आढावा
कोणताही MCP-सुसंगत AI सहाय्यक तुमच्या Flowmingo भरती डेटाशी जोडा — तुमच्या नोकऱ्या आणि उमेदवार वाचा आणि संरक्षित कृती करा (आमंत्रण, हलवणे, नकार, प्रकल्पातून काढून टाकणे), सुरक्षितपणे, तुमच्या परवानगीने. तुम्ही स्वतः चालू करता अशा दोन अतिरिक्त परवानग्यांसह, सहाय्यक भरती प्रकल्प आणि मूल्यांकन देखील तयार करू शकतो आणि नोकरीची जाहिरात प्रकाशित, बंद किंवा वाढवू शकतो (पहा तुम्ही काय करू शकता). MCP साठी नवीन? हे खुले मानक आहे जे AI सहाय्यकांना Flowmingo सारख्या साधनांशी बोलू देते. MCP म्हणजे काय ते जाणून घ्या.
ट्रान्सपोर्ट: Streamable HTTP (आधुनिक रिमोट ट्रान्सपोर्ट). कोणतेही जुने SSE नाही — तुमचा क्लायंट नेहमी /mcp कडे निर्देशित करा, /sse कडे कधीही नाही.
तुमची API की पासवर्डसारखी ठेवा. कच्ची
fl_...की फाइलमध्ये पेस्ट करण्यापेक्षा OAuth, प्रॉम्प्ट केलेले इनपुट किंवा एन्व्हायरन्मेंट व्हेरिएबलला प्राधान्य द्या जी तुम्ही git ला कमिट करू शकता (उदा..vscode/mcp.json,~/.cursor/mcp.json, तुमचा Continue कॉन्फिग).
प्रमाणीकरण — दोन पर्याय
A — Flowmingo सह साइन इन करा (OAuth, शिफारस केलेले). तुमचा ब्राउझर Flowmingo संमती पृष्ठ उघडतो; तुम्ही तुमची API की तेथे पेस्ट करता. सहाय्यकाला तुमची कच्ची की कधीही मिळत नाही. त्याला ऍक्सेस टोकन आणि रिफ्रेश टोकन मिळते, जे तो नवीन ऍक्सेस टोकन मिळवण्यासाठी वापरू शकतो. साइन-इन कायमचे टिकत नाही. रिफ्रेश टोकन डीफॉल्टनुसार सुमारे 30 दिवस जगते, ते जारी केल्यापासून, साइन-इनच्या वेळी किंवा शेवटच्या रिफ्रेशच्या वेळी मोजले जाते, त्यामुळे साइन-इन जे तितक्या वेळेसाठी वापरले जात नाही ते नष्ट होते, आणि Flowmingo रिलीझ जे साइन-इन कसे संग्रहित केले जातात ते बदलते ते देखील तुम्हाला पुन्हा साइन इन करण्यास सांगू शकते. त्यानंतर सहाय्यक तुम्हाला पुन्हा साइन इन करण्यास सांगतो, आणि तुम्ही पुन्हा तुमची की पेस्ट करता. ते लवकर बंद करण्यासाठी, ती API की हटवा. तयार करण्यासाठी कोणतेही क्लायंट ID किंवा गुप्त नाही (Flowmingo डायनॅमिक क्लायंट नोंदणी वापरते). "प्रगत" OAuth सेटिंग्ज दाखवणाऱ्या क्लायंटवर (उदा. Claude.ai), क्लायंट ID आणि गुप्त रिकामे ठेवा.
B — स्थिर API की (हेडर). तुमची की पुढील हेडरपैकी एक म्हणून पाठवा:
x-api-key: fl_YOUR_KEY
Authorization: Bearer fl_YOUR_KEY
तुमची की Flowmingo → सेटिंग्ज → एकत्रीकरण → API की मध्ये मिळवा. Read hiring data आणि Read candidates तपासा — पहिली नोकऱ्या, पाइपलाइन आणि निकाल कव्हर करते, दुसरी सहाय्यकाला एखाद्याला शोधण्याची परवानगी देते. संरक्षित लेखन कृतींसाठी Manage pipeline / Invite candidates जोडा. सहाय्यकाला प्रकल्प आणि मूल्यांकन तयार करण्यास आणि नोकरीची जाहिरात प्रकाशित किंवा वाढवण्यास परवानगी देण्यासाठी, Create hiring projects आणि Create assessments देखील तपासा. प्रथम "तुम्ही काय करू शकता" अंतर्गत तयार करा आणि प्रकाशित करा वाचा: या दोन परवानग्या ऑप्ट-इन आहेत, आणि कीचा निर्माता मालक किंवा प्रशासक असणे आवश्यक आहे.
संपूर्ण की कशी दिसते. एक लांब मूल्य: fl_live_, कीचे सार्वजनिक नाव, एक बिंदू, नंतर एक लांब गुप्त. गुप्त अर्धा भाग एकदाच दर्शविला जातो, की तयार केल्यानंतर लगेच; नंतर API की सूची फक्त त्याची सुरुवात दर्शवते. बिंदू नसलेले मूल्य फक्त कीचे नाव आहे, आणि ते नाकारले जाईल. या मार्गदर्शकात जेथे fl_YOUR_KEY लिहिले आहे, ते सर्व तुमच्या संपूर्ण कीने बदला, कोणतेही अवतरण आणि कोणतीही जागा न ठेवता.
जर ते कनेक्ट होत नसेल. चुकीची किंवा रिकामी की Missing credential किंवा The Flowmingo API key was rejected म्हणून परत येते; दोन्हीचा अर्थ असा होऊ शकतो की मूल्य आम्हाला पूर्णपणे पोहोचले नाही, म्हणून प्रथम मूल्य तपासा. ${env:FLOWMINGO_API_KEY} सारखी सेटिंग फक्त तेव्हाच कार्य करते जेव्हा प्रोग्राम ते व्हेरिएबल पाहू शकतो, आणि डॉक किंवा प्रारंभ मेनूमधून उघडलेला संपादक बहुतेकदा तुमची टर्मिनल प्रोफाइल वाचत नाही. एकतर ते टर्मिनलमधून सुरू करा जिथे व्हेरिएबल सेट केले आहे, किंवा तुमची संपूर्ण की फाइलमध्ये ठेवा (आणि ती फाइल git मध्ये ठेवू नका).
