项目简介
Salesforce智能销售助手MCP服务器是一款基于Model Context Protocol (MCP) 构建的应用后端,旨在将人工智能模型与Salesforce的销售数据深度整合。它通过标准化的接口,为AI模型提供了访问、操作Salesforce数据以及执行复杂分析的能力,从而实现智能化的销售机会管理、客户互动分析和策略建议。
主要功能点
- 智能搜索与CRUD操作: 支持通过自然语言搜索Salesforce中的销售机会,并提供创建、读取、更新、删除(CRUD)等标准操作,包括对自定义字段的支持。
- 销售机会智能分析: 深度分析销售机会,提供市场情报、行业洞察及基于类似成功案例的战略建议。
- 对话与客户互动分析: 分析Salesforce中的通话、邮件及其他活动,提取客户互动模式和参与度洞察,并提供再参与建议。
- 业务案例自动生成: 能够为特定销售机会自动生成专业的业务案例文档,可导出为PDF、Word或Markdown格式。
- 管道健康与性能洞察: 提供销售管道的健康状况、转换率、销售人员绩效和行业趋势的详细分析。
- 模式识别与相似机会查找: 识别类似销售机会的成功模式,帮助AI模型进行预测和策略制定。
安装步骤
本MCP服务器可以使用npm(Node.js包管理器)进行本地安装,也可以通过Docker容器部署。
1. 本地安装 a. 克隆仓库到本地:
bash git clone https://github.com/aaronsb/salesforce-cloud.git cd salesforce-cloud bash npm install bash npm run build 2. Docker安装 a. 拉取最新Docker镜像:
bash docker pull ghcr.io/aaronsb/salesforce-cloud:latest bash docker run -d \ -e SF_CLIENT_ID=你的Salesforce客户端ID \ -e SF_CLIENT_SECRET=你的Salesforce客户端密钥 \ -e SF_USERNAME=你的Salesforce用户名 \ -e SF_PASSWORD=你的Salesforce密码 \ -e SF_LOGIN_URL=https://login.salesforce.com \ ghcr.io/aaronsb/salesforce-cloud:latest 提示:你的Salesforce客户端ID、密钥、用户名和密码需要从Salesforce后台的“设置”->“应用管理器”中创建“连接的应用程序”获取。
服务器配置
要让MCP客户端(如Claude桌面应用)与此服务器通信,您需要在MCP客户端的配置文件中添加以下JSON配置。对于Linux系统,配置文件通常位于 '~/.config/Claude/claude_desktop_config.json';macOS系统位于 '~/Library/Application Support/Claude/claude_desktop_config.json'。
请将以下JSON片段添加到 'mcpServers' 对象中:
{ "mcpServers": { "salesforce-cloud": { "command": "node", "args": ["/path/to/salesforce-cloud/build/index.js"], "env": { "SF_CLIENT_ID": "请替换为你的Salesforce OAuth客户端ID", "SF_CLIENT_SECRET": "请替换为你的Salesforce OAuth客户端密钥", "SF_USERNAME": "请替换为你的Salesforce用户名", "SF_PASSWORD": "请替换为你的Salesforce密码", "SF_LOGIN_URL": "可选,Salesforce登录URL,默认为 https://login.salesforce.com" } } } }
- 'server name': 'salesforce-cloud' 是该MCP服务器的唯一标识符。
- 'command': 启动此MCP服务器的命令。
- 'args': 启动命令的参数,指向服务器的入口文件。
- 'env': 环境变量,包含与Salesforce连接所需的凭据。
基本使用方法
一旦MCP服务器成功配置并运行,您的AI助手或LLM客户端即可通过MCP协议调用服务器提供的各种工具。AI助手会根据用户的自然语言指令,智能地选择并执行相应的Salesforce工具。
示例:AI助手与Salesforce MCP服务器交互
-
查询销售机会:
- 用户说:"查找所有超过$10万且处于提案阶段的微软交易。"
- AI助手做:调用 'search_opportunities' 工具,传入 'accountNamePattern: "Microsoft"', 'minAmount: 100000', 'stage: "Proposal"' 等参数。
- 服务器返回:符合条件的销售机会列表。
-
分析客户对话:
- 用户说:"分析一下Acme交易的参与度如何?我们是否与正确的人进行了沟通?"
- AI助手做:调用 'analyze_conversation' 工具,传入 'opportunityId: "Acme交易ID"'。
- 服务器返回:分析结果,包括活动总数、邮件往来、上次活动日期、关键联系人及互动趋势等。
-
生成业务案例:
- 用户说:"为这个机会生成一份业务案例文档。"
- AI助手做:调用 'generate_business_case' 工具,传入 'opportunityId: "机会ID"', 'outputFormat: "pdf"'。
- 服务器返回:生成业务案例所需的详细步骤和数据整合指南,AI助手可以进一步利用 'mcp__texflow__document' 等工具完成文档创建。
通过这些工具,AI助手能够直接与您的Salesforce数据进行交互,提供实时、智能的销售支持和决策辅助。
信息
分类
商业系统