Hvad gør “Salesforce” MCP Server?

Salesforce MCP (Model Context Protocol) Server fungerer som en connector, der gør det muligt for AI-assistenter og store sprogmodeller (LLM’er) at interagere direkte med Salesforce-data. Ved at udstille Salesforces omfattende API’er muliggør denne server udviklingsarbejdsgange såsom databaseforespørgsler med SOQL, søgning med SOSL, hentning af metadata, styring af poster og udførelse af tooling- eller REST API-anmodninger. Den forenkler integrationen mellem AI-klienter og Salesforce, så udviklere og AI-agenter kan automatisere forretningsprocesser, udtrække indsigter og styre Salesforce-ressourcer programmæssigt. Denne forbindelse øger produktiviteten ved at gøre Salesforces data og tjenester tilgængelige i enhver AI-drevet arbejdsgang.

Liste over Prompter

Ingen eksplicitte prompt-skabeloner er nævnt i repoet.

Liste over Ressourcer

Ingen specifikke MCP “ressourcer” er nævnt i den tilgængelige dokumentation.

Liste over Værktøjer

• SOQL Forespørgselseksekvering
  Giver LLM’er mulighed for at køre Salesforce Object Query Language (SOQL)-forespørgsler mod Salesforce-data.
• SOSL Søgeeksekvering
  Muliggør udførelse af Salesforce Object Search Language (SOSL)-søgninger efter tekst på tværs af flere objekter.
• Metadata-hentning
  Henter metadata relateret til Salesforce-objekter, såsom feltnavne, labels og typer.
• Poststyring
  Understøtter hentning, oprettelse, opdatering og sletning af Salesforce-poster.
• Tooling API-anmodningseksekvering
  Gør det muligt at udføre Salesforce Tooling API-anmodninger til avanceret udvikling og fejlfinding.
• Apex REST-anmodningseksekvering
  Giver mulighed for brug af brugerdefinerede Apex REST-endpoints eksponeret i Salesforce.
• Direkte REST API-kald
  Giver mulighed for at foretage direkte REST API-kald til Salesforce for brugerdefinerede integrationer.

Brugsscenarier for denne MCP Server

• Automatiseret Salesforce-databaseadministration
  Forespørg, opdater, opret og slet Salesforce-poster programmæssigt med LLM’er og effektivisér CRM-dataoperationer.
• Kodebaseudforskning for Salesforce-udviklere
  Hent objektmetadata og udforsk strukturen af Salesforce-objekter og felter, hvilket hjælper med hurtig udvikling og fejlfinding.
• API-integration og orkestrering
  Brug AI-agenter til at orkestrere Salesforce REST- og Tooling API-kald som en del af større automatiserings- eller arbejdsgangspipelines.
• Salesforce-datasøgning og -rapportering
  Udfør kraftfulde tekstsøgninger og strukturerede forespørgsler til analyse eller rapportering og få Salesforce-indsigter via naturligt sprog.
• Automatiseret test og overvågning
  Udnyt Tooling API og Apex REST-endpoints til at automatisere tests, overvåge systemets sundhed eller udløse brugerdefineret logik i Salesforce.

Sådan opsættes den

Windsurf

1. Sørg for, at uvx og MCP Salesforce connectoren er installeret.

2. Åbn din Windsurf-konfigurationsfil (f.eks. windsurf_config.json).

3. Tilføj Salesforce MCP Server under sektionen mcpServers:

   {
     "mcpServers": {
       "salesforce": {
         "command": "uvx",
         "args": [
           "--from",
           "mcp-salesforce-connector",
           "salesforce"
         ],
         "env": {
           "SALESFORCE_ACCESS_TOKEN": "SALESFORCE_ACCESS_TOKEN",
           "SALESFORCE_INSTANCE_URL": "SALESFORCE_INSTANCE_URL"
         }
       }
     }
   }
   

4. Gem konfigurationen og genstart Windsurf.

5. Verificér opsætningen ved at køre en test-Salesforce-forespørgsel.

Bemærk: Beskyt dine Salesforce-loginoplysninger med miljøvariabler som vist ovenfor.

