我有一個爬 104 和 LinkedIn 職缺的腳本，跑完之後用 LLM 幫我評分、過濾、產報告。流程是這樣：
uv run fetch.py → 產生 JSON → uv run filter.py → 產生 Markdown 報告每次要找職缺都要手動跑，還要記參數。後來想到可以做成 MCP Server，讓 Claude 直接呼叫。完整程式碼在 vincentxuu/offernow。
MCP 是什麼
MCP（Model Context Protocol）是 Anthropic 定義的協定，讓 Claude 可以呼叫外部工具。你寫一個 server，定義幾個 tool function，Claude 就知道「有這些工具可以用」，並在對話中自己決定什麼時候呼叫。
你：幫我找最近的 AI 相關職缺
↓
Claude 呼叫 list_local_data → 知道有哪些資料
Claude 呼叫 filter_and_score_jobs → 過濾評分
Claude 整理結果回覆你跟直接跑腳本的差別是：你不需要知道要執行什麼指令，Claude 幫你決定。
架構
這個 server 不做爬蟲，爬蟲還是手動跑或排程跑。MCP Server 只負責讀本地 JSON、過濾、評分：
uv run fetch.py ← 定期跑，產生 JSON（慢，幾分鐘）
↓
data/104_jobs_search.json
↓ MCP 讀這個檔
Claude Code ←→ mcp_server.py（即時）爬蟲慢沒關係，跟 MCP 完全分開。
實作
安裝 FastMCP：
uv add "mcp[cli]"新增 mcp_server.py，把現有函數 wrap 成 tool：
from mcp.server.fastmcp import FastMCP
from filter import pre_filter, score_batch_with_llm, build_report, load_jobs
mcp = FastMCP("offernow")
@mcp.tool()
def list_local_data() -> dict:
"""列出本地已有的職缺資料，包含筆數與更新時間。"""
...
@mcp.tool()
def filter_and_score_jobs(max_llm: int = 20) -> str:
"""讀本地 JSON → 初篩 → LLM 評分 → 回傳 Markdown 報告。"""
jobs_104, jobs_linkedin = load_jobs(DATA_DIR)
filtered = pre_filter(jobs_104, jobs_linkedin)
...
return build_report(scored, unscored, stats)
@mcp.tool()
def search_local_jobs(
keyword: str,
source: str = "all",
limit: int = 50,
offset: int = 0,
include_description: bool = False,
) -> dict:
"""在本地資料中搜尋職缺，不發網路請求。"""
...
return {"total": total, "by_source": by_source, "count": len(page), "results": page}
if __name__ == "__main__":
mcp.run()裝飾器 @mcp.tool() 就是全部，FastMCP 會自動從 docstring 和型別提示產生 schema，Claude 靠這個知道每個 tool 做什麼、接受什麼參數。
有幾個細節值得注意：
控制回傳量：本地有 1,000+ 筆職缺，全部塞進 tool response 會超出 context。search_local_jobs 預設 include_description=False 排掉最大的欄位，limit=50 控制筆數，需要更多再用 offset 分頁取。
回傳 metadata：回傳 dict 而非 list，帶上 total 和 by_source，讓 Claude 知道總共有幾筆、來自哪個來源，方便它決定要不要繼續查。
註冊到 Claude Code
claude mcp add -s user offernow -- bash -c "uv run mcp_server.py"claude mcp add 沒有 --cwd 參數，需要直接編輯 ~/.claude.json，把指令改成帶 cd 的版本：
{
"mcpServers": {
"offernow": {
"type": "stdio",
"command": "bash",
"args": ["-c", "cd /path/to/fetch-data && uv run mcp_server.py"]
}
}
}確認有沒有載入：
claude mcp list
# offernow: bash -c cd /... && uv run mcp_server.py - ✓ Connected用起來
重開 Claude Code，直接說「幫我看一下現在有哪些職缺資料」，Claude 會呼叫 list_local_data，回傳本地有幾筆、幾時更新，然後問你要不要過濾。不需要記任何指令。
Skill 和 MCP 的差別
這兩個容易混淆。Skill 是給 Claude 看的 Markdown 說明文件，告訴它「遇到 X 要怎麼做」，執行者還是 Claude 自己。MCP tool 是真的程式碼，Claude 呼叫後由 server 執行，有真實的 I/O。
用比喻說：Skill 是 SOP 文件，MCP 是機器。