Pearch MCP Server

ทางการ

เครื่องมือค้นหาบุคคลที่ดีที่สุดที่ช่วยลดเวลาในการค้นหาผู้มีความสามารถ

เอกสาร

Pearch.ai MCP

เซิร์ฟเวอร์ MCP สำหรับ Pearch.AI: การค้นหาด้วยภาษาธรรมชาติสำหรับ บุคคล และ บริษัท/ลีด (B2B) ใช้งานได้จาก Cursor, Claude Desktop, VS Code หรือไคลเอนต์ใดๆ ที่รองรับ MCP

การประเมินเครื่องมือจัดหาผู้สมัครด้วย AI โดยอิงตามความพึงพอใจของมนุษย์

คุณสมบัติ

search_people — การค้นหาบุคคลด้วยภาษาธรรมชาติ (เช่น “วิศวกรซอฟต์แวร์ในแคลิฟอร์เนียที่มีประสบการณ์ Python 5 ปีขึ้นไป”); ส่งคืนผู้สมัครพร้อมข้อมูลเชิงลึกและการให้คะแนนโปรไฟล์ที่เป็นทางเลือก
search_company_leads — ค้นหาบริษัทและลีด/ผู้ติดต่อภายในบริษัทนั้นๆ (B2B); เช่น “สตาร์ทอัพ AI ใน SF พนักงาน 50–200 คน” + “CTO และผู้จัดการฝ่ายวิศวกรรม”
คีย์ทดสอบเป็นค่าเริ่มต้น — ใช้งานได้ทันทีด้วย test_mcp_key (ผลลัพธ์แบบปกปิด/ตัวอย่าง); ตั้งค่าคีย์ของคุณเองเพื่อรับผลลัพธ์แบบเต็ม

ข้อกำหนดเบื้องต้น

Python 3.10+
uv (แนะนำ; Linux/macOS: curl -LsSf https://astral.sh/uv/install.sh | sh) หรือ pip
FastMCP — ติดตั้งด้วย pip install fastmcp หรือ uv add fastmcp

คีย์ API

ใช้ test_mcp_key สำหรับ ผลลัพธ์แบบปกปิด (ตัวอย่าง) — ไม่ต้องลงทะเบียน

สำหรับ ผลลัพธ์แบบเต็ม ไม่ปกปิด รับคีย์ API จาก Pearch.ai Dashboard และตั้งค่าเป็น PEARCH_API_KEY ในการกำหนดค่า MCP ของคุณ (ดูการติดตั้งด้านล่าง)

การติดตั้ง

โคลน repo จากนั้นทำตามขั้นตอนสำหรับไคลเอนต์ของคุณ:

git clone https://github.com/Pearch-ai/mcp_pearch
cd mcp_pearch

Claude Desktop

อัตโนมัติ:

fastmcp install claude-desktop pearch_mcp.py --env PEARCH_API_KEY=test_mcp_key

แทนที่ test_mcp_key ด้วยคีย์แดชบอร์ดของคุณเพื่อรับผลลัพธ์แบบเต็ม

หากคุณเห็น bad interpreter: No such file or directory (เช่น กับ conda) ให้รัน:

pip install --force-reinstall fastmcp

หรือ:

python -m fastmcp install claude-desktop pearch_mcp.py --env PEARCH_API_KEY=test_mcp_key

ด้วยตนเอง: แก้ไข ~/.claude/claude_desktop_config.json และเพิ่มภายใต้ mcpServers แทนที่ /path/to/mcp_pearch ด้วยพาธจริงของคุณ

ด้วย uv:

"Pearch.ai": {
  "command": "uv",
  "args": ["run", "--with", "fastmcp", "fastmcp", "run", "/path/to/mcp_pearch/pearch_mcp.py"],
  "env": { "PEARCH_API_KEY": "test_mcp_key" }
}

ด้วย pip/conda (ไม่มี uv):

"Pearch.ai": {
  "command": "python",
  "args": ["/path/to/mcp_pearch/pearch_mcp.py"],
  "env": { "PEARCH_API_KEY": "test_mcp_key" }
}

ตรวจสอบให้แน่ใจว่าติดตั้ง fastmcp แล้ว: pip install fastmcp

Cursor

แนะนำ (อัตโนมัติ):

fastmcp install cursor pearch_mcp.py --env PEARCH_API_KEY=test_mcp_key

แทนที่ test_mcp_key ด้วยคีย์แดชบอร์ดของคุณเพื่อรับผลลัพธ์แบบเต็ม

ด้วยตนเอง: เพิ่มไปยัง ~/.cursor/mcp.json (หรือโปรเจกต์ .cursor/mcp.json):

