연동된 MCP 도구를 사용하여 HubSpot의 AI 에이전트 프롬프트 설정하기

MCP 서버를 HubSpot의 AI 에이전트에 연결한 후, 에이전트가 연결된 MCP 도구를 언제, 어떻게 사용할지 결정할 수 있도록 프롬프트 지침을 설정하세요.

잘 설계된 프롬프트는 에이전트가 HubSpot 데이터와 외부 시스템의 정보를 결합하여 특정 비즈니스 업무를 일관되게 수행할 수 있도록 돕습니다.

HubSpot의 AI 에이전트에 MCP 프롬프트 추가하기

1. HubSpot 계정에서 ‘더 보기’를 클릭한 다음, 다음 경로로 이동하세요. 에이전트 > 에이전트 허브로 이동합니다. 계정에 ‘더 보기’가 표시되지 않는 경우, 에이전트 > 에이전트 허브 로 직접 이동하세요.
2. '에이전트' 탭을 클릭하세요 .
3. 편집하려는 에이전트 위에 마우스를 올린 다음 ‘편집’을 클릭하십시오.
4. '지침' 섹션에 MCP 프롬프트를 입력하세요. 예를 들어, 다음과 같은 프롬프트를 사용할 수 있습니다.
   
   프롬프트 예시:
   "G2 MCP 서버에 연결되었습니다. 모든 거래 분석 시, G2 MCP 서버에 쿼리를 보내 성사되지 않은 거래와 관련된 기업의 구매자 의도 신호, 경쟁사 비교 활동 및 의도 점수를 항상 조회하십시오. G2의 외부 시장 신호를 HubSpot CRM 데이터와 결합하여 거래 실패 원인에 대한 전체적인 그림을 제공하십시오. G2 데이터에서 경쟁사가 식별되면, 이를 HubSpot의 거래 손실 사유와 교차 참조하십시오. 거래 성사 전에 G2 의도 활동이 급증하거나 경쟁사로 이동한 패턴을 파악하십시오."

사용 사례: 영업 대화를 기반으로 자동화된 계정 인텔리전스 생성

다음 예시는 Notion 및 Gong MCP 서버에 연결된 HubSpot의 AI 에이전트에 MCP 프롬프트를 추가하는 데 가이드로 활용할 수 있습니다. 이 사용 사례는 일반적인 프레임워크를 제공하지만, 특정 목표나 다른 MCP 서버에 맞게 맞춤 설정할 수 있습니다.

비즈니스 목표

한 영업 조직은 계정 팀이 고객 대화 내용을 조사하는 데 소요되는 시간을 줄여, 잠재 고객과의 소통에 더 집중할 수 있도록 하는 것을 목표로 합니다.

그동안 영업 담당자들은 통화 녹음 파일을 수동으로 검토하고, 경쟁사 관련 언급을 찾아내며, 여러 시스템에 걸쳐 주요 내용을 기록해야 했습니다.

HubSpot MCP Client를 통해 HubSpot의 AI 에이전트를 외부 도구와 연동함으로써, 해당 조직은 조사 활동을 중앙 집중화하고 실행 가능한 인사이트를 자동으로 도출할 수 있습니다.

구성 예시

이 예시는 영업 팀이 HubSpot MCP 클라이언트를 사용하여 HubSpot의 AI 에이전트를 외부 시스템에 연결하는 방법을 보여줍니다.

1. 에이전트를 Gong MCP 서버에 연결하여 영업 통화 내용을 분석하고 반복적으로 제기되는 경쟁사 관련 이의를 파악합니다.
2. 에이전트를 Notion MCP 서버에 연결하여 계정 요약 정보를 공유 작업 공간에 저장합니다.
3. 아래의 모범 사례를 따라에이전트용 MCP 프롬프트를 구성합니다.

MCP 프롬프트에 대한 모범 사례

• 데이터베이스 식별: Notion 페이지와 데이터베이스는 고정된 구조를 따르지 않으므로, 에이전트에게 사용할 데이터베이스를 정확히 지시해야 합니다.
  • 모범 사례: 데이터베이스 이름과 용도를 명시하고, 가능하면 데이터베이스 ID도 포함해야 합니다.
  • 프롬프트 예시: 프로젝트 이름, 상태, 담당자, 마감일이 포함된 ‘Content Projects Tracker’라는 제목의 Notion 데이터베이스를 사용하세요.
• 속성 또는 열 구조 설명: 에이전트가 데이터를 이해하는 데 도움이 되도록 데이터베이스 구조를 상세히 설명하십시오.
  • 모범 사례: 데이터베이스를 참조할 때는 관련 열 이름, 해당 열에 포함된 내용, 속성 유형을 나열해야 합니다. 일부 필드가 선택 사항이거나 일관되게 사용되지 않는 경우에도 이를 포함해야 합니다.
  • 프롬프트 예시: 이 데이터베이스에는 '프로젝트 이름'(제목), '담당자'(사람), '상태'(선택), '마감일'(날짜) 열이 포함되어 있습니다.
• 에이전트의 작업 정의: 에이전트가 찾거나 추출해야 할 구체적인 정보를 명확히 하십시오.
  • 모범 사례: 에이전트의 작업을 정의하거나 데이터를 요청할 때는 구체적인 이름과 세부 정보를 사용하십시오.
  • 프롬프트 예시: 상태가 '진행 중'이고 마감일이 향후 7일 이내인 모든 항목을 찾으십시오.
• 작업 및 도구 지정: 에이전트가 특정 작업을 수행해야 하는 경우, 어떤 도구를 어떻게 사용해야 하는지 명확히 명시하십시오. 이는 에이전트가 여러 도구 중에서 선택해야 할 때 특히 유용합니다.
  • 모범 사례: 사용할 정확한 도구와 'query_database', 'list_databases', 'retrieve_page'와 같이 작업을 실행하는 방법을 정의하십시오.

• 입력 및 출력 예시 제공: 에이전트가 항목을 추가하거나 수정해야 하는 경우, 데이터가 어떻게 표시되어야 하는지에 대한 예시를 포함하는 것이 좋습니다.
  • 모범 사례: 각 입력 및 원하는 출력에 대한 명확한 예시를 제공하십시오. 또한 다양한 출력에 대한 조건을 추가할 수도 있습니다.
  • 프롬프트 예시: 새 항목을 생성할 때 '상태'를 기본적으로 '시작 전'으로 설정하고, '마감일'은 비워 두십시오.

결과

구성이 완료된 후:

• HubSpot의 AI 에이전트는 연동된 비즈니스 시스템의 데이터에 접근할 수 있습니다.
• 영업 팀은 HubSpot을 벗어나지 않고도 고객 대화 내용을 분석할 수 있습니다.
• 계정 요약, 경쟁사 분석 정보 및 후속 조치가 자동으로 생성됩니다.
• 팀은 정보 수집에 소요되는 시간을 줄이고, 실제 조치에 더 많은 시간을 할애할 수 있습니다.