
Metoro MCP Server-integration
Metoro MCP Server forbinder AI-agenter med eksterne datakilder, API'er og tjenester, hvilket gør det muligt for FlowHunt-brugere at automatisere arbejdsgange, s...
Integrér realtidsanalyse af sociale medier og automatiseret planlægning i dine AI-flows med Metricool MCP Server—din alt-i-en bro til smartere, datadrevet marketing.
Metricool MCP Server er en Model Context Protocol (MCP) server designet til at interagere med Metricool API’et, hvilket gør det muligt for AI-agenter at tilgå, hente og analysere sociale mediemålinger og kampagnedata fra en brugers Metricool-konto. Ved at fungere som en bro mellem AI-assistenter og Metricool-platformen, gør denne server det muligt for udviklere og agenter at automatisere udtrækning af handlingsorienterede indsigter, administrere og planlægge opslag på sociale medier samt overvåge annoncepræstationer på tværs af flere netværk. Dens værktøjssuite understøtter opgaver som indhentning af analyser for opslag og kampagner, planlægning af indhold og benchmarking mod konkurrenter, hvilket muliggør mere effektive og datadrevne workflows for sociale mediechefer, marketingfolk og udviklere.
Ingen information om prompt-skabeloner blev fundet i repoet.
Ingen eksplicitte MCP-ressourcer er dokumenteret i repoet.
get_brands(state: str)
Henter listen over brands tilknyttet din Metricool-konto.
get_instagram_reels(init_date: str, end_date: str, blog_id: int)
Henter Instagram Reels-data for et givent brand og datointerval.
get_instagram_posts(init_date: str, end_date: str, blog_id: int)
Henter Instagram-opslagsdata for et specificeret brand og datointerval.
get_instagram_stories(init_date: str, end_date: str, blog_id: int)
Henter Instagram Stories inden for et datointerval for et specifikt brand.
get_tiktok_videos(init_date: str, end_date: str, blog_id: int)
Henter TikTok-videoer for det valgte brand og periode.
get_facebook_reels(init_date: str, end_date: str, blog_id: int)
Henter Facebook Reels fra en Metricool brandkonto.
get_facebook_posts(init_date: str, end_date: str, blog_id: int)
Henter Facebook-opslag for en bestemt brandkonto og datointerval.
get_facebook_stories(init_date: str, end_date: str, blog_id: int)
Henter Facebook Stories fra en brandkonto.
get_thread_posts(init_date: str, end_date: str, blog_id: int)
Henter Threads-opslag fra brandkontoen.
get_x_posts(init_date: str, end_date: str, blog_id: int)
Henter X (Twitter)-opslag for et brand og tidsinterval.
get_bluesky_posts(init_date: str, end_date: str, blog_id: int)
Henter Bluesky-opslag for brandet.
get_linkedin_posts(init_date: str, end_date: str, blog_id: int)
Henter LinkedIn-opslag fra brandkontoen.
get_pinterest_pins(init_date: str, end_date: str, blog_id: int)
Henter Pinterest Pins for et brand.
get_youtube_videos(init_date: str, end_date: str, blog_id: int)
Henter YouTube-videoer udgivet af brandet.
get_twitch_videos(init_date: str, end_date: str, blog_id: int)
Henter Twitch-videoer fra brandkontoen.
get_facebookads_campaigns(init_date: str, end_date: str, blog_id: int)
Henter Facebook Ads-kampagnedata.
get_googleads_campaigns(init_date: str, end_date: str, blog_id: int)
Henter Google Ads-kampagner for brandet.
get_tiktokads_campaigns(init_date: str, end_date: str, blog_id: int)
Henter TikTok Ads-kampagner fra brandkontoen.
get_network_competitors
Henter listen over konkurrenter (på tværs af Instagram, Facebook, X, Bluesky, YouTube og Twitch).
post_schedule_post
Planlægger et eller flere opslag for brand(s) i Metricool.
get_scheduled_posts
Henter planlagte opslag fra Metricool-kontoen.
get_best_time_to_post
Bestemmer det bedste tidspunkt at publicere indhold på sociale medier.
Automatisering af sociale medieanalyser
Udviklere kan automatisere hentning og analyse af målinger på tværs af platforme (Instagram, Facebook, X osv.), hvilket muliggør realtidsdashboards og skræddersyet rapportering for sociale teams.
Indholdsplanlægning
AI-agenter kan planlægge opslag eller multiopslag for forskellige brands, forbedre workflow-effektivitet og sikre rettidig publicering uden manuel indsats.
Konkurrentbenchmarking
Ved at tilgå konkurrentdata kan udviklere og marketingfolk sammenligne præstation på tværs af netværk og justere strategier derefter.