कोणते निवडायचे? बहुतेक क्लायंट दोन्ही समर्थन करतात; काही (उदा. ChatGPT) फक्त OAuth आहेत — प्रत्येक टॅब लक्षात घेतो की तो क्लायंट काय समर्थन करतो. सर्वसाधारणपणे, OAuth परस्परसंवादी सहाय्यकांसाठी योग्य आहे (Claude.ai, ChatGPT, VS Code); API-की हेडर CLI, हेडलेस/CI, आणि संपादकांसाठी योग्य आहे जेथे तुम्ही की टाकणे पसंत करता.
तुम्ही काय करू शकता
वाचनांना मंजुरीची आवश्यकता नाही. बहुतेक लेखन संरक्षित आहेत. आमंत्रण, नकार कृतीने केलेला नकार, प्रकल्पातून उमेदवार काढून टाकणे, प्रकल्प हटवणे, किंवा सामान्यतः, उमेदवाराला ईमेल करण्यासाठी सेट केलेल्या टप्प्यावर हलवणे, एखाद्या व्यक्तीने लिंकवर मंजूर करण्याची प्रतीक्षा करते, Flowmingo मध्ये साइन इन केलेले. सहाय्यक ते मंजूर करू शकत नाही, आणि चॅटमध्ये टाइप केलेले होय मोजले जात नाही. टप्प्याची ईमेल सेटिंग जेव्हा हलवण्याची विनंती केली जाते तेव्हा तपासली जाते. नोट, रेटिंग, शॉर्टलिस्ट, टॅग, किंवा उमेदवाराला ईमेल न करणाऱ्या टप्प्यावर हलवण्यासाठी, सहाय्यकाला प्रथम पूर्वावलोकन दर्शविण्यास आणि तुम्ही सहमत झाल्यावरच पुढे जाण्यास सांगितले जाते, जे त्याला सूचना आहे, लॉक नाही. तुमचा AI क्लायंट टूल चालवण्यापूर्वी दर्शवणारा प्रॉम्प्ट हा क्लायंटचा स्वतःचा आहे आणि तो Flowmingo ची मंजुरी नाही: आमंत्रण, नकार कृतीने केलेला नकार आणि ईमेल करणाऱ्या टप्प्यावर हलवणे अद्याप मंजुरी लिंकची प्रतीक्षा करते, क्लायंटने काय विचारले तरीही. मंजुरी लिंक 15 मिनिटांनंतर नष्ट होते, आणि अनेक उमेदवारांसाठी किंवा अर्जांसाठी (जास्तीत जास्त 50) एक विनंती म्हणजे एक मंजुरी जी प्रत्येकाची यादी करते. एकदा बदल स्टेज केल्यावर, सहाय्यक ते कुठे आहे ते तपासू शकतो, ते अद्याप प्रतीक्षेत असताना ते मागे घेऊ शकतो, आणि 24 तासांच्या आत उलट करण्यायोग्य बदल (नोट, रेटिंग, शॉर्टलिस्ट चिन्ह, टॅग, किंवा कोणालाही ईमेल न केलेले हलवणे) उलट करू शकतो. उलट करणे नेहमी उपलब्ध नसते: बदल उलट संदर्भासह परत यावा लागतो, एक रेकॉर्ड करणे सर्वोत्तम प्रयत्न आहे, आणि पूर्वीचा टप्पा नसलेल्या उमेदवारासाठी हलवण्यास कोणताही नसतो, म्हणून सहाय्यकाने तपासावे आणि परत जाण्याचा मार्ग नसताना तसे सांगावे. पाठवलेला ईमेल उलट करता येत नाही. तयार करा आणि प्रकाशित करा अंतर्गत सूचीबद्ध साधने या सर्वांचा अपवाद आहेत, delete_project वगळता: ते त्वरित कार्य करतात आणि मंजुरीसाठी स्टेज केलेले नाहीत. काढून टाकणे आणि प्रकल्प हटवणे उलट करता येत नाही. सर्व काही तुमच्या संस्थेपर्यंत मर्यादित आहे.
वाचा
| क्षमता | ते काय करते |
|---|---|
| नोकरीच्या जाहिराती सूचीबद्ध करा | तुमच्या संस्थेच्या खुल्या आणि बंद भूमिका ब्राउझ करा. |
| मुलाखत संच आणि प्रकल्प सूचीबद्ध करा | सर्व प्रकारचे तुमचे मूल्यांकन (मुलाखत संच) पहा (AI मुलाखती, भूमिका-खेळ, कौशल्य चाचण्या, तांत्रिक चाचण्या, CV मूल्यांकन, शोकेस आणि रेकॉर्डिंग; तुम्ही विचारल्यास प्रश्नावली) आणि तुमचे भरती प्रकल्प. |
| तुमची उमेदवार पाइपलाइन सूचीबद्ध करा | प्रकल्पातील टप्प्यांनुसार अर्ज पहा. |
| मूल्यांकन निकाल आणि गुण वाचा | सर्व प्रकारचे निकाल पुल करा: AI मुलाखती, भूमिका-खेळ, कौशल्य चाचण्या, तांत्रिक चाचण्या, CV मूल्यांकन, शोकेस, रेकॉर्डिंग आणि प्रश्नावली. प्रत्येक निकाल त्याच्या प्रकारासह लेबल केलेला आहे. फक्त काही प्रकारांमध्ये AI गुण असतो: शोकेस आणि प्रश्नावली कधीही गुण दिली जात नाहीत, आणि कौशल्य चाचणी टक्केवारी आहे. |
| उमेदवार शोधा | एका उमेदवाराचे नाव, ईमेल आणि CV मिळवा. |
| उमेदवार शोधा | नाव किंवा ईमेलद्वारे उमेदवार शोधा. |
| उमेदवारांची तुलना करा | 2 ते 10 उमेदवार शेजारी शेजारी ठेवा. Read candidates परवानगी तसेच Read hiring data आवश्यक आहे. |
