Artefact MCP

Artefact收入情报MCP服务器

  

收入运营系统的AI原生界面。版本控制的GTM智能——信号、提交和闭环测量——可供任何AI代理访问。

一个模型上下文协议（MCP）服务器，将您的上市策略视为代码：版本化、差异化和可部署。检测流水线信号，识别缩放约束，分析价值引擎，起草结构化的GTM更改——所有这些都是通过人工智能原生工具调用完成的。建立在 人工合成配方 来自真实B2B咨询业务的方法论。

为什么选择Artefact MCP？

传统ICP模型仅限于紧致术。我们在三个维度上进行三角测量，以识别具有正确个人资料、正确行为和正确轨迹的潜在客户。

这是给谁的？

• B2B收入团队 使用HubSpot，想要人工智能信号检测和管道智能
• RevOps经理 需要从Claude或Cursor访问约束分析和价值引擎健康状况的人
• 顾问 向客户提供RFM分析、ICP评分和有证据支持的GTM建议
• 开发者 与MCP建立收入情报集成
• AI代理 需要一个结构化的界面来推理和提出对GTM战略的更改

工具

信号情报

detect_signals --管道信号检测

扫描Artefact信号分类中的所有6种信号类型的管道数据：速度异常、转换衰减、输赢模式、管道浓度、数据质量问题和SPICED频率信号。返回具有强度得分（0-1）、证据和建议操作的结构化信号对象。

identify_constraint --主导约束分析

确定4个规模限制（潜在客户开发、转化、交付、盈利能力）中的哪一个是收入的瓶颈。包括收入公式细分（流量x CR1 x CR2 x CR3 x ACV），以及与基准分析的差距和建议的重点。

analyze_engine --价值引擎健康状况

分析3个价值引擎的健康状况：增长（创造/捕获/转换需求）、履行（机载/交付/更新/扩展）和创新（收集/优先排序/构建/发布）。返回特定于引擎的指标、健康评分和集成信号检测。

propose_gtm_change --GTM承诺起草

使AI代理能够根据提交解剖结构提出结构化的GTM更改：意图、差异、影响面、风险水平、证据和测量计划。支持8种实体类型（ICP、角色、定位、管道阶段、退出标准、GTM动作、评分模型、剧本）。

分析工具

run_rfm --RFM分析

根据最近时间、频率和货币价值对客户进行评分。将他们分为11个类别（冠军到失败者），并从表现最佳的人中提取ICP模式。现在包括信号帧——检测输赢模式、收入集中度和有风险的客户信号。支持B2B服务、SaaS和制造预设。

qualify --ICP三角测量框架

在三个维度上对前景进行评分：Firmographic Fit（行业、收入、员工、地理）、Behavioral Fit（技术栈、参与度、购买历史）和Growth Signals（招聘、融资、扩张）。现在包括约束上下文——将前景拟合映射到您的主要缩放约束。根据参与策略，返回等级分类（理想/强/中/差）。

score_pipeline_health --管道健康评分

分析未结交易的速度指标、阶段间转换率、瓶颈识别和风险交易检测。现在支持可选的退出标准测试（每笔交易按标准通过/失败），并包括速度异常和转换下降的信号帧。返回0-100的健康评分。

资源

ICP三角测量的数据要求

⚠️ 重要提示： 这 qualify 该工具需要所有三个维度的特定数据：

✅ 本地HubSpot数据（Firmographic+部分行为）：

• Firmographic贴合度： 行业、收入、员工、地理位置——标准属性
• 行为适应性（部分）： 技术栈、内容参与、购买历史——自定义属性或工作流

⚠️ 需要外部富集（粘土、Clearbit或人工研究）：

• 增长信号（行为契合度——关键维度）： 招聘趋势、融资轮次、产品发布、扩张信号、媒体提及
• HubSpot本身不跟踪增长信号
• 没有增长信号： 你失去了三角测量的第三个维度——前景动量和购买力指标

