Stel de prompts voor de AI-agent van HubSpot in met gekoppelde MCP-tools

Nadat je een MCP-server hebt gekoppeld aan een AI-agent van HubSpot, stel je de instructies voor de prompts in om te bepalen wanneer en hoe de agent de gekoppelde MCP-tools gebruikt.

Goed ontworpen prompts helpen agenten om HubSpot-gegevens te combineren met informatie uit externe systemen, zodat ze specifieke zakelijke taken consistent kunnen uitvoeren.

MCP-prompts toevoegen aan de AI-agenten van HubSpot

1. Klik in je HubSpot-account op Meer en ga vervolgens naar Agents > Agent Hub. Als 'Meer' niet in je account wordt weergegeven, ga dan naar Agents > Agent Hub .
2. Klik op het tabblad'Agents '.
3. Beweeg de muisaanwijzer over de agent die u wilt bewerken en klik op 'Bewerken'.
4. Voer in het gedeelte Instructies uw MCP-prompts in. U kunt bijvoorbeeld de volgende prompt gebruiken:
   
   Voorbeeldprompt:
   "Je bent verbonden met de G2 MCP-server. Vraag bij elke dealanalyse altijd de G2 MCP-server om signalen over de intentie van kopers, vergelijkingen met concurrenten en intentiescores op te halen voor de bedrijven die verband houden met deals die zijn gesloten maar verloren zijn gegaan. Combineer externe marktsignalen van G2 met HubSpot CRM-gegevens om een volledig beeld te krijgen van de redenen voor het verlies. Wanneer een concurrent in de G2-gegevens wordt geïdentificeerd, vergelijk deze dan met de reden voor het mislopen van de deal in HubSpot. Breng patronen aan het licht waarbij de intentieactiviteit in G2 piekte of verschoof naar een concurrent vóór het sluiten van de deal."

Toepassingsvoorbeeld: geautomatiseerde accountinformatie genereren op basis van verkoopgesprekken

Het volgende voorbeeld kan dienen als leidraad voor het toevoegen van MCP-prompts aan een AI-agent van HubSpot die is gekoppeld aan Notion- en Gong MCP-servers. Hoewel deze use case een algemeen kader biedt, kun je deze aanpassen aan je specifieke doel en aan andere MCP-servers.

Bedrijfsdoelstelling

Een verkooporganisatie wil de tijd die accountteams besteden aan het doorzoeken van klantgesprekken verminderen, zodat zij zich meer kunnen richten op het contact met potentiële klanten.

Tot nu toe moesten verkopers gespreksopnames handmatig beluisteren, zoeken naar vermeldingen van concurrenten en de belangrijkste conclusies in verschillende systemen vastleggen.

Door de AI-agenten van HubSpot via HubSpot MCP Client te koppelen aan externe tools, kan de organisatie onderzoeksactiviteiten centraliseren en automatisch bruikbare inzichten genereren.

Voorbeeldconfiguratie

Dit voorbeeld laat zien hoe een verkoopteam een AI-agent van HubSpot via HubSpot MCP Client koppelt aan externe systemen.

1. Koppel de agent aan de Gong MCP-server om verkoopgesprekken te analyseren en terugkerende bezwaren van concurrenten te identificeren.
2. Koppel de agent aan de Notion MCP-server om accountoverzichten op te slaan in een gedeelde werkruimte.
3. Configureer MCP-prompts voor de agent volgens de onderstaande best practices.

Best practices voor MCP-prompts

• Geef de database aan: aangezien Notion-pagina's en -databases geen vaste structuur hebben, moet u de agent precies aangeven welke database hij moet gebruiken.
  • Aanbeveling: vermeld de naam van de database, het doel ervan en voeg indien mogelijk de database-ID toe.
  • Voorbeeldprompt: Gebruik de Notion-database met de titel 'Content Projects Tracker', die de projectnaam, status, eigenaar en deadline bevat.
• Beschrijf de eigenschappen of kolomstructuur: beschrijf de structuur van je database gedetailleerd, zodat de agent de gegevens beter begrijpt.
  • Aanbevolen werkwijze: wanneer je naar een database verwijst, moet je de relevante kolomnamen vermelden, wat ze bevatten en hun eigenschapstype. Als sommige velden optioneel zijn of niet consequent worden gebruikt, moeten ze toch worden opgenomen.
  • Voorbeeldopdracht: De database bevat de volgende kolommen: 'Projectnaam' (titel), 'Eigenaar' (persoon), 'Status' (selectie) en 'Deadline' (datum).
• Definieer de taak van de agent: wees duidelijk over de specifieke informatie die de agent moet vinden of extraheren.
  • Aanbevolen werkwijze: gebruik specifieke namen en details bij het definiëren van de taak van de agent of het opvragen van gegevens.
  • Voorbeeldopdracht: Zoek alle items waarbij de status ‘In uitvoering’ is en de deadline binnen de komende 7 dagen valt.
• Geef acties en tools aan: als je agent een specifieke actie moet uitvoeren, geef dan expliciet aan welke tools hij moet gebruiken en hoe. Dit is vooral handig als de agent tussen meerdere tools moet kiezen.
  • Aanbevolen werkwijze: geef aan welke tool precies moet worden gebruikt en hoe eventuele acties moeten worden uitgevoerd, zoals query_database, list_databases of retrieve_page.

• Geef een voorbeeld van invoer en uitvoer: als uw agent items moet toevoegen of bewerken, is het aan te raden een voorbeeld mee te geven van hoe de gegevens eruit moeten zien.
  • Aanbevolen werkwijze: geef een duidelijk voorbeeld van elke invoer en de gewenste uitvoer met voorbeelden. U kunt ook voorwaarden toevoegen voor verschillende uitvoerresultaten.
  • Voorbeeldprompt: Vul bij het aanmaken van een nieuw item 'Status' standaard in op 'Nog niet gestart' en laat 'Deadline' leeg.

Resultaat

Nadat de configuratie is voltooid:

• De AI-agenten van HubSpot hebben toegang tot gegevens uit gekoppelde bedrijfssystemen.
• Verkoopteams kunnen klantgesprekken analyseren zonder HubSpot te verlaten.
• Accountoverzichten, inzichten over concurrenten en vervolgacties worden automatisch gegenereerd.
• Teams besteden minder tijd aan het verzamelen van informatie en meer tijd aan het ondernemen van actie.