| भरती विहंगावलोकन | तुमचे कनेक्शन पोहोचू शकणार्या प्रत्येक गोष्टीसाठी फनेल (संपूर्ण कंपनी, जोपर्यंत की काही प्रकल्पांपुरती मर्यादित असलेल्या व्यक्तीने बनविली नाही), किंवा तुम्ही विचारल्यास संकुचित: टप्प्यानुसार अर्ज, सक्रिय वि. नाकारलेले, आणि प्रत्येक प्रकारच्या मूल्यांकनासाठी ज्यात निकाल आहेत, पूर्ण वि. प्रगतीपथावर निकाल आणि सरासरी गुण. प्रकल्प प्रत्येक गणना संकुचित करतो, परंतु त्याच्या निकालांची गणना त्या प्रकल्पाशी जोडलेल्या मूल्यांकनांवरील निकाल कव्हर करते, त्यामुळे त्या मूल्यांकनांपैकी एक सामायिक करणारा दुसर्या प्रकल्पाचा उमेदवार देखील मोजला जाऊ शकतो. मूल्यांकन फक्त निकालांची गणना संकुचित करते: टप्पा आणि अर्जांची गणना तुमचे कनेक्शन पोहोचू शकते अशा प्रत्येक गोष्टीवर राहते. प्रकार कधीही जोडले जात नाहीत. |
| शीर्ष उमेदवार | एकूण गुणानुसार क्रमबद्ध सर्वोच्च-रँक निकाल. प्रत्येक प्रकारचे मूल्यांकन एकत्र क्रमबद्ध केले जाते जोपर्यंत तुम्ही एका प्रकारासाठी किंवा एका मूल्यांकनासाठी (मुलाखत संच) विचारत नाही. |
| मूल्यांकन निकाल तपशील | एका निकालाचे प्रति-क्षमता गुण तसेच AI सारांश, ज्या प्रकारांमध्ये ते आहेत. कौशल्य चाचणी, तांत्रिक चाचणी, शोकेस आणि प्रश्नावलीमध्ये थोडे किंवा काहीही नाही. |
| नोकरी जाहिरात तपशील | एका नोकरीच्या जाहिरातीचा संपूर्ण तपशील. |
नोकरीची जाहिरात जनतेसाठी खुली आहे का? (get_job_post_publication) |
कोणीही नोकरीच्या जाहिरातीचे सार्वजनिक पृष्ठ उघडू शकतो का: लाइव्ह, अद्याप AI सामग्री तपासणीची प्रतीक्षा आहे, त्याने नकार दिला आहे, फ्लॅग केले आहे, बंद केले आहे, किंवा त्याचा प्रकल्प खुला नाही. तसेच त्याचा सार्वजनिक पत्ता आणि त्याची बूस्ट (बंद, flowmingo किंवा विस्तारित). Read hiring data आवश्यक आहे. |
| आगामी मुलाखती | कोणत्याही प्रकारच्या मूल्यांकनासाठी पाठविलेल्या किंवा नियोजित आणि अद्याप पूर्ण न झालेल्या आमंत्रणे. ही अद्याप बाकी असलेल्या प्रत्येकाची संख्या नाही: ज्या उमेदवाराला आठवण करून दिली गेली आहे, किंवा लिंक उघडली किंवा क्लिक केली आहे, असे आमंत्रण उमेदवार सुरू होईपर्यंत वगळले जाते, आणि जे वितरित करण्यात अयशस्वी झाले ते देखील. |
लिहा (संरक्षित)
| क्षमता | ते काय करते |
|---|---|
| उमेदवारांना मूल्यांकनासाठी आमंत्रित करा | AI मुलाखत, भूमिका-खेळ, कौशल्य चाचणी किंवा तांत्रिक चाचणीसाठी आमंत्रणे तयार करते, आणि एखाद्या व्यक्तीने लिंकवर मंजूर करण्याची प्रतीक्षा करते. त्यापूर्वी काहीही पाठविले जात नाही. एका विनंतीसाठी एक मूल्यांकन आणि जास्तीत जास्त 50 उमेदवार; कौशल्य चाचणी किंवा तांत्रिक चाचणीसाठी प्रत्येक उमेदवारासाठी प्रकल्प आणि ईमेल आवश्यक आहे, आणि प्रायोजित एक उमेदवार सुरू केल्यावर तुमच्या संस्थेच्या वॉलेटमधून डेबिट करू शकते. |
| उमेदवाराला दुसर्या टप्प्यावर हलवा | उमेदवाराला ईमेल करण्यासाठी सेट केलेल्या टप्प्यावर हलवणे सामान्यतः एखाद्या व्यक्तीने लिंकवर मंजूर करण्याची प्रतीक्षा करते (टप्प्याची ईमेल सेटिंग फक्त एकदाच वाचली जाते, हलवण्यापूर्वी लगेच, त्यामुळे त्या क्षणी चालू केलेली सेटिंग अद्याप हलवण्याच्या ईमेलला मंजुरीशिवाय पाठवू शकते). इतर कोणतेही हलवणे: सहाय्यकाला पूर्वावलोकन करण्यास आणि तुमच्या होयची प्रतीक्षा करण्यास सांगितले जाते, आणि ते सहसा 24 तासांसाठी उलट केले जाऊ शकते, जेव्हा ते उलट संदर्भासह परत येते. प्रति विनंती जास्तीत जास्त 50 अर्ज. |
| अर्ज नाकारा | लिंकवर मंजुरीची विनंती करते. जर एखाद्या व्यक्तीने ते मंजूर केले, तर Flowmingo अर्ज प्रकल्पाच्या नाकारलेल्या टप्प्यावर हलवण्याचा प्रयत्न करते; नंतर परिणाम तपासा. प्रति विनंती जास्तीत जास्त 50 अर्ज. |
