LeadShark MCP服务器
一个功能强大的模型上下文协议（MCP）服务器，用于自动化潜在客户管理，提供智能潜在客户提取、评分和外展自动化功能。
特性
1.铅提取工具(extract_lead)
自动抓取网站和LinkedIn个人资料，以提取全面的潜在客户信息：
- 公司名称和行业
- 网站网址
- 电子邮件地址
- 社交媒体链接（领英、推特、脸书、Instagram）
- 创始人和员工信息
- 技术栈检测（React、WordPress、Stripe等）
- 公司描述和位置
- 员工人数
缓存：结果会自动缓存24小时，以提高性能并减少冗余请求。
2.潜在客户评分工具(score_lead)
基于人工智能的潜在客户评估，提供：
- 相关性得分 （0-100）：基于数据的完整性和质量
- 行业匹配得分 （0-100）：与目标行业保持一致
- 公司规模类别：初创|小型|中型|大型|企业
- 潜在预算范围：根据公司规模和技术成熟度估算
- 置信水平 （0-100）：总体数据质量和完整性
3.外联自动化工具(generate_outreach)
通过以下方式生成个性化电子邮件序列：
- 多步骤跟进序列（1-5封电子邮件）
- 三种色调选择：专业、休闲、激进
- 自动延迟调度（第0天、第3天、第7天、第14天、第21天）
- 基于公司数据和技术栈的个性化
- CRM集成时间戳
- 分手邮件以进行最终跟进
4.缓存管理
get_cache_stats：查看缓存性能指标clear_cache：强制提取新数据
安装
- 安装依赖项:
npm install- 构建TypeScript项目:
npm run build- 在本地测试服务器:
npm start配置
Claude桌面集成
添加到您的Claude Desktop配置文件中：
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json 视窗: %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"leadshark": {
"command": "node",
"args": ["/absolute/path/to/MCP-LeadShark-Linkedin/dist/index.js"]
}
}
}n8n集成
- 在n8n中安装MCP节点
- 配置服务器路径
- 在自动化潜在客户处理流程的工作流程中使用
用法示例
示例1：提取并评分潜在客户
// Step 1: Extract lead data
const extraction = await extract_lead({
url: "https://example.com"
});
// Step 2: Score the lead
const scored = await score_lead({
leadData: extraction.data,
targetIndustries: ["SaaS", "Technology", "Software"],
minimumEmployeeCount: 10
});示例2：完整的铅管
// Extract
const lead = await extract_lead({
url: "https://techstartup.com"
});
// Score
const scoredLead = await score_lead({
leadData: lead.data,
targetIndustries: ["Technology"]
});
// Generate outreach if score is high
if (scoredLead.data.scores.relevance > 70) {
const outreach = await generate_outreach({
leadData: scoredLead.data,
tone: "professional",
productService: "streamline your development workflow with AI-powered tools",
senderName: "John Doe",
senderCompany: "Acme Corp",
sequenceSteps: 3
});
}示例3：批处理
const urls = [
"https://company1.com",
"https://company2.com",
"https://company3.com"
];
for (const url of urls) {
const lead = await extract_lead({ url });
const scored = await score_lead({
leadData: lead.data,
targetIndustries: ["SaaS"]
});
// Filter high-quality leads
if (scored.data.scores.relevance > 60) {
await generate_outreach({
leadData: scored.data,
tone: "professional",
sequenceSteps: 3
});
}
}工具参考
extract_lead
输入:
{
"url": "https://example.com"
}输出：具有提取信息的LeadData对象
score_lead
输入:
{
"leadData": { /* LeadData object */ },
"targetIndustries": ["SaaS", "Technology"],
"minimumEmployeeCount": 10
}输出：带分数和推荐的ScoredLead对象
generate_outreach
输入:
{
"leadData": { /* LeadData object */ },
"tone": "professional",
"productService": "Your product description",
"senderName": "Your Name",
"senderCompany": "Your Company",
"sequenceSteps": 3
}输出：使用电子邮件模板和计时的OutreachSequence
技术架构
src/
├── index.ts # Main MCP server
├── types/ # TypeScript type definitions
│ └── index.ts
├── tools/ # Core tool implementations
│ ├── lead-extraction.ts
│ ├── lead-scoring.ts
│ └── outreach-automation.ts
└── utils/ # Shared utilities
├── cache.ts # Caching layer
└── scraper.ts # Web scraping engine限制和注意事项
LinkedIn抓取
LinkedIn积极阻止自动抓取。基本实现为公共配置文件提供了工作，但可能会因反机器人措施而失败。对于生产使用，请考虑：
- LinkedIn销售导航器API
- 专业抓取服务（Apify、Bright Data）
- LinkedIn官方API，具有正确的身份验证
速率限制
- 实现请求之间的延迟，以避免被阻止
- 使用内置缓存减少冗余请求
- 考虑使用代理轮换进行大容量抓取
数据准确性
- 电子邮件提取使用模式匹配，可能包括误报
- 技术栈检测基于HTML信号，可能会遗漏一些技术
- 公司规模估计基于可用数据，可能不准确
发展
构建
npm run build观看模式
npm run watch发展模式
npm run dev集成点
CRM系统
外联工具包括CRM更新时间戳。扩展实施以与以下内容集成：
- HubSpot API
- 销售人员API
- 管道驱动API
- 自定义CRM网络挂钩
工作流程自动化
兼容：
- n8n工作流
- Zapier（通过webhook触发器）
- 制造商（Integromat）
- 自定义自动化脚本
数据导出
所有工具都返回结构化JSON，可以是：
- 导出到CSV
- 存储在数据库中
- 发送到数据仓库
- 由分析工具处理
许可证
麻省理工学院
贡献
欢迎投稿！请打开问题或提交拉取请求。
路线图
- \[\]领英API集成
- \[\]电子邮件验证服务集成
- \[\]其他CRM连接器
- \[\]Webhook支持实时更新
- \[\]使用自定义模型进行高级AI评分
- \[\]电子邮件模板的A/B测试
- \[\]分析仪表板
- \[\]批量进出口能力