Konfigurera HubSpots AI-agents frågor med anslutna MCP-verktyg

När du har anslutit en MCP-server till en AI-agent från HubSpot ska du ställa in instruktioner för att ange när och hur agenten ska använda de anslutna MCP-verktygen.

Väl utformade prompter hjälper agenterna att kombinera data från HubSpot med information från externa system för att utföra specifika affärsuppgifter på ett konsekvent sätt.

Lägg till MCP-prompter till HubSpots AI-agenter

1. I ditt HubSpot-konto klickar du på Mer och navigerar sedan till Agenter > Agent Hub. Om ”Mer” inte visas i ditt konto, gå till Agenter > Agent Hub direkt.
2. Klicka på flikenAgenter .
3. Håll muspekaren över den agent du vill redigera och klicka på Redigera.
4. I avsnittet Instruktioner anger du dina MCP-uppmaningar. Du kan till exempel använda följande uppmaning:
   
   Exempel på uppmaning:
   ”Du är ansluten till G2 MCP-servern. Vid varje affärsanalys ska du alltid göra en förfrågan till G2 MCP-servern för att hämta signaler om köparens avsikter, konkurrentjämförelser och avsiktspoäng för de företag som är kopplade till avslutade men förlorade affärer. Kombinera externa marknadssignaler från G2 med data från HubSpot CRM för att få en fullständig bild av orsakerna till förlusten. När en konkurrent identifieras i G2-data ska du jämföra den med orsaken till att affären gick förlorad i HubSpot. Lyft fram mönster där G2-aktiviteten gällande avsikter ökade kraftigt eller skiftade mot en konkurrent innan affären avslutades.”

Användningsfall: skapa automatiserad kundinformation utifrån säljsamtal

Följande exempel kan användas som vägledning för att lägga till MCP-uppmaningar till en HubSpot-AI-agent som är ansluten till Notion- och Gong MCP-servrar. Även om detta användningsfall erbjuder ett generellt ramverk kan du anpassa det efter ditt specifika mål och för andra MCP-servrar.

Affärsmål

En säljorganisation strävar efter att minska den tid som kundansvariga team lägger på att söka information om kundkonversationer, så att de kan fokusera mer på att interagera med potentiella kunder.

Tidigare har säljarna varit tvungna att manuellt gå igenom samtalsinspelningar, söka efter omnämnanden av konkurrenter och dokumentera viktiga slutsatser i flera olika system.

Genom att koppla HubSpots AI-agenter till externa verktyg via HubSpot MCP Client kan organisationen centralisera undersökningsaktiviteterna och automatiskt generera praktiskt användbara insikter.

Exempel på konfiguration

Detta exempel visar hur ett säljteam kopplar samman en AI-agent från HubSpot med externa system med hjälp av HubSpot MCP Client.

1. Anslut agenten till Gong MCP-servern för att analysera säljsamtal och identifiera återkommande invändningar från konkurrenterna.
2. Anslut agenten till Notion MCP-servern för att lagra kundsammanfattningar i ett delat arbetsutrymme.
3. Konfigurera MCP-prompter för agenten enligt bästa praxis nedan.

Bästa praxis för MCP-prompter

• Identifiera databasen: eftersom Notion-sidor och -databaser inte följer en fast struktur måste du ange exakt vilken databas agenten ska använda.
  • Rekommendation: Du bör ange databasens namn, dess syfte och, om möjligt, inkludera databas-ID:t.
  • Exempel på kommando: Använd Notion-databasen med namnet ”Content Projects Tracker”, som innehåller projektnamn, status, ägare och förfallodatum.
• Beskriv egenskaps- eller kolumnstrukturen: beskriv databasstrukturen i detalj för att hjälpa agenten att förstå data.
  • Bästa praxis: När du hänvisar till en databas bör du ange relevanta kolumnnamn, vad de innehåller och deras egenskapstyp. Om vissa fält är valfria eller inte används konsekvent bör de ändå inkluderas.
  • Exempel på uppmaning: Databasen innehåller följande kolumner: ”Project Name” (titel), ”Owner” (person), ”Status” (välj) och ”Deadline” (datum).
• Definiera agentens uppgift: var tydlig med vilken specifik information agenten ska hitta eller extrahera.
  • Bästa praxis: När du definierar agentens uppgift eller begär data ska du använda specifika namn och detaljer.
  • Exempel på prompt: Hitta alla poster där statusen är ”Pågår” och deadline infaller inom de närmaste 7 dagarna.
• Ange åtgärder och verktyg: om din agent behöver utföra en specifik åtgärd, ange uttryckligen vilka verktyg den ska använda och hur. Detta är särskilt användbart om agenten måste välja mellan flera verktyg.
  • Bästa praxis: ange exakt vilket verktyg som ska användas och hur åtgärderna ska utföras, till exempel query_database, list_databases eller retrieve_page.

• Ange ett exempel på indata och utdata: om din agent behöver lägga till eller redigera poster rekommenderas det att du inkluderar ett exempel på hur data ska se ut.
  • Bästa praxis: ge ett tydligt exempel på varje indata och önskat utdata med exempel. Du kan också lägga till villkor för olika utdata.
  • Exempel på uppmaning: När du skapar en ny post ska du som standard fylla i ”Status” som ”Inte påbörjad” och lämna ”Deadline” tomt.

Resultat

När konfigurationen är klar:

• HubSpots AI-agenter kan komma åt data från anslutna affärssystem.
• Säljteam kan analysera kundkonversationer utan att behöva lämna HubSpot.
• Kundöversikter, konkurrentanalyser och uppföljningsåtgärder genereras automatiskt.
• Teamen lägger mindre tid på att samla in information och mer tid på att vidta åtgärder.