प्रकल्पातून उमेदवार काढा (remove_application) |
Manage pipeline आवश्यक आहे. लिंकवर मंजुरीची विनंती करते. जर एखाद्या व्यक्तीने ते मंजूर केले, तर Flowmingo प्रकल्पातून अर्ज हटवते; उमेदवाराचे प्रोफाइल तुमच्या टॅलेंट पूलमध्ये आणि इतर प्रकल्पांमध्ये राहते. तो नकार नाही, आणि उलट करणे नाही. प्रति विनंती जास्तीत जास्त 50 अर्ज. |
| निकालावर नोट जोडा | सहाय्यकाला प्रस्तावित नोट पूर्वावलोकन करण्यास आणि ती जतन करण्यापूर्वी तुमच्या होयची प्रतीक्षा करण्यास सांगितले जाते. नोट एका मूल्यांकन निकालाची (कोणत्याही प्रकारची) आहे, उमेदवाराच्या संपूर्ण नाही. |
| निकालाचे रेटिंग करा | सहाय्यकाला रेटिंग पूर्वावलोकन करण्यास आणि तुमच्या होयची प्रतीक्षा करण्यास सांगितले जाते. रेटिंग एका मूल्यांकन निकालावर लागू होते. |
| निकाल शॉर्टलिस्ट करा | सहाय्यकाला शॉर्टलिस्ट बदल पूर्वावलोकन करण्यास आणि तुमच्या होयची प्रतीक्षा करण्यास सांगितले जाते. ते एका मूल्यांकन निकालावर लागू होते. |
| टॅग / टॅलेंट कलेक्शनमध्ये जोडा | सहाय्यकाला टॅग किंवा टॅलेंट-कलेक्शन बदल पूर्वावलोकन करण्यास आणि तुमच्या होयची प्रतीक्षा करण्यास सांगितले जाते. |
| बदल तपासा, मागे घ्या किंवा उलट करा | स्टेज केलेला बदल कुठे आहे ते तपासा (प्रतीक्षेत, केले गेले, अयशस्वी, कालबाह्य झाले किंवा नवीन विनंतीने बदलले), मंजुरीची प्रतीक्षा करणारा एक मागे घ्या, किंवा 24 तासांच्या आत उलट करण्यायोग्य बदल उलट करा, जेव्हा तो उलट संदर्भासह परत येतो. |
तयार करा आणि प्रकाशित करा (प्रकल्प हटवण्याशिवाय त्वरित कार्य करते)
ही साधने गोष्टी तयार करतात आणि त्यांना जनतेसाठी उघडतात. ते वरील संरक्षित लेखनांपेक्षा वेगळे वागतात:
- ते त्वरित कार्य करतात,
delete_projectवगळता. एखाद्या व्यक्तीने लिंकवर मंजूर करण्यासाठी काहीही स्टेज केलेले नाही, आणि त्यापैकी कोणीही उमेदवाराला ईमेल करत नाही.delete_projectमालक किंवा प्रशासकाने लिंकवर मंजूर करण्याची प्रतीक्षा करते. - कीचा निर्माता मालक किंवा प्रशासक असणे आवश्यक आहे, रद्द करण्याशिवाय येथील प्रत्येक साधनासाठी, ज्याला फक्त Invite candidates आवश्यक आहे. साधने API की तयार करणार्या व्यक्तीच्या परवानग्यांसह कार्य करतात. जर ती व्यक्ती सदस्य असेल, तर कॉल नाकारला जातो.
- दोन परवानग्या ऑप्ट-इन आहेत. Create hiring projects आणि Create assessments डीफॉल्टनुसार दिल्या जात नाहीत. साइन-इनसह (पर्याय A), सहाय्यकाला या दोन्ही अटी खऱ्या असल्यासच या परवानग्या मिळतात: क्लायंट कनेक्ट होताना त्यांची नावे स्पष्टपणे सांगतो, आणि तुम्ही संमती पृष्ठावर पेस्ट केलेल्या API कीमध्ये त्या असतात. परवानग्यांची यादी न पाठवणाऱ्या क्लायंटला कीमध्ये असलेल्या चार मानक परवानग्या (Read hiring data, Read candidates, Manage pipeline, Invite candidates) मिळतात. त्याला या दोन परवानग्या मिळत नाहीत, त्यामुळे सहाय्यकाला त्यांची आवश्यकता असलेली साधने दिसत नाहीत. स्थिर कीसह (पर्याय B), सहाय्यकाला ही साधने दाखविली जातात, कीमध्ये कोणत्याही परवानग्या असल्या तरी. Flowmingo की ज्या कॉलला परवानगी देत नाही, तो कॉल नाकारतो.
- काही कॉलला वेळ लागतो. प्रकाशन AI सामग्री तपासणीची प्रतीक्षा करते, सुमारे 90 सेकंदांपर्यंत. प्रकल्प किंवा मूल्यांकन तयार करणे AI निर्मिती वापरते आणि जास्त वेळ लागू शकतो (तांत्रिक चाचणीला 3 ते 9 मिनिटे लागतात). जेव्हा उत्तर म्हणते की काम अद्याप प्रलंबित आहे, तेव्हा सहाय्यक त्याच इडेमपोटेंसी कीसह पुन्हा कॉल करतो ते कुठे पोहोचले आहे ते वाचण्यासाठी. रीट्राय कधीही दुसरा प्रकल्प किंवा मूल्यांकन तयार करत नाही.
