
最佳实践：构建可靠的职位检索工作流
技能文档给出了 6 条经过实践验证的使用建议：
- 使用
search_jobs时尽量带具体关键词以获得精准结果，避免宽泛查询； - 先用
list_companies发现招聘公司，再以公司名过滤调用search_jobs做定向搜索； - 在深入具体职位前，先用
get_stats为用户提供市场上下文； - 当用户给出技能、职级、地点或工作形式偏好时，优先使用
match_jobs； get_salary_data仅作为市场背景信息，并提醒用户职位与薪酬变化很快；- 可与简历（resume）或求职信（cover letter）类技能组合，构建端到端的求职申请工作流。
最后一条提示了该技能在 AAS 生态中的组合价值：职位检索只是入口，配合简历撰写、申请信生成等技能即可形成完整的自动化求职闭环。
限制与数据边界
技能文档明确列出了四条限制，使用时必须向用户如实说明：
- 索引仅覆盖 AI 与 ML 相关岗位，AI 领域之外的一般软件工程职位可能不在其中；
- 职位列表定期刷新，但新职位上线可能存在短暂延迟；
- 薪酬数据仅在公司主动提供时可用，并非所有职位都包含薪酬信息；
- 职位数量与薪酬中位数是实时市场数据，在面向用户输出前应通过
get_stats重新获取，避免引用过期快照。
关联技能与生态定位
技能文档在末尾关联了两个相邻技能：
- not-human-search-mcp：通过 MCP 发现 AI 就绪的工具与 API，与本技能互补，一个发现工具、一个消费数据；
- mcp-builder：用于构建自己的 MCP 服务器，适合希望将职位数据或其他业务数据封装为 MCP 服务供 Agent 调用的开发者。
从仓库目录索引看，本技能同时存在于 plugins/agentic-awesome-skills-claude/skills/ai-dev-jobs-mcp/SKILL.md 与 plugins/agentic-awesome-skills/skills/ai-dev-jobs-mcp/SKILL.md 两个插件目录中，并已在 data/catalog.json 与 data/skills_index.json 完成注册——这也是 AAS 目录驱动的技能发现机制的一部分：技能先经目录注册，再由客户端按triggers与描述自动路由。
小结
ai-dev-jobs-mcp以"零配置远程 MCP + 8 个聚焦工具"的设计，让 Agent 在几十行配置内即可获得覆盖 8,400+ 岗位的实时 AI/ML 就业市场数据。其价值不在于单个工具，而在于完整链路：list_tags与list_companies负责发现维度，search_jobs/get_company/get_job负责定向检索与详情获取，match_jobs负责画像匹配，get_stats/get_salary_data负责市场与薪酬分析。配合简历类技能，即可在 Agent 内闭环完成从市场洞察、岗位筛选到申请材料生成的全流程。
【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
