让 AI 自动接入（最省心）

你将帮我接入 DropCV（AI 人才库 / 简历管理工具），让我可以在你这里直接搜候选人、读档案、入库、记笔记、打标签等。请严格按下面步骤进行 —— **每一步先告诉我你要做什么、需要我提供什么，我确认后再动手**，不要一次性跑完。出错就停下问我，不要瞎重试。

# 第 1 步：确认你的运行环境

先告诉我：
- 你是哪个 AI 工具（Claude Code CLI / Claude Desktop / Cursor / Codex CLI / Cline / 其它）？
- 你能直接读写本机配置文件吗？能跑 shell 命令吗？

回答之后再继续。

# 第 2 步：拿到我的 API Key

让我去 https://app.dropcv.work/dashboard/settings/api-keys 生成一个 API Key（前缀 `drop_cv_`），粘给你。**不要替我猜或编**。

拿到之后问我：**是否需要写权限**？
- 只查询（搜人 / 读档案）→ 不需要
- 改 / 删候选人 / 记笔记 / 打标签 / 简历入库 → 需要（提醒我在生成 Key 时勾选「允许写入」）

# 第 3 步：配置 MCP Server

DropCV MCP 接入信息：

- Endpoint: `https://api.dropcv.work/api/external/v1/mcp/mcp`
- 传输协议: Streamable HTTP（MCP 2025-03-26+）
- 鉴权: HTTP Header `Authorization: Bearer <我的 API Key>`
- 建议服务名: `dropcv`

通用 JSON 配置（适配大多数 MCP 客户端）：

```json
{
  "mcpServers": {
    "dropcv": {
      "url": "https://api.dropcv.work/api/external/v1/mcp/mcp",
      "headers": {
        "Authorization": "Bearer drop_cv_我的_API_Key"
      }
    }
  }
}
```

按我所在工具的标准接入方式落地这段配置。常见做法：

- **Claude Code**：跑 `claude mcp add --transport http dropcv https://api.dropcv.work/api/external/v1/mcp/mcp --header "Authorization: Bearer <key>"`（或编辑项目 / 用户级 `.mcp.json`）
- **Claude Desktop**：编辑 `claude_desktop_config.json`（路径按操作系统不同），加进 `mcpServers.dropcv`，然后让我**手动重启 Claude Desktop**
- **Cursor**：用「Add custom MCP」UI 或编辑 `~/.cursor/mcp.json`
- **Codex CLI**：按 Codex 的 MCP 配置文件加（它有专门入口）
- **其它**：用工具自带的「Add MCP Server」入口落地相同 JSON

**改配置之前先告诉我：你要改哪个文件、加什么内容**。我确认了再动手。

# 第 4 步：装 DropCV 技能包（强烈建议）

DropCV 有一个 Agent Skills 包 `dropcv/skills`，14 个技能：
- 9 个数据工具技能 —— 教你怎么调 DropCV 数据接口
- 5 个猎头业务智能（推荐语 / 面试题 / 候选人对比 / JD 匹配分析 / 沟通话术）—— 纯提示词跑在你（AI）自己的模型上，不消耗 DropCV 额度

如果你支持 `npx skills add`（Claude Code / Cursor / Codex 等都支持），跑：

```bash
npx skills add dropcv/skills
```

国内网络慢就走 Gitee 镜像：

```bash
npx skills add gitee:dropcv/skills
```

装完告诉我装上了多少个 skill（应该 14 个）。

# 第 5 步：验证

用 MCP 工具 `candidate_list` 列一下我的人才库（参数 `{"limit": 3}`），看是不是返回正常 JSON envelope。失败就**贴报错给我，别瞎重试**：
- `401` / `INSUFFICIENT_PERMISSION` → API Key 错 / 没开 write
- 网络错 → 检查 endpoint 拼写

# 第 6 步：交付

完成后告诉我：
- MCP 装好了哪些工具（列工具名）
- 技能包装了多少 skill
- 给我 3 条自然语言示例指令可以直接用，比如：
  - "搜一下 AI 后端 3 年经验的候选人"
  - "把候选人 X 加个『大厂背景』标签"
  - "基于这份 JD 给候选人 Y 写推荐语"

完成后等我下一步指令。