HubSpot MCP-serverintegration

Vad gör “HubSpot” MCP-servern?

HubSpot MCP-servern (Model Context Protocol) är utformad för att möjliggöra att AI-assistenter kan interagera direkt med HubSpot CRM-data. Genom att fungera som en brygga mellan AI-modeller och ditt HubSpot-konto gör denna server det enkelt att komma åt kontakter, företag och engagemangsdata. Den innehåller inbyggd vektorlagring (med FAISS) för semantisk sökning och cachemekanismer som hjälper till att kringgå HubSpots API-begränsningar, vilket säkerställer snabbare och mer tillförlitliga svar. Fokus ligger på högt värderade, ofta använda CRM-operationer, med robust felhantering och AI-vänlig optimering. Detta gör komplexa, flerstegade CRM-flöden mer effektiva och stärker AI-utvecklingsarbetsflöden genom att ge direkt, kontext-rik åtkomst till affärsdata.

Lista över prompts

• (Inga uttryckliga promptmallar hittades i källkoden. Avsnittet “Example Prompts” i README innehåller endast användarexempel, inte återanvändbara mallar.)

Redo att växa ditt företag?

Starta din kostnadsfria provperiod idag och se resultat inom några dagar.

Begär demo Logga in

Lista över resurser

(Inga uttryckliga resurser beskrivs i källkoden eller dokumentationen. Inga MCP-resursprimitiver listas.)

Lista över verktyg

• hubspot_create_contact
  Skapa HubSpot-kontakter med dubbleringsskydd.

• hubspot_create_company
  Skapa HubSpot-företag med dubbleringsskydd.

• hubspot_get_company_activity
  Hämta aktivitet för specifika företag.

• hubspot_get_active_companies
  Hämta de mest nyligen aktiva företagen.

• hubspot_get_active_contacts
  Hämta de mest nyligen aktiva kontakterna.

• hubspot_get_recent_conversations
  Hämta senaste konversationstrådarna med meddelanden.

• hubspot_search_data
  Semantisk sökning i tidigare hämtad HubSpot-data.

Gå med i vårt nyhetsbrev

Få de senaste tipsen, trenderna och erbjudandena gratis.

E-postadress

Prenumerera

Användningsområden för denna MCP-server

• Automatiserat skapande av kontakter
  Gör det möjligt för AI-assistenter att skapa nya kontakter i HubSpot direkt från konversationer, e-post eller LinkedIn-profiler, vilket förenklar inmatning av leads och minskar manuellt arbete.

• Företagsdatahantering
  Förenkla processen att skapa och uppdatera företagsprofiler i HubSpot via AI-styrda arbetsflöden, så att CRM-poster är korrekta och uppdaterade.

• Aktivitets- och engagemangsövervakning
  Hämta senaste aktiviteter för företag och kontakter, så att säljteam och AI-agenter kan följa engagemangstrender och följa upp mer effektivt.

• Konversationsanalys
  Kom åt och analysera de senaste konversationstrådarna, så att AI kan sammanfatta interaktioner eller identifiera uppföljningsmöjligheter.

• Semantisk CRM-sökning
  Använd inbyggd vektorlagring för att genomföra semantiska sökningar i HubSpot-data, så att AI lätt hittar relevant information i tidigare interaktioner och CRM-poster.

Så här sätter du upp det

Windsurf

1. Se till att du har Docker installerat.
2. Skaffa din HubSpot access token med nödvändiga behörigheter.
3. I Windsurf-konfigurationen, lokalisera avsnittet för MCP-servrar.
4. Lägg till HubSpot MCP-servern med följande JSON-exempel:

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

5. Spara din konfiguration och starta om Windsurf.
6. Verifiera installationen genom att fråga din HubSpot-data via Windsurf.

Claude

1. Installera Node.js om det inte redan finns.
2. Skaffa din HubSpot access token.
3. Redigera Claude-konfigurationen för att inkludera MCP-servern.
4. Lägg in HubSpot MCP-servern med:

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

5. Spara och starta om Claude.
6. Bekräfta att MCP-servern är listad och svarar.

Cursor

1. Installera Docker och Node.js.
2. Skaffa HubSpot access token.
3. Öppna Cursors konfigurationsfil.
4. Lägg till detta under mcpServers:

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

5. Spara ändringar och starta om Cursor.

Cline

1. Kontrollera att Docker är installerat.
2. Skaffa HubSpot access token.
3. I din Cline-miljö, öppna relevant konfigurationsfil.
4. Lägg till:

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

5. Spara och starta om Cline.

Säkra API-nycklar
Det är bästa praxis att säkra din HubSpot access token med miljövariabler istället för att hårdkoda värden. Exempel:

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

Så använder du MCP i flöden

Använd MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I avsnittet för systemets MCP-konfiguration, klistra in dina MCP-serverdetaljer med detta JSON-format:

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

När du har konfigurerat är AI-agenten nu redo att använda MCP-servern som ett verktyg med tillgång till alla dess funktioner. Kom ihåg att byta ut “hubspot” mot det faktiska namnet på din MCP-server (t.ex. “github-mcp”, “weather-api” etc.) och ersätt URL:en med din egen MCP-serveradress.

Översikt

Mitt samlade omdöme om HubSpot MCP-servern är:
Servern är robust vad gäller verktyg och dokumentation för installation, men avsaknaden av uttryckliga promptmallar och MCP-resursprimitiver begränsar dess flexibilitet för avancerade AI-arbetsflöden. Sampling- och roots-stöd nämns inte. Den passar praktisk CRM-användning, men skulle må bra av bredare MCP-funktionalitet.

MCP-poäng

MCP-tabellbetyg: 7/10