Hiring Fairness & Selection ROI
ai.saifs由 saifs.ai 發布官方發布者v1.0.1更新於 Oct 24, 2026
Detect hiring adverse impact and estimate whether a selection method is worth its cost.
發布方自己的服務：Customer Intelligence & Segmentation
概覽
遠端 MCP 伺服器，分析招募漏斗計數與評測分數，評估不利影響、公平性與選才投入報酬。
- 可以做什麼
- 依群體分析各階段計數：錄取率、EEOC 五分之四規則下的影響比、差距是否超出隨機波動，以及端到端漏斗
- 跨職缺做同類比較，找出選才差距中的辛普森悖論
- 分析匿名分數與結果配對：測驗是否預測工作表現、是否低估某群體、公平的及格門檻，以及扣除成本後的淨價值
- 回傳決策卡片，例如「審視此階段」「測驗具預測力」「設定門檻」「值得投入」
- 取得僅依賴 numpy 的 Python 腳本，在本機彙整大型 ATS 匯出資料，讓候選人紀錄不離開本機
- 適用情境
- 當你已有招募漏斗計數或評測結果，想快速取得關於不利影響、公平門檻或選才方法是否划算的統計分析，且不想上傳個人候選人紀錄時適用。
- 執行需求
- 遠端 Streamable HTTP 端點，無需安裝。需要 OAuth 2.1 登入（PKCE 與動態用戶端註冊），用戶端首次使用時會開啟登入頁面。分析工具單次最多接受 5,000 列資料。
安裝
在 SourceWeft 中
- 開啟 儀表板中的 Hiring Fairness & Selection ROI，將其新增到工作區。
- 連接 所需的 憑證。它們會被私密儲存，絕不會在公開頁面上展示。
- 為需要使用其工具的對話啟用該服務。
Web executable，透過 Streamable HTTP。 遠端服務在工作區中設定後即可從網頁執行環境執行。
交給代理程式安裝
把這段提示詞貼上到 Claude Code、Codex、Cursor 等代理程式，或 SourceWeft 對話中。代理程式會讀取該伺服器的安裝指南，先向你展示發布者、端點和登入方式，經你同意後再把它新增到你的客戶端。金鑰不會寫進任何命令。
閱讀 https://sourceweft.com/mcp/ai.saifs%2Fhiring-fairness/install.md，並按其中說明把這個 MCP 伺服器接入我的客戶端。修改任何設定之前，先告訴我它的發布者、端點和登入方式，等我確認。不要把 API 金鑰寫進命令或我會提交的檔案；問我金鑰應從哪裡取得。其他 MCP 客戶端
把它新增到你客戶端的 mcpServers 設定中。 客戶端會在首次連接時完成 OAuth 登入。
{
"mcpServers": {
"hiring-fairness-selection-roi": {
"type": "http",
"url": "https://hiring-fairness-mcp.saifs.ai/mcp"
}
}
}README
Hiring Fairness & Selection ROI
Group-level fairness and value analysis of a hiring process. From counts per stage and group it returns selection rates and impact ratios at every stage (EEOC four-fifths rule), whether each gap is larger than chance, the end-to-end funnel, and a like-for-like check across jobs that catches Simpson's paradox. From anonymous score/outcome pairs it tells you whether a test predicts job success, whether it underrates a group, a fair pass mark, and its money value net of cost. It never scores, ranks or selects individuals, and its output is analysis, not legal advice.
Install
VS Code / GitHub Copilot
Add to .vscode/mcp.json (workspace) or your user mcp.json:
Then start the server from the MCP view and sign in when prompted.
Claude (claude.ai, Desktop)
Settings → Connectors → Add custom connector, and paste:
Claude Code
Any other MCP client
Point it at https://hiring-fairness-mcp.saifs.ai/mcp using the Streamable HTTP transport. The server returns 401 with a
WWW-Authenticate: Bearer … resource_metadata=… challenge, so OAuth-aware clients sign in automatically.
Tools
Example prompts
- “Here are our applicant and hire counts by stage and gender. Is any stage showing adverse impact?”
- “Is our coding assessment worth what it costs, and what pass mark is fair?”
- “Compare selection rates across departments like for like.”
Support
- Website: https://saifs.ai
- Issues: https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
- Privacy: https://saifs.ai/privacy_policy
來源：servers/hiring-fairness/README.md，提交 2b4eab8
工具
0版本歷史
2- v1.0.1最新Oct 21, 2026
- v1.0.0Oct 16, 2026
評分
已滿足適用檢查項的 85%
該評分衡量此收錄條目的完整程度，依據註冊中心條目、端點與公開來源計算得出。它不是對伺服器本身的評價，也不表示伺服器安全或目前可用：可連通性是帶日期的檢查結果，評分也不包含安裝量或使用者評價。
- 近 30 天內可連通必需25 分
- 已宣告認證方式必需10 分
- 已列出工具15 分
請讓伺服器在無憑證時回應 tools/list，或發布可在沙箱中無憑證啟動的軟體包。
- 描述必需15 分
- 圖示10 分
- 文件15 分
- 授權條款10 分
其他 Saifs 整合
Customer Intelligence & Segmentation
ai.saifs官方發布者
遠端 MCP 伺服器，依購買歷史把客戶名單分成 A/B/C/D 等級，並產生業務跟進名單。
Dynamic Pricing & Overbooking
ai.saifs官方發布者
遠端 MCP 伺服器，為助理提供收益管理運算：建議價格、保護水位、超賣上限與訂房進度警示。
Statistical Process Control & Anomaly Alerts
ai.saifs官方發布者
遠端 MCP 伺服器，以統計製程管制圖監控指標串流，只在出現真實的失控漂移時告警。
Payment Reconciliation & Matching
ai.saifs官方發布者
遠端 MCP 伺服器，將銀行收款、銀行流水與 GST 2B 資料列與未結發票及帳冊比對，提供信心分數與異常佇列。
Optimization Solver (LP / MIP Scheduling)
ai.saifs官方發布者
遠端 MCP 伺服器，用於求解線性與混合整數最佳化問題，回傳最佳方案、影子價格與不可行原因。