Claude

1. Installer uvx, og sørg for at MCP Salesforce connectoren er tilgængelig.

2. Redigér claude_desktop_config.json.

3. Tilføj følgende under mcpServers:

   {
     "mcpServers": {
       "salesforce": {
         "command": "uvx",
         "args": [
           "--from",
           "mcp-salesforce-connector",
           "salesforce"
         ],
         "env": {
           "SALESFORCE_ACCESS_TOKEN": "SALESFORCE_ACCESS_TOKEN",
           "SALESFORCE_INSTANCE_URL": "SALESFORCE_INSTANCE_URL"
         }
       }
     }
   }
   

4. Gem ændringerne og genstart Claude.

5. Kør en SOQL-forespørgsel for at bekræfte, at serveren er forbundet.

Bemærk: Brug miljøvariabler til Salesforce-loginoplysninger som vist.

Cursor

1. Installer uvx og Salesforce MCP connectoren.

2. Gå ind i Cursor MCP-konfigurationsfilen.

3. Tilføj Salesforce-serveren under sektionen mcpServers:

   {
     "mcpServers": {
       "salesforce": {
         "command": "uvx",
         "args": [
           "--from",
           "mcp-salesforce-connector",
           "salesforce"
         ],
         "env": {
           "SALESFORCE_ACCESS_TOKEN": "SALESFORCE_ACCESS_TOKEN",
           "SALESFORCE_INSTANCE_URL": "SALESFORCE_INSTANCE_URL"
         }
       }
     }
   }
   

4. Gem og genstart Cursor.

5. Test med en eksempel-Salesforce-operation.

Bemærk: Beskyt API-nøgler med miljøvariabler som ovenfor.

Cline

1. Installer forudsætninger (uvx og connector-pakken).

2. Redigér Cline MCP-konfigurationsfilen.

3. Indsæt følgende konfiguration:

   {
     "mcpServers": {
       "salesforce": {
         "command": "uvx",
         "args": [
           "--from",
           "mcp-salesforce-connector",
           "salesforce"
         ],
         "env": {
           "SALESFORCE_ACCESS_TOKEN": "SALESFORCE_ACCESS_TOKEN",
           "SALESFORCE_INSTANCE_URL": "SALESFORCE_INSTANCE_URL"
         }
       }
     }
   }
   

4. Genstart Cline og sørg for, at serveren er aktiv.

5. Verificér med et grundlæggende Salesforce REST API-kald.

Bemærk: Beskyt altid loginoplysninger med miljøvariabler i “env”-sektionen.

Eksempel: Sikring af API-nøgler

{
  "mcpServers": {
    "salesforce": {
      "command": "uvx",
      "args": [
        "--from",
        "mcp-salesforce-connector",
        "salesforce"
      ],
      "env": {
        "SALESFORCE_ACCESS_TOKEN": "your-access-token-here",
        "SALESFORCE_INSTANCE_URL": "https://your-instance.salesforce.com"
      }
    }
  }
}

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt-arbejdsflow skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsættes dine MCP-serveroplysninger i dette JSON-format:

{
  "salesforce": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Når den er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og kapaciteter. Husk at ændre “salesforce” til navnet på din MCP-server og erstatte URL’en med din egen MCP-server-URL.

Oversigt

Baseret på ovenstående tabeller er Salesforce MCP Server veldokumenteret for opsætning og beskriver sine værktøjer grundigt, men mangler eksplicitte oplysninger om prompt-skabeloner, ressource-primitiver og sampling/roots-support. Dens udviklerfokus og klare autentificeringsopsætning gør den til et stærkt valg, selvom den ikke er fuldt udstyret i henhold til MCP-standarder.

MCP-score