
Metoro MCP Server-integration
Metoro MCP Server fungerar som en brygga mellan AI-agenter och externa datakällor, API:er och tjänster, vilket gör det möjligt för FlowHunt-användare att automa...
Integrera realtidsanalys för sociala medier och automatiserad schemaläggning i dina AI-flöden med Metricool MCP-server—din allt-i-ett-brygga till smartare, datadriven marknadsföring.
Metricool MCP-servern är en Model Context Protocol (MCP)-server utformad för att interagera med Metricool API, vilket gör det möjligt för AI-agenter att komma åt, hämta och analysera sociala mediemått och kampanjdata från en användares Metricool-konto. Genom att fungera som en brygga mellan AI-assistenter och Metricool-plattformen ger denna server utvecklare och agenter möjlighet att automatisera extrahering av handlingsbara insikter, hantera och schemalägga inlägg på sociala medier samt övervaka annonsresultat över flera nätverk. Dess verktygssvit stödjer uppgifter som att hämta analys för inlägg och kampanjer, schemalägga innehåll och benchmarka mot konkurrenter, vilket underlättar effektivare och mer datadrivna arbetsflöden för sociala medieansvariga, marknadsförare och utvecklare.
Ingen information om promptmallar hittades i arkivet.
Inga explicita MCP-resurser är dokumenterade i arkivet.
get_brands(state: str)
Hämtar listan över varumärken som är kopplade till ditt Metricool-konto.
get_instagram_reels(init_date: str, end_date: str, blog_id: int)
Hämtar Instagram Reels-data för ett givet varumärke och datumintervall.
get_instagram_posts(init_date: str, end_date: str, blog_id: int)
Hämtar Instagram-inläggsdata för ett specificerat varumärke och datumintervall.
get_instagram_stories(init_date: str, end_date: str, blog_id: int)
Hämtar Instagram Stories inom ett datumintervall för ett specifikt varumärke.
get_tiktok_videos(init_date: str, end_date: str, blog_id: int)
Hämtar TikTok-videor för det valda varumärket och perioden.
get_facebook_reels(init_date: str, end_date: str, blog_id: int)
Hämtar Facebook Reels från ett Metricool-varumärkeskonto.
get_facebook_posts(init_date: str, end_date: str, blog_id: int)
Hämtar Facebook-inlägg för ett visst varumärkeskonto och datumintervall.
get_facebook_stories(init_date: str, end_date: str, blog_id: int)
Hämtar Facebook Stories från ett varumärkeskonto.
get_thread_posts(init_date: str, end_date: str, blog_id: int)
Hämtar Threads-inlägg från varumärkeskontot.
get_x_posts(init_date: str, end_date: str, blog_id: int)
Hämtar X (Twitter)-inlägg för ett varumärke och tidsperiod.
get_bluesky_posts(init_date: str, end_date: str, blog_id: int)
Hämtar Bluesky-inlägg för varumärket.
get_linkedin_posts(init_date: str, end_date: str, blog_id: int)
Hämtar LinkedIn-inlägg från varumärkeskontot.
get_pinterest_pins(init_date: str, end_date: str, blog_id: int)
Hämtar Pinterest Pins för ett varumärke.
get_youtube_videos(init_date: str, end_date: str, blog_id: int)
Hämtar YouTube-videor som publicerats av varumärket.
get_twitch_videos(init_date: str, end_date: str, blog_id: int)
Hämtar Twitch-videor från varumärkeskontot.
get_facebookads_campaigns(init_date: str, end_date: str, blog_id: int)
Hämtar Facebook Ads-kampanjdata.
get_googleads_campaigns(init_date: str, end_date: str, blog_id: int)
Hämtar Google Ads-kampanjer för varumärket.
get_tiktokads_campaigns(init_date: str, end_date: str, blog_id: int)
Hämtar TikTok Ads-kampanjer från varumärkeskontot.
get_network_competitors
Hämtar listan över konkurrenter (över Instagram, Facebook, X, Bluesky, YouTube och Twitch).
post_schedule_post
Schemalägger ett eller flera inlägg för varumärket/varumärken i Metricool.
get_scheduled_posts
Hämtar schemalagda inlägg från Metricool-kontot.
get_best_time_to_post
Bestämmer den bästa tiden att publicera innehåll i sociala medier.
Automatisering av sociala medieanalyser
Utvecklare kan automatisera hämtning och analys av mått över plattformar (Instagram, Facebook, X etc.), vilket möjliggör realtidsdashboards och anpassad rapportering för sociala team.
