AI 채용 담당자 구축

이 가이드에서는 Mastra가 LLM을 사용하여 Workflow를 구축하는 데 어떻게 도움이 되는지 알아봅니다.

후보자의 이력서에서 정보를 수집한 다음 후보자의 프로필을 기반으로 기술 또는 행동 질문으로 분기하는 Workflow를 만듭니다. 그 과정에서 Workflow 단계를 구성하고, 분기를 처리하고, LLM 호출을 통합하는 방법을 알게 됩니다.

전제조건
전제조건에 대한 직접 링크

Node.jsv22.13.0 or later installed
지원되는 API 키Model Provider
기존 Mastra 프로젝트(다음을 따르세요.installation guide to set up a new project)

Workflow 구축
Workflow 구축에 대한 직접 링크

Workflow를 설정하고, 후보 데이터를 추출 및 분류하는 단계를 정의한 후 적절한 후속 질문을 하세요.

새 파일 만들기src/mastra/workflows/candidate-workflow.ts and define your workflow:

src/mastra/workflows/candidate-workflow.ts
import { createWorkflow, createStep } from '@mastra/core/workflows'
import { z } from 'zod'

export const candidateWorkflow = createWorkflow({
  id: 'candidate-workflow',
  inputSchema: z.object({
    resumeText: z.string(),
  }),
  outputSchema: z.object({
    askAboutSpecialty: z.object({
      question: z.string(),
    }),
    askAboutRole: z.object({
      question: z.string(),
    }),
  }),
}).commit()

이력서 텍스트에서 후보자 세부 정보를 추출하고 해당 사람을 "기술적" 또는 "비기술적"으로 분류하려고 합니다. 이 단계에서는 LLM을 호출하여 이력서를 구문 분석하고 이름, 기술 상태, 전문 분야 및 원래 이력서 텍스트를 포함하여 구조화된 JSON을 반환합니다. 을 통해 정의inputSchema you get access to the resumeText inside execute(). 이를 사용해 LLM에 Prompt를 전달하고 구조화된 필드를 반환합니다.

기존에src/mastra/workflows/candidate-workflow.ts file add the following:

src/mastra/workflows/candidate-workflow.ts
import { Agent } from '@mastra/core/agent'

const recruiter = new Agent({
  id: 'recruiter-agent',
  name: 'Recruiter Agent',
  instructions: `You are a recruiter.`,
  model: 'openai/gpt-5.6-sol',
})

const gatherCandidateInfo = createStep({
  id: 'gatherCandidateInfo',
  inputSchema: z.object({
    resumeText: z.string(),
  }),
  outputSchema: z.object({
    candidateName: z.string(),
    isTechnical: z.boolean(),
    specialty: z.string(),
    resumeText: z.string(),
  }),
  execute: async ({ inputData }) => {
    const resumeText = inputData?.resumeText

    const prompt = `Extract details from the resume text:
"${resumeText}"`

    const res = await recruiter.generate(prompt, {
      structuredOutput: {
        schema: z.object({
          candidateName: z.string(),
          isTechnical: z.boolean(),
          specialty: z.string(),
          resumeText: z.string(),
        }),
      },
    })

    return res.object
  },
})

내부에서 채용 Agent를 사용하고 있기 때문에execute() 을 사용하려면 step 위에 정의하고 필요한 import를 추가해야 합니다.

이 단계에서는 "기술적"으로 식별된 후보자에게 자신의 전문 분야에 어떻게 진출했는지에 대한 자세한 정보를 요청합니다. LLM이 관련 후속 질문을 작성할 수 있도록 전체 이력서 텍스트를 사용합니다.

기존에src/mastra/workflows/candidate-workflow.ts file add the following:

src/mastra/workflows/candidate-workflow.ts
const askAboutSpecialty = createStep({
  id: 'askAboutSpecialty',
  inputSchema: z.object({
    candidateName: z.string(),
    isTechnical: z.boolean(),
    specialty: z.string(),
    resumeText: z.string(),
  }),
  outputSchema: z.object({
    question: z.string(),
  }),
  execute: async ({ inputData: candidateInfo }) => {
    const prompt = `You are a recruiter. Given the resume below, craft a short question
for ${candidateInfo?.candidateName} about how they got into "${candidateInfo?.specialty}".
Resume: ${candidateInfo?.resumeText}`
    const res = await recruiter.generate(prompt)

    return { question: res?.text?.trim() || '' }
  },
})

후보자가 "비기술적"인 경우 다른 후속 질문을 원합니다. 이 단계에서는 전체 이력서 텍스트를 다시 참조하여 해당 역할에 대해 가장 관심 있는 것이 무엇인지 묻습니다. 그만큼execute() 함수는 LLM에 특정 역할에 초점을 맞춘 쿼리를 요청합니다.