| क्षमता | ते काय करते |
|---|---|
भरती प्रकल्प तयार करा (create_project) |
Create hiring projects आवश्यक आहे (ऑप्ट-इन). त्याच्या चार डीफॉल्ट टप्प्यांसह आणि डॅशबोर्डप्रमाणेच AI ने लिहिलेल्या नोकरीच्या जाहिरातीसह प्रकल्प बनवते, शीर्षक, स्थान आणि ऐच्छिक वर्णनातून. डीफॉल्टनुसार ते CV मूल्यांकन आणि AI मुलाखत देखील बनवते; सहाय्यक इतर मूल्यांकनांची नावे देऊ शकतो, किंवा काहीही नाही. नोकरीची जाहिरात चालू केली जाते आणि AI सामग्री तपासणी मंजूर केल्यावर सार्वजनिक होते, सामान्यतः एका मिनिटात. तुमच्या कंपनीसाठी दर मिनिटाला 10 प्रकल्प आणि दररोज 300 पर्यंत मर्यादित. इडेमपोटेंसी की ऐच्छिक आहे: जेव्हा ती वगळली जाते, तेव्हा एक युक्तिवादांमधून बनविला जातो, त्यामुळे रीट्राय कधीही दुसरा प्रकल्प तयार करत नाही. |
मूल्यांकन तयार करा (create_assessment) |
Create assessments आवश्यक आहे (ऑप्ट-इन). AI सह एक मूल्यांकन बनवते: AI मुलाखत, CV मूल्यांकन, कौशल्य चाचणी, शोकेस, तांत्रिक चाचणी किंवा भूमिका-खेळ, नोकरीच्या शीर्षकातून आणि ऐच्छिक नोकरी वर्णन, नाव, प्रकल्प आणि भाषेपासून (टॅग जसे en किंवा vi-VN; कौशल्य चाचणी आणि तांत्रिक चाचणी भाषेकडे दुर्लक्ष करतात). ते प्रकल्पाशी संलग्न करा जेणेकरून उमेदवारांना कौशल्य चाचणी, तांत्रिक चाचणी किंवा शोकेसमध्ये आमंत्रित केले जाऊ शकते. इडेमपोटेंसी की ऐच्छिक आहे, वरीलप्रमाणे. |
नोकरीची जाहिरात प्रकाशित करा (publish_job_post) |
Create hiring projects आवश्यक आहे. नोकरीची जाहिरात चालू करते आणि AI सामग्री तपासणी चालू आहे याची खात्री करते. उत्तर सांगते की पृष्ठ आत्ता लाइव्ह आहे, अद्याप तपासणीची प्रतीक्षा आहे, किंवा त्याने नकार दिला आहे. भरती प्रकल्प सक्रिय असणे आवश्यक आहे. |
नोकरीची जाहिरात अप्रकाशित करा (unpublish_job_post) |
Create hiring projects आवश्यक आहे. नोकरीची जाहिरात बंद करते, त्यामुळे त्याची सार्वजनिक लिंक उघडणे थांबते. डीफॉल्टनुसार बूस्ट देखील बंद केले जाते (withdraw_boost सत्य आहे). |
नोकरीची जाहिरात वाढवा (boost_job_post) |
Create hiring projects आवश्यक आहे. बूस्ट off, flowmingo किंवा extended वर सेट करते. बूस्टिंग विनामूल्य आहे. वाढवण्यासाठी नोकरीची जाहिरात चालू, तिचा प्रकल्प सक्रिय, कंपनीचा लोगो आणि वर्णन, आणि AI सामग्री तपासणी आवश्यक आहे; कंपनी दिवसाला 50 बूस्ट वाढवू शकते. |
प्रकल्प उघडा, मसुदा किंवा संग्रहित करा (set_project_state) |
Create hiring projects आवश्यक आहे. एक भरती प्रकल्प active, draft आणि archived दरम्यान हलवते. मसुदा आणि संग्रहित केल्याने नोकरीची लिंक बंद होते. उमेदवाराचा डेटा जतन केला जातो. |
नियोजित आमंत्रण रद्द करा (cancel_scheduled_invite) |
Invite candidates आवश्यक आहे. नंतरसाठी नियोजित आणि अद्याप पाठविलेले नसलेले आमंत्रण रद्द करते, आमंत्रण निकालातून आमंत्रण आयडी वापरून. कोणालाही ईमेल केला जात नाही. व्यक्ती तुमच्या खात्यात आणि प्रकल्प बोर्डवर राहते. |
भरती प्रकल्प हटवा (delete_project) |
Create hiring projects आवश्यक आहे (ऑप्ट-इन). ते फक्त विचारते: ते त्वरित हटवत नाही, ते लिंकवर मंजुरीची विनंती करते, आणि मालक किंवा प्रशासकाने मंजूर करेपर्यंत काहीही हटविले जात नाही. फक्त सक्रिय प्रकल्प हटविला जाऊ शकतो. जर एखाद्या व्यक्तीने ते मंजूर केले, तर Flowmingo प्रकल्प आणि त्याच्या नोकरीच्या जाहिराती हटवते; त्याच्या उमेदवार अर्ज एक-एक करून हटविले जात नाहीत, आणि उमेदवार प्रोफाइल आणि संपर्क, तुमचे मूल्यांकन आणि आमंत्रण लिंक ठेवल्या जातात. उलट करणे नाही. |
सुरक्षा आणि विश्वास
- तुमचा डेटा संस्था-मर्यादित आहे — सहाय्यक दुसर्या कंपनीचा डेटा कधीही पाहू शकत नाही.
- OAuth सह, सहाय्यकाला तुमची API की कधीही मिळत नाही. त्याला एक ऍक्सेस टोकन मिळते जे एका तासानंतर कालबाह्य होते, कनेक्टेड असताना शांतपणे रिफ्रेश होते. साइन-इन स्वतः तितके टिकते जितके त्याचे रिफ्रेश टोकन, जारी केल्यापासून किंवा शेवटच्या रिफ्रेशपासून डीफॉल्टनुसार सुमारे 30 दिवस, त्यामुळे ते वापराशिवाय सुमारे 30 दिवसांनी नष्ट होते, आणि तुम्ही नंतर पुन्हा साइन इन करता. स्थिर हेडरसह (पर्याय B) तुमचा सहाय्यकाचा क्लायंट तुमची की धारण करतो आणि प्रत्येक विनंतीसह पाठवतो, त्यामुळे ती तुम्ही सामायिक किंवा कमिट करू शकता अशा फाइलांमध्ये ठेवू नका.
- सहाय्यक कापून टाकणे: तुम्ही त्याला अधिकृत केलेली API की सेटिंग्ज → एकत्रीकरण → API की मध्ये हटवा. ऍक्सेस लगेच थांबतो. अद्याप प्रति-सहाय्यक डिस्कनेक्ट नाही, त्यामुळे तुम्हाला एका-एक करून रद्द करायचे असल्यास, प्रत्येक सहाय्यकाला स्वतःची की द्या.
