AI导哈

HubSpot CRM AI交互服务器

一个模型上下文协议（MCP）服务器，使AI助手能够与HubSpot CRM数据进行交互，提供直接访问联系人、公司和参与数据的功能，内置向量存储和缓存机制以提高响应速度。

  • by baryhuang
  • Python
  • 本地部署
  • 131 星标
  • 更新于
在 GitHub 查看 baryhuang/mcp-hubspot

使用说明

HubSpot MCP服务器

概述

模型上下文协议（MCP）服务器，使AI助手能够与HubSpot CRM数据进行交互。该服务器将AI模型与您的HubSpot帐户连接起来，提供对联系人、公司和参与数据的直接访问。内置向量存储和缓存机制有助于克服HubSpot API的限制，同时提高响应时间。

我们的实现优先考虑最常用、高价值的HubSpot操作，并具有强大的错误处理和API稳定性。每个组件都针对人工智能友好的交互进行了优化，即使在复杂的多步骤CRM工作流程中也能确保可靠的性能。

为什么选择MCP HubSpot？

  • 直接CRM访问：将Claude和其他人工智能助手连接到您的HubSpot数据，无需中间步骤
  • 上下文保留：使用FAISS的矢量存储可以跨以前的交互进行语义搜索
  • 零配置：使用最少的设置进行简单的Docker部署

示例提示

Create HubSpot contacts and companies from this LinkedIn profile:
[Paste LinkedIn profile text]

What's happening lately with my pipeline?

可用工具

该服务器提供用于HubSpot管理和数据检索的工具：

工具 目的
hubspot_create_contact 创建具有防重复功能的联系人
hubspot_create_company 创建具有防重复功能的公司
hubspot_get_company_activity 检索特定公司的活动
hubspot_get_active_companies 检索最近活跃的公司
hubspot_get_active_contacts 检索最近活跃的联系人
hubspot_get_recent_conversations 检索最近包含消息的对话线程
hubspot_search_data 对以前检索到的HubSpot数据进行语义搜索

性能特点

  • 矢量存储器：利用FAISS进行高效的语义搜索和检索
  • 线程级别索引：单独存储每个对话线程以进行精确检索
  • 嵌入缓存：使用具有自动缓存功能的SentenceTransformer
  • 永久存储：数据在可配置存储目录中的会话之间持续存在
  • 多平台支持：针对各种架构优化了Docker镜像

设置

先决条件

您需要一个具有以下作用域的HubSpot访问令牌：

  • crm.objects.contacts（读/写）
  • crm.objects.com公司（读/写）
  • 销售电子邮件已阅读

快速开始

# Install via Smithery (recommended)
npx -y @smithery/cli@latest install mcp-hubspot --client claude

# Or pull Docker image directly
docker run -e HUBSPOT_ACCESS_TOKEN=your_token buryhuang/mcp-hubspot:latest

Docker配置

对于Claude桌面中的手动配置：

{
  "mcpServers": {
    "hubspot": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "HUBSPOT_ACCESS_TOKEN=your_token",
        "-v", "/path/to/storage:/storage",  # Optional persistent storage
        "buryhuang/mcp-hubspot:latest"
      ]
    }
  }
}

构建Docker镜像

要在本地构建Docker镜像：

git clone https://github.com/buryhuang/mcp-hubspot.git
cd mcp-hubspot
docker build -t mcp-hubspot .

对于多平台构建：

docker buildx create --use
docker buildx build --platform linux/amd64,linux/arm64 -t buryhuang/mcp-hubspot:latest --push .

发展

pip install -e .

许可证

MIT许可证

相关 MCP