请参阅完整指南： 让你的AI助手阅读 methodology://data-requirements 了解完整的设置说明和Clay集成工作流程。

快速开始

通过PyPI安装

pip install artefact-mcp

通过Smithery安装

npx @smithery/cli install artefact-revenue-intelligence

克劳德代码

claude mcp add artefact-revenue -- uvx artefact-mcp

然后问：

• “你在我的管道中检测到了什么信号？”
• “我们的主要缩放约束是什么？”
• “分析我们增长引擎的健康状况”
• “提议GTM变更：将ICP缩小到拥有50-200名员工的SaaS公司”
• “对我们的HubSpot数据进行RFM分析”
• “确定这一前景：SaaS公司，收入500万美元，安大略省有80名员工”
• “通过退出标准测试对我们的管道健康状况进行评分”

克劳德桌面

增添 claude_desktop_config.json:

推荐（Python方法）：

{
  "mcpServers": {
    "artefact-revenue": {
      "command": "python3",
      "args": ["-m", "artefact_mcp"],
      "env": {
        "HUBSPOT_API_KEY": "pat-na1-xxxxxxxx"
      }
    }
  }
}

备选方案（uvx法）：

{
  "mcpServers": {
    "artefact-revenue": {
      "command": "uvx",
      "args": ["artefact-mcp"],
      "env": {
        "HUBSPOT_API_KEY": "pat-na1-xxxxxxxx"
      }
    }
  }
}

*注意：如果使用uvx并看到“服务器断开连接”错误，请参阅 故障排除 下面的部分。*

光标

增添 .cursor/mcp.json:

推荐（Python方法）：

{
  "mcpServers": {
    "artefact-revenue": {
      "command": "python3",
      "args": ["-m", "artefact_mcp"],
      "env": {
        "HUBSPOT_API_KEY": "pat-na1-xxxxxxxx"
      }
    }
  }
}

备选方案（uvx法）：

{
  "mcpServers": {
    "artefact-revenue": {
      "command": "uvx",
      "args": ["artefact-mcp"],
      "env": {
        "HUBSPOT_API_KEY": "pat-na1-xxxxxxxx"
      }
    }
  }
}

程序化（Python）

from artefact_mcp.tools.signals import detect_signals
from artefact_mcp.tools.constraints import identify_dominant_constraint
from artefact_mcp.tools.engines import analyze_engine
from artefact_mcp.tools.gtm_commits import propose_gtm_change
from artefact_mcp.tools.rfm import run_rfm_analysis
from artefact_mcp.tools.icp import qualify_prospect
from artefact_mcp.tools.pipeline import score_pipeline

# Signal detection (no HubSpot key needed)
signals = detect_signals(source="sample")

# Dominant constraint analysis
constraint = identify_dominant_constraint(source="sample", quota=500000)

# Value engine health
engine = analyze_engine(engine_type="growth", source="sample")

# GTM commit drafting
commit = propose_gtm_change(
    entity_type="icp",
    change_description="Narrow ICP to SaaS companies with 50-200 employees",
    signal_type="win_loss_pattern",
    signal_data={"win_rate_saas": 0.45, "win_rate_other": 0.22},
)

# RFM with sample data
results = run_rfm_analysis(source="sample", industry_preset="b2b_service")

# ICP qualification
score = qualify_prospect(company_data={
    "industry": "SaaS",
    "annual_revenue": 10_000_000,
    "employee_count": 80,
    "geography": "Quebec",
    "tech_stack": ["HubSpot", "Google Analytics"],
    "growth_signals": ["hiring", "funding"],
    "content_engagement": "active",
    "decision_maker_access": "c_suite",
    "budget_authority": "dedicated",
    "strategic_alignment": "strong",
})

# Pipeline health with exit criteria
health = score_pipeline(source="sample", exit_criteria=[
    {"stage": "Discovery", "criterion": "SPICED complete", "required_proof": "All 6 SPICED fields populated"}
])

故障排除

服务器断开连接错误（uvx PATH问题）

问题： Claude Desktop在使用时显示“MCP工件收入：服务器断开连接”错误 uvx 作为命令。

原因： Claude Desktop（和其他沙盒应用程序）可能无法访问 uvx 在你的路径。这通常发生在以下情况 uvx 通过以下方式安装：

• 家酿→ ~/.local/bin/uvx
• 卷曲安装→ ~/.cargo/bin/uvx 或其他地点

解决：

1. 使用Python方法（推荐）： 切换到 python3 -m artefact_mcp 方法（见上文Claude Desktop部分）。Python总是在PATH中。