/mcpएंडपॉईंटच्या विनंत्यांची ओरिजिनसाठी तपासणी केली जाते: एक अपारदर्शकnullओरिजिन नेहमी नाकारला जातो, आणि तपासणी अलाउलिस्टला लॉक केली जाऊ शकते, परंतु डीफॉल्टनुसार प्रत्येक वास्तविक ओरिजिन स्वीकारला जातो, त्यामुळे संरक्षण तुमचे प्रमाणपत्र आहे, ओरिजिन नाही. प्रत्येक सत्र ते उघडलेल्या प्रमाणपत्राशी बांधलेले आहे.
प्रमाणीकरण कसे करावे यासाठी, प्रमाणीकरण — दोन पर्याय पहा; अचूक वाचन, संरक्षित लेखन आणि त्वरित होणार्या कृतींसाठी, तुम्ही काय करू शकता पहा. तुम्ही तयार असाल, तेव्हा तुमचा सहाय्यक कनेक्ट करा वर जा आणि तुमचा क्लायंट निवडा.
MCP सर्व्हर URL
तुमचा सहाय्यक कनेक्ट करा
Claude Code (CLI)
एका कमांडने नैसर्गिक Streamable HTTP वर Flowmingo जोडा. OAuth सह प्रारंभ करा; स्थिर --header हा पर्याय आहे.
पायऱ्या: 1) सर्व्हर जोडा, 2) लॉग इन करा (ब्राउझर → की पेस्ट करा), 3) claude mcp list ने तपासा.
# OAuth (recommended) — flags BEFORE the name:
claude mcp add --transport http flowmingo https://mcp.flowmingo.ai/mcp
claude mcp login flowmingo # browser opens; paste your fl_ key on the consent page
# Static API key instead (pick ONE header):
claude mcp add --transport http flowmingo https://mcp.flowmingo.ai/mcp \
--header "x-api-key: fl_YOUR_KEY"
# or: --header "Authorization: Bearer fl_YOUR_KEY"
# Share with a repo team (writes a git-committable .mcp.json):
claude mcp add --transport http --scope project flowmingo https://mcp.flowmingo.ai/mcp
claude mcp list && claude mcp get flowmingo
लक्षात ठेवा: फ्लॅग्स नावाच्या आधी येतात, आणि नेहमी --transport http वापरा (कधीही sse नाही). fl_YOUR_KEY च्या जागी तुमची संपूर्ण की लिहा (वर Authentication विभागातील What a complete key looks like पहा).
ते कार्य करते का ते तपासा — विचारा: "list my open jobs."
Cursor
स्टॅटिक हेडर हा सर्वात सोपा मार्ग आहे. Cursor OAuth देखील वापरू शकतो (ते Dynamic Client Registration ला समर्थन देते) — त्यासाठी, headers ब्लॉक काढून टाका.
चरण: 1) सर्व्हर ~/.cursor/mcp.json मध्ये जोडा (खाली), 2) तुमच्या शेल प्रोफाइलमध्ये FLOWMINGO_API_KEY पूर्ण की म्हणून सेट करा, 3) Cursor बंद करा आणि त्या टर्मिनलमधून सुरू करा जिथे व्हेरिएबल सेट आहे, 4) Settings → MCP मध्ये, सर्व्हर बंद आणि चालू करून रीलोड करा.
Cursor ला व्हेरिएबल दिसणे आवश्यक आहे. Cursor स्वतःच्या वातावरणातून ${env:FLOWMINGO_API_KEY} वाचतो. डॉक किंवा स्टार्ट मेनूमधून सुरू केल्यास ते तुमच्या टर्मिनल प्रोफाइलमध्ये सेट केलेले व्हेरिएबल अनेकदा दिसत नाही, आणि मग हेडर रिकामे किंवा विस्तारित न होता येते आणि सर्व्हर Missing credential उत्तर देतो. जर टर्मिनलमधून Cursor सुरू करणे व्यावहारिक नसेल, तर फाइलमध्ये ${env:FLOWMINGO_API_KEY} च्या जागी तुमची पूर्ण की लिहा (आणि ~/.cursor/mcp.json git मध्ये ठेवू नका).
{
"mcpServers": {
"flowmingo": {
"url": "https://mcp.flowmingo.ai/mcp",
"headers": { "Authorization": "Bearer ${env:FLOWMINGO_API_KEY}" }
}
}
}
OAuth पर्याय — headers ब्लॉक काढून टाका; Cursor Dynamic Client Registration चालवतो आणि पहिल्या कनेक्शनवर ब्राउझरमध्ये संमती पृष्ठ उघडतो:
{
"mcpServers": {
"flowmingo": {
"url": "https://mcp.flowmingo.ai/mcp"
}
}
}
ते कार्य करते का ते तपासा — विचारा: "माझ्या सध्या सुरू असलेल्या नोकऱ्या सूचीबद्ध करा."
VS Code (Copilot, agent mode)
टूल्स फक्त Copilot Chat → Agent mode मध्ये दिसतात. मूळ की servers आहे ( mcpServers नाही) आणि प्रकार http आहे. खालील प्रॉम्प्टेड-की मार्ग विश्वसनीय सेटअप आहे.
पायऱ्या: 1) .vscode/mcp.json तयार करा (किंवा MCP: Add Server → HTTP चालवा), 2) जेव्हा तुम्ही सर्व्हर सुरू करता, तेव्हा VS Code तुमची की विचारते (ती फाइलमध्ये लिहिली जात नाही), 3) Agent mode मध्ये वापरा.
{
"servers": {
"flowmingo": {
"type": "http",
"url": "https://mcp.flowmingo.ai/mcp",
"headers": { "Authorization": "Bearer ${input:flowmingo_key}" }
}
},
"inputs": [
{ "id": "flowmingo_key", "type": "promptString", "description": "Flowmingo API key (fl_...)", "password": true }
]
}
VS Code OAuth चा प्रयत्न देखील करू शकते, परंतु दस्तऐवजीकरण केलेले OAuth कॉन्फिगरेशन क्लायंट आयडीची अपेक्षा करते; विश्वसनीय सेटअपसाठी वरील प्रॉम्प्टेड-की मार्ग वापरा.
ते काम करते का ते तपासा — विचारा: "list my open jobs."