기존에src/mastra/workflows/candidate-workflow.ts file add the following:

src/mastra/workflows/candidate-workflow.ts
const askAboutRole = createStep({
  id: 'askAboutRole',
  inputSchema: z.object({
    candidateName: z.string(),
    isTechnical: z.boolean(),
    specialty: z.string(),
    resumeText: z.string(),
  }),
  outputSchema: z.object({
    question: z.string(),
  }),
  execute: async ({ inputData: candidateInfo }) => {
    const prompt = `You are a recruiter. Given the resume below, craft a short question
for ${candidateInfo?.candidateName} asking what interests them most about this role.
Resume: ${candidateInfo?.resumeText}`
    const res = await recruiter.generate(prompt)
    return { question: res?.text?.trim() || '' }
  },
})

이제 후보자의 기술 상태에 따라 분기 논리를 구현하는 단계를 결합합니다. Workflow는 먼저 후보자 데이터를 수집한 다음, 상황에 따라 전문성이나 역할에 대해 묻습니다.isTechnical. This is done by chaining gatherCandidateInfo with askAboutSpecialty and askAboutRole.

기존에src/mastra/workflows/candidate-workflow.ts file change the candidateWorkflow like so:

src/mastra/workflows/candidate-workflow.ts
export const candidateWorkflow = createWorkflow({
  id: 'candidate-workflow',
  inputSchema: z.object({
    resumeText: z.string(),
  }),
  outputSchema: z.object({
    askAboutSpecialty: z.object({
      question: z.string(),
    }),
    askAboutRole: z.object({
      question: z.string(),
    }),
  }),
})
  .then(gatherCandidateInfo)
  .branch([
    [async ({ inputData: { isTechnical } }) => isTechnical, askAboutSpecialty],
    [async ({ inputData: { isTechnical } }) => !isTechnical, askAboutRole],
  ])
  .commit()

당신의src/mastra/index.ts file, register the workflow:

src/mastra/index.ts
import { Mastra } from '@mastra/core'
import { candidateWorkflow } from './workflows/candidate-workflow'

export const mastra = new Mastra({
  workflows: { candidateWorkflow },
})

Workflow 테스트
Workflow 테스트에 대한 직접 링크

내부에서 작업 흐름을 테스트할 수 있습니다.Studio by starting the development server:

mastra dev

사이드바에서 다음으로 이동합니다.Workflows and select candidate-workflow. 중앙에는 Workflow의 그래프 보기가 표시되고 오른쪽 사이드바에는 Run 탭이 기본적으로 선택되어 있습니다. 이 탭에서 다음과 같은 이력서 텍스트를 입력할 수 있습니다:

Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.

이력서 내용을 입력한 후Run button. You should now see two status boxes (GatherCandidateInfo and AskAboutSpecialty)에는 Workflow step의 출력이 포함됩니다.

호출하여 프로그래밍 방식으로 Workflow를 테스트할 수도 있습니다..createRun() and .start(). Create a new file src/test-workflow.ts and add the following:

src/test-workflow.ts
import { mastra } from './mastra'

const run = await mastra.getWorkflow('candidateWorkflow').createRun()

const res = await run.start({
  inputData: {
    resumeText:
      'Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.',
  },
})

// Dump the complete workflow result (includes status, steps and result)
console.log(JSON.stringify(res, null, 2))

// Get the workflow output value
if (res.status === 'success') {
  const question = res.result.askAboutRole?.question ?? res.result.askAboutSpecialty?.question

  console.log(`Output value: ${question}`)
}

이제 Workflow를 실행하고 터미널에 출력을 가져옵니다.

npx tsx src/test-workflow.ts

이력서를 분석하고 후보자의 기술적 능력에 따라 어떤 질문을 할지 결정하는 Workflow를 구축했습니다. 축하하고 즐거운 해킹되세요!

전제조건전제조건에 대한 직접 링크

Workflow 구축Workflow 구축에 대한 직접 링크

Workflow 테스트Workflow 테스트에 대한 직접 링크

전제조건
전제조건에 대한 직접 링크

Workflow 구축
Workflow 구축에 대한 직접 링크

Workflow 테스트
Workflow 테스트에 대한 직접 링크