Schemaläggning av innehåll
AI-agenter kan schemalägga inlägg eller multiposts för olika varumärken, vilket förbättrar arbetsflödeseffektiviteten och säkerställer snabb publicering utan manuell inblandning.
Konkurrentbenchmarking
Genom att få tillgång till konkurrentdata kan utvecklare och marknadsförare jämföra prestanda över nätverk och justera strategier därefter.
Övervakning av annonskampanjer
Hämtning av mått från Facebook-, Google- och TikTok-annonskampanjer möjliggör prestationsspårning, budgetoptimering och ROI-analys inom anpassade appar eller dashboards.
Upptäckt av optimal tid för publicering
Genom att använda analys för att fastställa bästa tidpunkten för inlägg på specifika kanaler kan AI-agenter ge råd om eller automatisera optimal schemaläggning för högre engagemang.
Inga instruktioner hittades för 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-nycklar anges via miljövariabler i "env"
-sektionen som visas ovan, vilket säkerställer att känslig information inte hårdkodas.
Inga instruktioner hittades för Cursor.
Inga instruktioner hittades för Cline.
Använda 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 systemets MCP-konfigurationsavsnitt infogar du dina MCP-serverdetaljer med detta JSON-format:
{
"mcp-metricool": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
När den är konfigurerad kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att ändra "mcp-metricool"
till ditt faktiska servernamn och uppdatera URL:en därefter.
Avsnitt | Tillgänglighet | Detaljer/Noteringar |
---|---|---|
Översikt | ✅ | Översikt och roll tillhandahållen |
Lista över promptar | ⛔ | Inga promptmallar hittades |
Lista över resurser | ⛔ | Inga explicita resurser listade |
Lista över verktyg | ✅ | Detaljerad lista med verktyg/funktioner tillgänglig |
Skydda API-nycklar | ✅ | Metod med miljövariabler visas i konfigurationen |
Samplingstöd (mindre viktigt vid utvärdering) | ⛔ | Ingen indikation på samplingstöd i arkivet |
Metricool MCP erbjuder en robust uppsättning verktyg för sociala medieanalyser och hantering, med tydliga installationsinstruktioner för Claude Desktop och stark nytta för marknadsförare och utvecklare. Dock begränsar avsaknaden av dokumenterade promptmallar, resurser och bredare klientinstallationsinstruktioner (för Windsurf, Cursor, etc.) dess mångsidighet direkt ur kartongen. Sampling- och Roots-stöd nämns inte.
Betyg: 6/10
Har en LICENSE | ✅ (Apache-2.0) |
---|---|
Har minst ett verktyg | ✅ |
Antal forkar | 7 |
Antal stjärnor | 10 |
Metricool MCP-servern är en Model Context Protocol-server som ansluter FlowHunt AI-agenter till Metricool API, vilket möjliggör automatiserad åtkomst till sociala mediemått, kampanjanalys, innehållsschemaläggning och konkurrentbenchmarking över flera plattformar.
Stödda plattformar inkluderar Instagram, Facebook, X (Twitter), TikTok, LinkedIn, Pinterest, Bluesky, YouTube och Twitch, med analys- och schemaläggningsverktyg för inlägg, reels, stories, annonser och mer.
Vanliga användningsområden inkluderar realtidsanalys av sociala medier, massschemaläggning av innehåll, konkurrentbenchmarking, övervakning av annonskampanjers prestanda och att upptäcka optimala tidpunkter för inlägg—all automatiserat inom AI-arbetsflöden.
API-nycklar och användar-ID ställs in säkert som miljövariabler i MCP-serverns konfiguration, vilket säkerställer att känslig information aldrig hårdkodas eller exponeras i ditt projekt.
För närvarande är endast installationsinstruktioner för Claude Desktop dokumenterade. Stöd för Windsurf, Cursor och Cline är inte uttryckligen beskrivet, men manuell konfiguration kan vara möjlig genom liknande steg.
Automatisera analys, schemaläggning och prestationsövervakning över plattformar—ställ in Metricool MCP-servern i FlowHunt idag.
Metoro MCP Server fungerar som en brygga mellan AI-agenter och externa datakällor, API:er och tjänster, vilket gör det möjligt för FlowHunt-användare att automa...
JMeter MCP-servern bygger en bro mellan Apache JMeter och AI-drivna arbetsflöden, vilket möjliggör automatiserad prestandatestning, analys och sömlös integratio...
VictoriaMetrics MCP-server kopplar samman AI-assistenter med tidsseriedatabasen VictoriaMetrics och möjliggör smidig frågeställning, hantering och integrering a...