Claude — claude.ai आणि Claude Desktop
दोन्ही समान कनेक्टर UI आणि समान पेस्ट-द-URL फ्लो वापरतात. फक्त OAuth (UI मध्ये हेडर फील्ड नाही).
पायऱ्या (वेब किंवा डेस्कटॉप):
- Settings → Connectors उघडा आणि Add custom connector वर क्लिक करा.
- नाव
Flowmingoद्या आणि MCP सर्व्हर URL पेस्ट करा. Advanced → OAuth Client ID / Secret रिक्त सोडा. - Add → Connect वर क्लिक करा. Flowmingo संमती पृष्ठावर, तुमची
fl_API की पेस्ट करा आणि अधिकृत करा. - तपासा — Claude ला विचारा: "list my open jobs."
Remote MCP server URL: https://mcp.flowmingo.ai/mcp
Advanced → OAuth Client ID / Secret: (leave blank — Flowmingo uses Dynamic Client Registration)
Team / Enterprise: एक मालक एकदा Organization Settings → Connectors → Custom अंतर्गत जोडतो; सदस्य नंतर Connect वर क्लिक करतात.
त्याऐवजी Claude Desktop वर स्टॅटिक की हवी आहे? Any client (mcp-remote) टॅब वापरा.
पहिल्यांदा कनेक्ट केल्यावर तुमचा ब्राउझर Flowmingo संमती पृष्ठ उघडेल — तुमची API की पेस्ट करा आणि अधिकृत करा. नंतर डिस्कनेक्ट करण्यासाठी, Settings → Integrations → API Keys मध्ये ती API की हटवा.
ChatGPT आणि OpenAI Codex CLI
दोन्ही OpenAI आहेत. ChatGPT कस्टम कनेक्टरसाठी डेव्हलपर मोड वापरते (फक्त OAuth); Codex CLI वरून थेट कनेक्ट होते.
ChatGPT (वेब)
- chatgpt.com वर (Plus / Pro / Business / Enterprise / Edu — मोबाइल नाही), Settings → Apps → Advanced उघडा आणि Developer mode चालू करा.
- Apps → Create → नाव
Flowmingoद्या, खालील URL पेस्ट करा, ट्रान्सपोर्ट Streamable HTTP, ऑथ OAuth. - ड्राफ्ट उघडा, टूल्स चालू करा आणि Refresh करा.
- चॅटमधील + मेनूद्वारे ते जोडा.
Connector URL: https://mcp.flowmingo.ai/mcp
Transport: Streamable HTTP
Auth: OAuth (leave any static OAuth client ID / secret blank — Flowmingo uses Dynamic Client Registration)
ChatGPT चा डेव्हलपर मोड फक्त OAuth सह कनेक्ट होतो — तो स्थिर x-api-key / कस्टम API-की हेडर स्वीकारत नाही. साधे आणि डीप-रिसर्च कनेक्टर फक्त search + fetch वापरतात (तुमच्याकडे दोन्ही आहेत). लेखन टूल्स (आमंत्रण / हलवा / नाकारा) डेव्हलपर मोड आवश्यक आहे. ChatGPT टूल चालवण्यापूर्वी दर्शवणारा प्रॉम्प्ट हा ChatGPT चा स्वतःचा आहे आणि तो Flowmingo ची मंजुरी नाही: आमंत्रण, नकार आणि स्टेजमध्ये हलवणे जे उमेदवाराला ईमेल करते, नेहमी एखाद्या व्यक्तीने Flowmingo लिंकवर मंजूर करण्याची प्रतीक्षा करते.
OpenAI Codex CLI
ब्रिजची गरज नाही — Codex थेट Streamable HTTP बोलते.
# ~/.codex/config.toml — static fl_ key as a bearer (simplest)
[mcp_servers.flowmingo]
url = "https://mcp.flowmingo.ai/mcp"
bearer_token_env_var = "FLOWMINGO_API_KEY" # export FLOWMINGO_API_KEY=fl_...
startup_timeout_sec = 20
tool_timeout_sec = 120
# Static API key (bearer from env) — simplest:
codex mcp add flowmingo --url https://mcp.flowmingo.ai/mcp --bearer-token-env-var FLOWMINGO_API_KEY
# export FLOWMINGO_API_KEY=fl_... (or set it in ~/.codex/config.toml [mcp_servers.flowmingo])
# OAuth instead (no key stored):
codex mcp add flowmingo --url https://mcp.flowmingo.ai/mcp
codex mcp login flowmingo
codex mcp list
ते कार्य करते का ते पडताळा — विचारा: "माझ्या सुरू असलेल्या नोकऱ्या सूचीबद्ध करा."
Gemini CLI आणि Code Assist
Gemini CLI (आणि Gemini Code Assist एजंट मोड) ~/.gemini/settings.json द्वारे रिमोट MCP सर्व्हरपर्यंत पोहोचतात. ग्राहक Gemini ॲप कस्टम MCP कनेक्टर जोडू शकत नाही — हा मार्ग फक्त CLI / Code Assist साठी आहे.
पायऱ्या: 1) ~/.gemini/settings.json मध्ये mcpServers अंतर्गत सर्व्हर जोडा, 2) FLOWMINGO_API_KEY=fl_... एक्सपोर्ट करा, 3) gemini चालवा आणि टूल्स सूचीबद्ध आहेत का हे तपासण्यासाठी /mcp वापरा.
{
"mcpServers": {
"flowmingo": {
"httpUrl": "https://mcp.flowmingo.ai/mcp",
"headers": { "Authorization": "Bearer ${FLOWMINGO_API_KEY}" },
"timeout": 30000
}
}
}
httpUrl नेटिव्ह स्ट्रीम करण्यायोग्य HTTP निवडते. ${FLOWMINGO_API_KEY} प्लेसहोल्डर तुमच्या एन्व्हायर्नमेंटमधून विस्तारित केला जातो, त्यामुळे फाइलमध्ये कोणतीही कच्ची की लिहिली जात नाही. OAuth ला प्राधान्य देता? Gemini CLI ते नेटिव्हली करू शकते — headers ब्लॉक वगळा आणि सर्व्हर एंट्रीमध्ये "authProviderType": "dynamic_discovery" जोडा. CLI 401 आव्हान ओळखते, आमचे OAuth मेटाडेटा शोधते आणि स्वतःहून डायनॅमिक क्लायंट नोंदणी करते (सेट करण्यासाठी क्लायंट आयडी नाही).
