Wir haben den ersten MCP-Server für Anschreiben gebaut. Hier ist warum.

Das Problem der letzten Meile

Es gibt mittlerweile über 177.000 MCP-Tools in verschiedenen Registries. Dice hat gerade die Jobsuche geliefert. GitHub, Slack, Notion, Datenbanken — alle haben MCP-Server. Du kannst einen Agenten bauen, der Jobs findet, Unternehmen recherchiert und Bewerbungen in einem Notion-Board organisiert — alles über Tool-Aufrufe.

Aber die eigentliche Bewerbung — das Dokument, das entscheidet, ob ein Recruiter dich zurückruft — wird einem rohen LLM-Aufruf und einer Hoffnung überlassen. Die Lücke liegt nicht in der Fähigkeit des Agenten, Chancen zu finden. Sie liegt in seiner Fähigkeit, sie zu nutzen.

Was wir gebaut haben

Der StoryLenses MCP Server stellt fünf kombinierbare Tools bereit, die deinem Agenten einen kompletten Anschreiben-Workflow geben:

storylenses_analyze_job — Gib ihm eine Stellenanzeigen-URL oder Text. Es extrahiert über 15 strukturierte Felder: die Anforderungen, die jeder sehen kann, aber auch die echten Herausforderungen des Unternehmens, Kultursignale und was der Recruiter wirklich hören muss.

storylenses_match_profile — Nimmt die Stellenanalyse und ein Kandidatenprofil. Gibt einen Match-Bericht zurück: Fit-Score, passende Fähigkeiten, Lücken und den stärksten narrativen Ansatz. Das ist der Schritt, den die meisten Agenten komplett überspringen und die meisten Menschen falsch machen.

storylenses_generate_letter — Generiert ein Anschreiben mit den gematchten Daten und einem narrativen Archetyp aus über 15 Optionen. Das Goldene Vlies für den zielstrebigen Karrieremacher. Der Problemlöser für jemanden, der im Chaos aufblüht. Der Narr, der triumphiert, für den nicht-traditionellen Kandidaten.

storylenses_quality_check — Bewertet das Ergebnis und gibt strukturiertes Feedback. Denn auch ein gutes System profitiert von einer zweiten Meinung.

storylenses_list_archetypes — Gibt verfügbare Erzählstile mit Beschreibungen zurück, damit Agent oder Nutzer eine informierte Wahl treffen können.

Der Unterschied zwischen einem rohen LLM-Aufruf und StoryLenses ist der Unterschied zwischen der Bitte an einen Fremden, dein Anschreiben zu schreiben, und der Bitte an einen Karrierestrategen, der die Stellenanzeige gelesen, deinen Lebenslauf studiert und den richtigen narrativen Rahmen gewählt hat, bevor er ein einziges Wort schreibt.

Zeigen statt Erzählen

Ein kompletter Agenten-Workflow braucht nur vier Tool-Aufrufe: Stellenanzeige analysieren, Kandidatenprofil matchen, Anschreiben mit dem vorgeschlagenen Archetyp generieren und das Ergebnis qualitätsprüfen. Analyse, Matching, Erzählauswahl und Generierung passieren alle innerhalb von StoryLenses. Dein Agent orchestriert nur.

Der Referenz-Agent

Wir haben auch einen Open-Source-Referenz-Agenten gebaut, der Dice (Jobsuche) mit StoryLenses (Anschreiben-Generierung) zu einem kompletten Bewerbungs-Workflow verkettet. Der Nutzer gibt Jobpräferenzen plus seinen Lebenslauf an. Der Agent sucht nach passenden Stellen. Für ausgewählte Matches ruft der Agent StoryLenses auf zum Analysieren, Matchen, Generieren und Qualitätsprüfen. Ergebnis: ein maßgeschneidertes Anschreiben plus Qualitäts-Score plus Match-Bericht.

Er ist zum Forken gedacht. Wenn du einen Karriere-Agenten baust, ist das dein Starterkit.

Wo du es findest

Verfügbar im offiziellen MCP Registry, auf Glama, npm (@storylenses/mcp-server) und als HTTP-Endpunkt. Funktioniert mit Claude Desktop, Cursor, Windsurf, Claude Code und jedem MCP-kompatiblen Client.

Mehr erfahren auf storylenses.app/mcp. API-Schlüssel holen auf storylenses.app/developers. Die ersten 10 Generierungen sind kostenlos.