{
  "mcpServers": {
    "Pearch.ai": {
      "command": "uv",
      "args": ["run", "--with", "fastmcp", "fastmcp", "run", "/absolute/path/to/pearch_mcp.py"],
      "env": { "PEARCH_API_KEY": "test_mcp_key" }
    }
  }
}

แทนที่ /absolute/path/to/pearch_mcp.py ด้วยพาธจริง ใช้ test_mcp_key สำหรับผลลัพธ์แบบปกปิด หรือคีย์แดชบอร์ดของคุณสำหรับผลลัพธ์แบบเต็ม

เพื่อสร้างส่วนย่อยที่พร้อมใช้งาน:

fastmcp install mcp-json pearch_mcp.py --name "Pearch.ai"

จากนั้นวางผลลัพธ์ลงใน mcpServers ใน ~/.cursor/mcp.json

VS Code และไคลเอนต์อื่นๆ

VS Code: เพิ่มบล็อก mcpServers เดียวกันไปยัง .vscode/mcp.json ในพื้นที่ทำงานของคุณ
ไคลเอนต์ MCP อื่นๆ: ใช้รูปแบบ command / args / env เดียวกันในการกำหนดค่า MCP ของไคลเอนต์

สร้างส่วนย่อยการกำหนดค่า (ค่าเริ่มต้นเป็น test_mcp_key; เพิ่ม --env PEARCH_API_KEY=your-key สำหรับผลลัพธ์แบบเต็ม):

fastmcp install mcp-json pearch_mcp.py --name "Pearch.ai"

วางออบเจกต์ที่สร้างขึ้นลงใน mcpServers ของไคลเอนต์ของคุณ

เครื่องมือ

เครื่องมือ	คำอธิบาย
search_people	การค้นหาบุคคลด้วยภาษาธรรมชาติหรือติดตามผลในเธรด ตัวอย่าง: "วิศวกรซอฟต์แวร์ในแคลิฟอร์เนียที่มีประสบการณ์ Python 5 ปีขึ้นไป", "นักวิจัย ML อาวุโสในเบอร์ลิน"
search_company_leads	ค้นหาบริษัทและลีด/ผู้ติดต่อ (B2B) ตัวอย่าง: บริษัท "สตาร์ทอัพ AI ใน SF พนักงาน 50–200 คน" + ลีด "CTO และผู้จัดการฝ่ายวิศวกรรม"

คำอธิบาย

search_people

การค้นหาบุคคลด้วยภาษาธรรมชาติหรือติดตามผลในเธรด ตัวอย่าง: "วิศวกรซอฟต์แวร์ในแคลิฟอร์เนียที่มีประสบการณ์ Python 5 ปีขึ้นไป", "นักวิจัย ML อาวุโสในเบอร์ลิน"

search_company_leads

ค้นหาบริษัทและลีด/ผู้ติดต่อ (B2B) ตัวอย่าง: บริษัท "สตาร์ทอัพ AI ใน SF พนักงาน 50–200 คน" + ลีด "CTO และผู้จัดการฝ่ายวิศวกรรม"

URL ฐาน: PEARCH_API_URL หรือต่อการเรียก base_url (ค่าเริ่มต้น https://api.pearch.ai)

HTTP ระยะไกล (Kubernetes / Cursor URL)

เซิร์ฟเวอร์เปิดเผย Streamable HTTP ที่ /mcp เมื่อรันด้วย Uvicorn:

export PEARCH_API_URL='https://api.pearch.ai'   # optional
uvicorn pearch_mcp:app --host 0.0.0.0 --port 8000

การตรวจสอบสถานะ: GET /health หรือ /healthcheck

การเข้าถึงระยะไกลใช้ คีย์ Pearch API เดียวกัน เป็น api.pearch.ai (Authorization: Bearer) เซิร์ฟเวอร์ตรวจสอบคีย์ผ่าน GET /v1/user คีย์สาธิต test_mcp_key ก็ยอมรับเช่นกัน (ผลลัพธ์แบบปกปิด)

Cursor ~/.cursor/mcp.json:

{
  "mcpServers": {
    "Pearch.ai": {
      "url": "https://mcp.pearch.ai/mcp",
      "headers": {
        "Authorization": "Bearer ${env:PEARCH_API_KEY}"
      }
    }
  }
}

การพัฒนา

export PEARCH_API_KEY='test_mcp_key'   # or your key for full results
fastmcp dev inspector pearch_mcp.py

การสนับสนุน

ใบอนุญาต

MIT — ดู LICENSE