Overvågning af annoncekampagner
Udtræk af målinger fra Facebook-, Google- og TikTok-annoncekampagner muliggør præstationssporing, budgetoptimering og ROI-analyse i brugerdefinerede apps eller dashboards.
Opdagelse af optimale tidspunkter for opslag
Ved brug af analytics til at bestemme det bedste tidspunkt for opslag på specifikke kanaler kan AI-agenter rådgive om eller automatisere optimal planlægning for højere engagement.
Ingen instruktioner fundet for Windsurf.
~/Library/Application Support/Claude/claude_desktop_config.json
%APPDATA%/Claude/claude_desktop_config.json
{
"mcpServers": {
"mcp-metricool": {
"command": "uvx",
"args": [
"mcp-metricool"
],
"env": {
"METRICOOL_USER_TOKEN": "<METRICOOL_USER_TOKEN>",
"METRICOOL_USER_ID": "<METRICOOL_USER_ID>"
}
}
}
}
API-nøgler sættes via miljøvariabler i "env"
-sektionen som vist ovenfor, så følsomme oplysninger ikke hardcodes.
Ingen instruktioner fundet for Cursor.
Ingen instruktioner fundet for Cline.
Brug af MCP i FlowHunt
For at integrere MCP-servere i dit FlowHunt-workflow, start med at tilføje MCP-komponenten til dit flow og forbind den til din AI-agent:
Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsætter du dine MCP-serverdetaljer med følgende JSON-format:
{
"mcp-metricool": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Når konfigurationen er på plads, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre "mcp-metricool"
til dit faktiske servernavn og opdatere URL’en tilsvarende.
Sektion | Tilgængelighed | Detaljer/Noter |
---|---|---|
Oversigt | ✅ | Oversigt og rolle beskrevet |
Liste over Prompt-skabeloner | ⛔ | Ingen prompt-skabeloner fundet |
Liste over Ressourcer | ⛔ | Ingen eksplicitte ressourcer nævnt |
Liste over Værktøjer | ✅ | Detaljeret værktøjs-/funktionsliste tilgængelig |
Sikring af API-nøgler | ✅ | Metode med miljøvariabler vist i konfiguration |
Sampling Support (mindre vigtigt i vurdering) | ⛔ | Ingen tegn på sampling-support i repoet |
Metricool MCP tilbyder et robust sæt værktøjer til sociale medieanalyser og -styring, med klare opsætningsinstruktioner til Claude Desktop og stor nytte for marketingfolk og udviklere. Fraværet af dokumenterede prompt-skabeloner, ressourcer og bredere opsætningsvejledninger (for Windsurf, Cursor mv.) begrænser dog dens alsidighed ud af boksen. Sampling- og Roots-support nævnes ikke.
Bedømmelse: 6/10
Har en LICENS | ✅ (Apache-2.0) |
---|---|
Har mindst ét værktøj | ✅ |
Antal forks | 7 |
Antal stjerner | 10 |
Metricool MCP Server er en Model Context Protocol-server, der forbinder FlowHunt AI-agenter til Metricool API'et, hvilket muliggør automatiseret adgang til sociale mediemålinger, kampagneanalyser, indholdsplanlægning og konkurrentbenchmarking på tværs af flere platforme.
Understøttede platforme omfatter Instagram, Facebook, X (Twitter), TikTok, LinkedIn, Pinterest, Bluesky, YouTube og Twitch, med analyse- og planlægningsværktøjer til opslag, reels, stories, annoncer og mere.
Almindelige anvendelsestilfælde inkluderer realtids social analyse, masseplanlægning af indhold, konkurrentbenchmarking, overvågning af annoncekampagnepræstationer og opdagelse af optimale tidspunkter for opslag—alt sammen automatiseret i AI-workflows.
API-nøgler og bruger-ID'er sættes sikkert som miljøvariabler i MCP-serverkonfigurationen, hvilket sikrer, at følsomme oplysninger aldrig hardcodes eller blotlægges i dit projekt.
I øjeblikket er kun opsætningsinstruktioner for Claude Desktop dokumenteret. Support for Windsurf, Cursor og Cline er ikke eksplicit beskrevet, men manuel konfiguration kan være mulig ved at følge lignende trin.
Automatisér analyser, planlægning og præstationsovervågning på tværs af platforme—opsæt Metricool MCP Server i FlowHunt i dag.
Metoro MCP Server forbinder AI-agenter med eksterne datakilder, API'er og tjenester, hvilket gør det muligt for FlowHunt-brugere at automatisere arbejdsgange, s...
JMeter MCP Server forbinder Apache JMeter med AI-drevne workflows, så du kan automatisere performance tests, analyser og sømløs integration i udviklingspipeline...
VictoriaMetrics MCP Server forbinder AI-assistenter med VictoriaMetrics tidsseriedatabase og muliggør problemfri forespørgsler, administration og integration af...