TestversionAnvänd HubSpot Agent CLI

HubSpot Agent CLI kopplar samman AI-kodningsagenter, såsom Claude Code, Claude Cowork och OpenAI Codex, med ditt HubSpot-konto. När du har anslutit Agent CLI till HubSpot kan du be en AI-agent att utföra repetitiva CRM-uppgifter, analysera data, skapa sammanfattningar och hjälpa till att hantera processer i hela ditt konto. När du delegerar uppgifter till AI-agenter kan de använda Agent CLI för att automatisera rutinuppgifter åt dig, vilket gör att ditt team kan ägna mer tid åt strategiska initiativ.

I stället för att manuellt granska poster varje vecka kan du till exempel be en AI-agent att identifiera ofullständiga poster, sammanfatta aktiviteten i säljprocessen eller förbereda kundgranskningar med hjälp av information från HubSpot.

Om du är utvecklare och vill skriva anpassade skript eller använda HubSpot Agent CLI manuellt i din terminal, se vår utvecklardokumentation.

Innan du börjar

Innan du börjar använda HubSpot Agent CLI ska du se till att du har tillgång till en AI-kodningsagent. Bland de agenter som stöds finns Claude Code, Claude Cowork, OpenAI Codex och många andra kompatibla AI-kodningsagenter.

Observera: om du använder Claude Cowork i ett Team- eller Enterprise-konto kan det hända att din organisations administratör måste lägga till api.hubapi.com i tillåtelselistan innan CLI kan installeras eller köras. Läs mer om tillåtelselistor i Claude Cowork.

Vad AI-agenter kan komma åt med HubSpot Agent CLI

HubSpot Agent CLI kan utföra åtgärder med hjälp av behörigheterna för den anslutna HubSpot-användaren. Beroende på dina användarbehörigheter kan detta innefatta att skapa, uppdatera eller ta bort poster i ditt konto.

Efter att HubSpot Agent CLI har anslutits kan AI-agenter arbeta med information i hela ditt HubSpot-konto, inklusive:

• Kontakter, företag, affärer, ärenden, anpassade objekt och andra CRM-poster.
• Arbetsflöden.
• Pipelines och pipeline-steg.
• Egenskaper och anpassade egenskaper.
• Kopplingar mellan poster.
• Aktivitetshistorik.

Observera: granska alltid AI-genererade rekommendationer och föreslagna åtgärder innan du tillämpar ändringar på dina CRM-data.

Bästa praxis

När du arbetar med AI-agenter som är anslutna till HubSpot:

• Börja med rapportering, sammanfattningar och analysuppgifter innan du använder åtgärder som ändrar data.
• Granska genererade rekommendationer och storskaliga uppdateringar innan du genomför ändringar.
• Vissa åtgärder kan radera eller skriva över HubSpot-data. Använd alternativet --dry-run där det är tillgängligt för att förhandsgranska ändringar innan du genomför dem.
• Använd tydliga instruktioner som beskriver det önskade resultatet.
• Följ din organisations riktlinjer för datastyrning och säkerhet.

Anslut HubSpot Agent CLI

Följ stegen nedan för att instruera din agent att installera HubSpot Agent CLI. Om du är utvecklare kan du läsa mer om hur du installerar HubSpot Agent CLI manuellt.

1. Öppna din AI-agent, till exempel Cowork eller Codex.
2. Klistra in följande kommando i agentens arbetsyta för att installera Agent CLI.

Install the HubSpot Agent CLI in this agent workspace. If this workspace uses a POSIX shell (macOS, Linux, WSL, or Bash), run `curl -fsSL https://api.hubapi.com/hub/cli/backend/hub-cli/latest/install.sh | sh`. If it uses Windows PowerShell, run `irm https://api.hubapi.com/hub/cli/backend/hub-cli/latest/install.ps1 | iex`. Then authenticate with `hubspot auth login`, install HubSpot Agent CLI Skills with `npx skills add hubspot/agent-cli-skills`, and use `hubspot --help` to explore what's available.