ते काम करते का ते तपासा —
geminiमध्ये, विचारा: "list my open jobs."
इतर क्लायंट — Windsurf · Zed · Cline · Continue · Antigravity
खालील प्रत्येक क्लायंट समान सर्व्हरवर कार्य करतो — बहुतेक OAuth आणि स्थिर हेडर दोन्ही समर्थन करतात. स्निपेट्स पर्यावरण व्हेरिएबलद्वारे स्थिर की वापरतात; जेथे क्लायंट OAuth समर्थन करतो तेथे ते ट्रिगर करण्यासाठी headers वगळा. खाली दर्शविलेल्या प्रति-क्लायंट की-नावाच्या सापळ्यांकडे लक्ष द्या.
Google Antigravity
https://mcp.flowmingo.ai/mcp हे रिमोट MCP सर्व्हर म्हणून जोडा आणि त्याची प्रमाणीकरण निवडा: Flowmingo पृष्ठ उघडेल आणि तुमची संपूर्ण API की विचारेल (वर Authentication विभागात What a complete key looks like पहा). Antigravity च्या प्रत्येक पृष्ठभाग (IDE, CLI) स्वतंत्रपणे साइन इन होतो. Antigravity च्या mcp_config.json मध्ये पत्ता serverUrl अंतर्गत जातो, आणि स्थिर की headers ब्लॉकमध्ये Authorization म्हणून Bearer आणि तुमची संपूर्ण की सह जाते, Google च्या स्वतःच्या Antigravity MCP उदाहरणांनुसार. आम्ही प्रत्येक Antigravity आवृत्तीची चाचणी करू शकलो नाही, म्हणून जर तुमचे मेनू यापेक्षा वेगळे असतील, तर Google च्या मार्गदर्शनात सध्याच्या पायऱ्या आहेत.
Windsurf (Cascade)
~/.codeium/windsurf/mcp_config.json — Windsurf serverUrl किंवा url स्वीकारते आणि OAuth समर्थन करते (ते ट्रिगर करण्यासाठी headers वगळा).
{ "mcpServers": { "flowmingo": {
"serverUrl": "https://mcp.flowmingo.ai/mcp",
"headers": { "Authorization": "Bearer ${env:FLOWMINGO_API_KEY}" }
} } }
Zed
~/.config/zed/settings.json — की context_servers आहे; मूळ OAuth साठी headers वगळा. कच्ची की पेस्ट करण्याऐवजी तुमच्या पर्यावरणात FLOWMINGO_API_KEY=fl_... सेट करा.
{ "context_servers": { "flowmingo": {
"url": "https://mcp.flowmingo.ai/mcp",
"headers": { "Authorization": "Bearer ${env:FLOWMINGO_API_KEY}" }
} } }
Cline
MCP सर्व्हर → कॉन्फिगर करा — type: "streamableHttp" (camelCase) सेट करा, अन्यथा ते मृत SSE वर डीफॉल्ट होते.
{ "mcpServers": { "flowmingo": {
"type": "streamableHttp",
"url": "https://mcp.flowmingo.ai/mcp",
"headers": { "Authorization": "Bearer ${env:FLOWMINGO_API_KEY}" },
"disabled": false, "autoApprove": []
} } }
Continue.dev
~/.continue/config.yaml — mcp-remote ब्रिजद्वारे कनेक्ट करा. FLOWMINGO_AUTH_HEADER = Bearer fl_YOUR_KEY सेट करा.
name: Flowmingo MCP
version: 0.0.1
schema: v1
mcpServers:
- name: Flowmingo
command: npx
args: ["-y", "mcp-remote", "https://mcp.flowmingo.ai/mcp", "--transport", "http-only", "--header", "Authorization:${{ secrets.FLOWMINGO_AUTH_HEADER }}"]
ते कार्य करते ते सत्यापित करा — विचारा: "माझ्या सुरू असलेल्या नोकऱ्या सूचीबद्ध करा."
कोणताही क्लायंट (mcp-remote)
कोणत्याही stdio-केवळ क्लायंटसाठी (किंवा भविष्यातील क्लायंट ज्यात मूळ रिमोट ट्रान्सपोर्ट नाही), mcp-remote stdio कमांडद्वारे Flowmingo शी ब्रिज करा. --transport http-only आवश्यक आहे — सर्व्हरवर SSE नाही.
चरण: 1) Node ≥ 18 असल्याची खात्री करा, 2) तुमच्या क्लायंटमध्ये stdio कमांड म्हणून ब्रिज चालवा, 3) पहिल्या OAuth रनमध्ये ब्राउझर उघडेल — तुमची की पेस्ट करा.
# Bare terminal — OAuth, caches the token in ~/.mcp-auth:
npx -y mcp-remote https://mcp.flowmingo.ai/mcp --transport http-only
# Static key (no browser): --header on its own arg is fine
npx -y mcp-remote https://mcp.flowmingo.ai/mcp --transport http-only \
--header "x-api-key: fl_YOUR_KEY"
{
"mcpServers": {
"flowmingo": {
"command": "npx",
"args": ["-y", "mcp-remote", "https://mcp.flowmingo.ai/mcp",
"--transport", "http-only", "--header", "x-api-key:${FLOWMINGO_KEY}"],
"env": { "FLOWMINGO_KEY": "fl_YOUR_KEY" }
}
}
}
मदत: जर प्रमाणीकरण अडकले तर rm -rf ~/.mcp-auth चालवा आणि पुन्हा प्रयत्न करा. fl_YOUR_KEY च्या जागी तुमची संपूर्ण की ठेवा (वरील प्रमाणीकरण विभागात संपूर्ण की कशी दिसते पहा). JSON args[] मध्ये, हेडर कोलननंतर स्पेस टाळा (npx एस्केपिंग क्वर्क).
ते कार्य करते हे तपासा — विचारा: "माझ्या उघड्या नोकऱ्या सूचीबद्ध करा."