把自己做成了MCP#My AI Native Resume

ai.jakegaylor.com 这个项目有点意思，把自己的简历信息，制作成了MCP，让LLM调用。

个人主页 + llms.txt + MCP = 超级个体的个人数字名片

HR 和面试官狂喜，只需一个链接，AI 就能调取他的完整履历、技能树和项目经验，甚至自动生成面试题。

以下是详细介绍

——

在求职时，你是否经历过反复修改简历、应对不同公司的技术提问？开发者 Jake Gaylor 用 MCP（Model Context Protocol） 的协议，把自己的简历和技能库「塞」进了一个服务器。HR、面试官或 AI 助手只需连接这个服务器，就能一键获取他的完整背景，甚至自动生成定制化的面试题和岗位匹配分析。

一、什么是「简历服务器」？

Jake 的 MCP 服务器本质上是一个标准化信息接口，包含两类核心功能：

1. 静态资源

•简历文本/链接

•LinkedIn、GitHub、个人网站等公开资料

•网站内容抓取（如技术博客、项目描述）

2. 动态工具

•技能评估：查询他对特定技术（如 React、AWS）的熟练度

•面试生成：根据岗位要求自动生成电话面试或代码测试题

•匹配分析：输入职位描述，AI 会判断他与岗位的契合度

•入职规划：生成 30-60-90 天入职培养计划

💡 类比：就像给 AI 装了一个「Jake 资料库」插件，随用随查。

二、HR 和面试官能怎么用？

Jake 在文档中列举了多个实用场景，堪称「招聘自动化」模板：

对招聘方

•提问示例：

•“Jake 对 TypeScript 和系统设计的掌握程度如何？”

•“根据这个 Senior Engineer 的 JD，他的优势和待提升点是什么？”

•自动生成：岗位匹配报告、技术面试题、模拟推荐信等。

开发者

•直接让 AI 起草定制化邮件（比如 _“写一封邀请 Jake 面试的邮件，突出我们对他 AWS 经验的兴趣”_）。

三、技术亮点：如何实现「人机互联」？

1.协议兼容性

•支持主流 AI 工具（如 Claude、Cursor），通过 HTTP 或 TypeScript 配置即可接入。

•提供 Streamable Endpoint 实时传输数据。

2.开源友好 开发者可以通过 npx 快速本地化部署类似服务：

npx -y @jhgaylor/me-mcp  

3.隐私与边界

•所有数据均为 Jake 主动公开的求职信息，无敏感内容。•权限明确划分（如仅允许读取简历，不可修改）。

四、如果人人都有「简历服务器」…

Jake 的实践或许预示了一个趋势：求职信息标准化。

未来可能出现：

•个人版：开发者自建 MCP 服务器，替代传统简历投递。

•平台版：LinkedIn 或招聘网站提供类似MCP接口，AI 直接调用分析。

•风险：信息过载或算法偏见仍需警惕。

与其让 HR 在海量简历中「淘金」，不如主动把金子装进 AI 能直接加工的容器。Jake 的 MCP 服务器虽是小实验，但已经摸到了「招聘3.0」的门槛

——

“把自己投喂给AI”

🔗 试试看：访问 ai.jakegaylor.com