Skonfiguruj podpowiedzi agenta AI w HubSpot za pomocą połączonych narzędzi MCP

Po podłączeniu serwera MCP do agenta AI platformy HubSpot należy skonfigurować instrukcje dotyczące podpowiedzi, aby określić, kiedy i w jaki sposób agent korzysta z podłączonych narzędzi MCP.

Dobrze zaprojektowane podpowiedzi pomagają agentom łączyć dane z HubSpot z informacjami z systemów zewnętrznych, aby konsekwentnie realizować konkretne zadania biznesowe.

Dodaj podpowiedzi MCP do agentów AI HubSpot

1. Na swoim koncie HubSpot kliknij „Więcej”, a następnie przejdź do „Agenci” > „Centrum agentów”. Jeśli opcja „Więcej” nie jest widoczna na Twoim koncie, przejdź do Agenci > Centrum agentów .
2. Kliknij kartę„Agenci ”.
3. Najedź kursorem na agenta, którego chcesz edytować, i kliknij opcję „Edytuj”.
4. W sekcji „Instrukcje” wprowadź swoje komunikaty MCP. Na przykład możesz użyć następującego komunikatu:
   
   Przykładowa instrukcja:
   „Jesteś połączony z serwerem G2 MCP. Przy każdej analizie transakcji zawsze wysyłaj zapytanie do serwera G2 MCP, aby pobrać sygnały dotyczące intencji kupujących, aktywność związaną z porównywaniem konkurencji oraz oceny intencji dla firm powiązanych z transakcjami zakończonymi niepowodzeniem. Połącz zewnętrzne sygnały rynkowe z G2 z danymi z HubSpot CRM, aby uzyskać pełny obraz przyczyn utraty transakcji. Gdy w danych G2 zostanie zidentyfikowany konkurent, porównaj go z przyczyną utraty transakcji w HubSpot. Wyróżnij wzorce, w których aktywność intencyjna w G2 gwałtownie wzrosła lub przesunęła się w kierunku konkurenta przed zamknięciem transakcji.”

Przykład zastosowania: tworzenie zautomatyzowanych analiz klientów na podstawie rozmów sprzedażowych

Poniższy przykład może służyć jako przewodnik po dodawaniu podpowiedzi MCP do agenta AI HubSpot połączonego z serwerami Notion i Gong MCP. Chociaż ten przykład zastosowania przedstawia ogólne ramy, można go dostosować do konkretnego celu oraz do innych serwerów MCP.

Cel biznesowy

Organizacja sprzedażowa dąży do skrócenia czasu, jaki zespoły ds. obsługi klientów poświęcają na przeglądanie rozmów z klientami, co pozwoli im skupić się w większym stopniu na nawiązywaniu kontaktów z potencjalnymi klientami.

Dotychczas przedstawiciele handlowi musieli ręcznie przeglądać nagrania rozmów, wyszukiwać wzmianki o konkurencji oraz dokumentować kluczowe wnioski w wielu różnych systemach.

Dzięki połączeniu agentów AI HubSpot z narzędziami zewnętrznymi za pośrednictwem HubSpot MCP Client organizacja może scentralizować działania badawcze i automatycznie generować przydatne wnioski.

Przykładowa konfiguracja

Ten przykład pokazuje, w jaki sposób zespół sprzedaży łączy agenta AI HubSpot z systemami zewnętrznymi za pomocą HubSpot MCP Client.

1. Podłącz agenta do serwera Gong MCP, aby analizować rozmowy sprzedażowe i identyfikować powtarzające się zastrzeżenia związane z konkurencją.
2. Połącz agenta z serwerem MCP Notion, aby przechowywać podsumowania kont we wspólnej przestrzeni roboczej.
3. Skonfiguruj komunikaty MCP dla agenta zgodnie z poniższymi najlepszymi praktykami.

Najlepsze praktyki dotyczące komunikatów MCP

• Określ bazę danych: ponieważ strony i bazy danych Notion nie mają ustalonej struktury, musisz dokładnie poinstruować agenta, z której bazy danych ma korzystać.
  • Najlepsza praktyka: należy podać nazwę bazy danych, jej przeznaczenie oraz, w miarę możliwości, jej identyfikator.
  • Przykładowa instrukcja: Użyj bazy danych Notion o nazwie „Content Projects Tracker”, która zawiera nazwę projektu, status, właściciela i termin realizacji.
• Opisz strukturę właściwości lub kolumn: szczegółowo opisz strukturę bazy danych, aby pomóc agentowi zrozumieć dane.
  • Najlepsza praktyka: odwołując się do bazy danych, należy wymienić nazwy odpowiednich kolumn, ich zawartość oraz typ właściwości. Jeśli niektóre pola są opcjonalne lub nie są używane konsekwentnie, należy je uwzględnić.
  • Przykładowa instrukcja: Baza danych zawiera następujące kolumny: „Nazwa projektu” (tytuł), „Właściciel” (osoba), „Status” (lista wyboru) oraz „Termin” (data).
• Zdefiniuj zadanie agenta: jasno określ, jakie konkretne informacje agent powinien znaleźć lub wyodrębnić.
  • Najlepsza praktyka: podczas definiowania zadania agenta lub żądania danych należy używać konkretnych nazw i szczegółów.
  • Przykładowa instrukcja: Znajdź wszystkie pozycje, których status to „W toku”, a termin realizacji przypada w ciągu najbliższych 7 dni.
• Określ działania i narzędzia: jeśli agent musi wykonać konkretne działanie, wyraźnie określ, jakich narzędzi powinien użyć i w jaki sposób. Jest to szczególnie przydatne, gdy agent musi wybierać spośród wielu narzędzi.
  • Najlepsza praktyka: określ dokładnie, jakiego narzędzia należy użyć i w jaki sposób należy wykonać poszczególne czynności, np. query_database, list_databases lub retrieve_page.

• Podaj przykładowe dane wejściowe i wyjściowe: jeśli agent musi dodawać lub edytować wpisy, zaleca się dołączenie przykładu tego, jak powinny wyglądać dane.
  • Najlepsza praktyka: podaj jasny przykład każdego danych wejściowych i oczekiwanych wyników wraz z przykładami. Możesz również dodać warunki dla różnych wyników.
  • Przykładowa instrukcja: Podczas tworzenia nowego wpisu domyślnie wpisz w polu „Status” wartość „Nie rozpoczęto” i pozostaw pole „Termin” puste.

Wynik

Po zakończeniu konfiguracji:

• Agenci AI HubSpot mogą uzyskać dostęp do danych z podłączonych systemów biznesowych.
• Zespoły sprzedaży mogą analizować rozmowy z klientami bez opuszczania platformy HubSpot.
• Podsumowania kont, analizy konkurencji oraz działania następcze są generowane automatycznie.
• Zespoły poświęcają mniej czasu na gromadzenie informacji, a więcej na podejmowanie działań.