3. Logga in på ditt HubSpot-konto när du blir ombedd att göra det.
4. Granska de begärda behörigheterna.
5. Klicka på Anslut app.

När autentiseringen är klar kan AI-agenten komma åt HubSpot-data utifrån dina behörigheter.

Använd ett av exempelkommandona nedan för att komma igång.

Exempel på användningsfall

Följande exempel visar hur olika team kan använda AI-agenter som är anslutna via HubSpot Agent CLI. Agenten är särskilt användbar för återkommande operativa uppgifter som kräver granskning av stora mängder CRM-data.

Marknadsföringsteam

Uppgift: identifiera kontakter som behöver uppföljning eller datarensning.

Exempel på kommando till AI-agenten: Varje måndag kl. 08.00, hitta kontakter som är högst relevanta men som inte har någon kopplad affär, ingen nyligen genomförd försäljningsaktivitet eller saknar viktiga kompletteringsfält, och skicka sedan en prioriterad rensningslista med förslag på nästa åtgärder till RevOps.

Ytterligare exempel inkluderar:

• Granska e-postkampanjer för ämnesrader och uppmaningar till handling (CTA) som inte överensstämmer med riktlinjerna för varumärkets tonfall.
• Identifiera meddelandemönster på högpresterande landningssidor som korrelerar med högre konverteringsgrader.
• Skapa en lista över kontakter som inte har öppnat e-postmeddelanden i en uppföljningssekvens för att återengagera dem.
• Spåra den aktuella pipelinestatusen för affärer som härrör från en webbinariakampanj.
• Identifiera mönster avseende bransch, företagsstorlek och leadkälla bland de mest lämpliga kunderna.
• Övervaka aktiva sekvenser och markera betydande nedgångar i e-postöppningsfrekvensen.

Försäljnings- och intäktsteam

Uppgift: övervaka pipeline-status och identifiera affärer som kräver uppmärksamhet.

Exempel på uppmaning till AI-agenten: Varje morgon kl. 07.00, kontrollera min pipeline för affärer som ska avslutas denna vecka och där det inte har skett någon aktivitet de senaste 5 dagarna, och skicka mig en sammanfattning.

Ytterligare exempel inkluderar:

• Hitta inaktiva affärer med högt värde som kräver uppföljning och granskning.
• Förbered ett kundmöte genom att sammanfatta affärens historik, support, e-post och anteckningar.
• Analysera affärer som har försenats för att identifiera de stadier i säljprocessen där affärsmöjligheterna har stått stilla längst.
• Skapa en daglig sammanfattning av affärer som närmar sig avslutningsdatum men där det saknas aktivitet på senare tid.

Försäljningschefer

Uppgift: analysera samtalsutskrifter för att identifiera teman för coaching och produktfeedback.

Exempel på uppmaning till AI-agenten: Analysera transkriptioner av senaste samtal med avseende på samtalstid, omnämnanden av konkurrenter, kundfeedback och teman som rör tveksamhet hos potentiella kunder, och skapa sedan en översikt för coaching och produktfeedback med exempel på transkriptioner och länkar till källsamtalen.

Ytterligare exempel inkluderar:

• Identifiera säljare eller team med ovanligt höga eller låga samtalstider.
• Hitta återkommande omnämnanden av konkurrenter i de senaste säljsamtalen.
• Sammanfatta teman som rör tveksamhet hos potentiella kunder per segment, affärsstadium eller produktområde.
• Hämta transkriptionsexempel som stöder teman för coaching eller produktfeedback.
• Skapa en översiktspanel som kopplar samman insikter från samtalen med källposterna och transkriptionerna.

RevOps- och CRM-administratörer

Uppgift: rensa upp CRM-egenskaper utan att påverka efterföljande tillgångar.

Exempel på uppmaning till AI-agenten: Hitta dubbla eller föråldrade CRM-egenskaper och visa var de används i arbetsflöden, rapporter och vyer. Förhandsgranska sedan en rensningsplan för att ersätta, ta bort eller ordna om fält innan ändringarna tillämpas.

