Hunter MCP服务器集成

“Hunter” MCP服务器的作用是什么？

Hunter MCP服务器为Hunter API与任何支持模型上下文协议（MCP）的LLM提供商（如桌面版Claude）之间提供集成。该服务器使AI助手能够通过自然语言访问、查询和处理Hunter平台上的有关人员和公司的B2B数据。通过将Hunter的强大API端点作为工具暴露出来，服务器简化了域名信息搜索、邮箱查找和验证、公司数据丰富以及线索管理等工作流程。这种深度集成让开发者和商务人士能够自动化线索生成和丰富任务，使AI代理能够无缝与外部B2B数据集交互，从而提升生产力并加速业务发展流程。

提示词列表

仓库或文档中未明确提及提示词模板。

资源列表

仓库或文档中未列出具体的MCP资源。

工具列表

• 域名搜索
  可搜索与特定域名相关的邮箱地址。
• 邮箱查找
  查找给定人员和域名最可能的邮箱地址。
• 邮箱验证
  验证邮箱地址的有效性和可投递性。
• 邮箱丰富
  获取有关给定邮箱地址的更多数据。
• 公司丰富
  提供特定公司的详细信息。
• 线索创建
  允许在Hunter中将联系人和公司保存为线索。

此MCP服务器的应用场景

• 域名研究与线索生成
  通过搜索域名并识别关键人员，自动发现公司联系人和邮箱，用于销售和外联活动。
• 活动邮箱验证
  在启动营销或销售外联前验证邮箱地址，以降低退信率并提升送达率。
• 联系人与公司信息丰富
  收集公司和个人的详细信息，为CRM系统构建更全面的客户档案。
• 自动化线索管理
  通过对话式AI界面无缝将新线索添加到Hunter平台，简化销售流程。
• B2B数据集成
  将最新的B2B数据集成到自定义应用或AI代理中，助力实时决策和个性化。

安装与配置方法

Windsurf

1. 确保已安装Python 3.13+和uv 。
2. 获取Hunter的API密钥 。
3. 编辑或新建Windsurf的配置文件。
4. 使用如下JSON片段添加Hunter MCP服务器：

   {
     "mcpServers": {
       "hunter-mcp": {
         "command": "uv",
         "args": [
           "run",
           "--with",
           "mcp[cli]",
           "mcp",
           "run",
           "PATH_TO_hunter-mcp/main.py"
         ],
         "env": {
           "HUNTER_API_KEY": "YOUR_HUNTER_API_KEY"
         }
       }
     }
   }
   

5. 保存配置并重启Windsurf。
6. 验证服务器是否正常运行并可访问。

Claude

1. 确保已安装Python 3.13+和uv 。
2. 获取您的Hunter API密钥。
3. 在终端运行以下命令：

   mcp install main.py -v HUNTER_API_KEY=YOUR_HUNTER_API_KEY
   

4. 配置Claude连接到新MCP服务器。
5. 通过Claude调用Hunter工具测试访问。

Cursor

1. 安装Python 3.13+和uv 。
2. 获取您的Hunter API密钥。
3. 在Cursor设置中找到MCP配置。
4. 按如下方式添加Hunter MCP服务器：

   {
     "mcpServers": {
       "hunter-mcp": {
         "command": "uv",
         "args": [
           "run",
           "--with",
           "mcp[cli]",
           "mcp",
           "run",
           "PATH_TO_hunter-mcp/main.py"
         ],
         "env": {
           "HUNTER_API_KEY": "YOUR_HUNTER_API_KEY"
         }
       }
     }
   }
   

5. 保存并重启Cursor以启用服务器。

Cline

1. 确保已安装Python 3.13+和uv 。
2. 获取您的Hunter API密钥。
3. 编辑Cline的MCP配置文件。
4. 插入如下片段：

   {
     "mcpServers": {
       "hunter-mcp": {
         "command": "uv",
         "args": [
           "run",
           "--with",
           "mcp[cli]",
           "mcp",
           "run",
           "PATH_TO_hunter-mcp/main.py"
         ],
         "env": {
           "HUNTER_API_KEY": "YOUR_HUNTER_API_KEY"
         }
       }
     }
   }
   

5. 保存并重启Cline。

API密钥安全存储

请始终通过环境变量存储敏感API密钥，避免在配置文件中明文书写。例如：

{
  "mcpServers": {
    "hunter-mcp": {
      "env": {
        "HUNTER_API_KEY": "${HUNTER_API_KEY}"
      },
      "inputs": {
        "HUNTER_API_KEY": "your-api-key"
      }
    }
  }
}

在流程中使用此MCP

在FlowHunt中使用MCP

要在FlowHunt工作流中集成MCP服务器，首先将MCP组件添加到流程中，并将其连接到您的AI代理：

点击MCP组件打开配置面板。在系统MCP配置部分，使用如下JSON格式输入您的MCP服务器信息：

{
  "hunter-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI代理即可作为工具使用此MCP并访问其全部功能。请注意将“hunter-mcp”替换为您的MCP服务器实际名称，并将URL替换为您自己的MCP服务器URL。

概览

我们的看法

该MCP服务器为Hunter API带来了良好的集成，使B2B数据和线索管理可被LLM工具访问。但目前缺乏文档化的提示词模板和资源原语，也未提及高级MCP特性如roots或采样。代码为开源且采用宽松许可，但项目仍处于早期阶段，社区活跃度一般。总体而言，非常适合需要MCP兼容的Hunter API用户，但仍可通过更多文档和MCP特性支持来提升。

MCP评分