Ytterligare exempel inkluderar:

• Identifiera dubbletter av egenskaper som samlar in samma information i olika objekt.
• Hitta föråldrade fält som fortfarande förekommer i arbetsflöden, rapporter, vyer eller postlayouter.
• Förhandsgranska effekten av att ta bort eller ersätta en CRM-egenskap innan ändringar genomförs.
• Ordna om fälten i posterna så att administratörer och säljare ser den viktigaste informationen först.
• Skapa en sammanfattning av rensningen som visar vad som har ändrats och vad som fortfarande behöver granskas.

Driftsteam

Uppgift: sammanfoga relaterade supportärenden och bevara rensningshistoriken.

Exempel på instruktion till AI-agenten: Sammanfoga dubbla supportärenden, bevara informationen från det ursprungliga ärendet, vidarebefordra varje överordnat ärende till rätt steg i pipelinen och skicka en sammanfattning av rensningen till teamet med alla poster som fortfarande behöver granskas.

Ytterligare exempel inkluderar:

• Hitta dubbla eller relaterade supportärenden för samma kund eller ärendetyp.
• Slå samman ärendets sammanhang till ett överordnat ärende samtidigt som källuppgifterna bevaras.
• Vidarebefordra sammanslagna ärenden till rätt steg i hanteringsflödet utifrån aktuell status.
• Markera ärenden som behöver granskas av en människa innan de sammanförs.
• Skicka en sammanfattning av rensningen med sammanslagna ärenden, öppna frågor och ansvariga för uppföljning.

Supportteam

Uppgift: granska kundhistoriken utan att manuellt behöva öppna flera poster.

Exempel på uppmaning till AI-agenten: Hämta de senaste 5 ärendena från denna kontakt, sammanfatta varje lösning och markera eventuella återkommande problemmönster.

Ytterligare exempel inkluderar:

• Granska den senaste ärendehistoriken och identifiera återkommande kundproblem innan ett nytt ärende öppnas.
• Prioritera ärenden som har överskridit förväntningarna på svarstid.
• Analysera faktureringsrelaterade ärenden för att identifiera de vanligaste orsakerna till att kunder kontaktar supporten.
• Förbered svar på ärenden med relevant historik om affärer, prenumerationer och eskaleringar.

Kundframgångsteam

Uppgift: förbered kontogranskningar med hjälp av information från flera HubSpot-verktyg.

Exempel på uppmaning till AI-agenten: För min kontogranskning den här veckan, sammanfatta öppna affärer, senaste supportaktivitet och senaste NPS-poäng för varje konto i min kundportfölj.

Ytterligare exempel inkluderar:

• Identifiera kundkonton med indikatorer på förhöjd risk för kundbortfall.
• Hitta förnyelsekontakter med lågt produktengagemang för proaktiv kontakt.
• Förbered kundgranskningar genom att sammanfatta den senaste aktiviteten inom försäljning, support och kundfeedback.
• Identifiera expansionsmöjligheter genom att jämföra tillväxttrender för konton med historisk affärsstorlek.

Håll kompetensbiblioteket uppdaterat

HubSpot Agent CLI Skills tillhandahåller fördefinierad vägledning som hjälper AI-agenter att arbeta med HubSpot-data och vanliga HubSpot-processer. Kompetensbiblioteket innehåller vägledning för CRM-sökningar, massåtgärder, datakvalitetsuppgifter, arbetsflöden, rapportering och andra operativa aktiviteter.

Du kan granska de färdigheter som kommer att installeras i det offentliga GitHub-arkivet.

För att uppdatera kompetensbiblioteket i ditt AI-agentarbetsutrymme kör du följande kommando:

npx skills update

Läs mer om hur du använder färdigheter i Claude och i OpenAI Codex.

Hantera åtkomst till HubSpot Agent CLI

Superadministratörer kan hantera vem som får ansluta HubSpot Agent CLI genom att anmäla sig till betaversionen av App Install Governance.

Om en användare inte har behörighet att ansluta HubSpot Agent CLI måste hen begära godkännande från en administratör innan anslutningen kan göras.

Läs mer om hur du hanterar vilka appar som kan installeras i ditt HubSpot-konto.