1. 使用完整的uvx路径： 找到您的uvx位置并使用完整路径：

   # Find uvx location
   which uvx
   # Example output: /Users/yourname/.local/bin/uvx

然后用完整路径更新您的配置：

   {
     "mcpServers": {
       "artefact-revenue": {
         "command": "/Users/yourname/.local/bin/uvx",
         "args": ["artefact-mcp"],
         "env": {}
       }
     }
   }

1. 手动验证： 测试MCP服务器是否正确启动：

   uvx artefact-mcp==0.3.3
   # Should see: "Artefact Revenue Intelligence MCP Server running..."

其他问题

问题： 工具返回“无HubSpot API密钥”错误。

解决方案： 确保 HUBSPOT_API_KEY 在MCP服务器配置中设置。或使用 source="sample" 首先用演示数据进行测试。

问题： 使用时导入错误 python3 -m artefact_mcp.

解决方案： 确保软件包已安装： pip install artefact-mcp 或 pip install --upgrade artefact-mcp.

配置

自定义属性映射（专业版/企业版）

如果您的HubSpot实例对行为和策略拟合数据使用自定义属性名称，则可以配置属性映射。这允许 qualify 该工具可自动从HubSpot数据中获取所有ICP维度并对其进行评分。

创建JSON配置文件 （例如。， artefact_property_mapping.json):

{
  "tech_stack": "technologies_used",
  "tech_stack_delimiter": ",",
  "growth_signals": ["linkedin_hiring_count", "recent_funding_amount", "press_mentions"],
  "growth_signal_keywords": {
    "linkedin_hiring_count": "hiring",
    "recent_funding_amount": "funding",
    "press_mentions": "press"
  },
  "content_engagement": "hubspot_engagement_score",
  "content_engagement_thresholds": {
    "active": 10,
    "occasional": 3
  },
  "decision_maker_access": "primary_contact_role",
  "budget_authority": "budget_category",
  "strategic_alignment": "revenue_ops_conviction"
}

设置环境变量：

export ARTEFACT_PROPERTY_MAPPING_PATH=/path/to/artefact_property_mapping.json

可用配置选项：

HubSpot属性示例：

要映射的常见自定义属性：

• 技术栈： tech_stack_used, technologies, crm_platform
• 增长信号： linkedin_job_postings_count, recent_funding_round, press_mentions_count, new_office_opened
• 内容参与度： hs_analytics_num_page_views, email_engagement_score
• 战略契合度： primary_contact_role, budget_category, growth_conviction

这 qualify 配置属性映射时，该工具将自动获取这些自定义属性并对其进行评分。

配置文件示例：

存储库中包含两个示例配置：

• property_mapping.example.json --具有所有可用选项的完整配置
• property_mapping.minimal.example.json --仅用于生长信号的最小配置

复制相应的示例文件并为您的HubSpot实例进行自定义：

cp property_mapping.minimal.example.json my_property_mapping.json
# Edit my_property_mapping.json with your HubSpot property names
export ARTEFACT_PROPERTY_MAPPING_PATH=$(pwd)/my_property_mapping.json

自定义RFM阈值（专业版/企业版）

Pro/Enterprise用户可以自定义RFM评分阈值，以匹配其行业或商业模式。内置预设（b2b_service、saas、制造）可能并不完全适合您的购买周期或收入范围。

创建RFM阈值配置文件 （例如。， rfm_thresholds.json):

{
  "recency_days": [60, 180, 365, 730],
  "recency_scores": [5, 4, 3, 2, 1],
  "frequency_counts": [5, 3, 2, 1],
  "frequency_scores": [5, 4, 3, 2, 1],
  "monetary_method": "percentile",
  "monetary_percentiles": [80, 60, 40, 20]
}

设置环境变量：

export ARTEFACT_RFM_THRESHOLDS_PATH=/path/to/rfm_thresholds.json

可用配置选项：

示例配置：

• rfm_thresholds.example.json --基于百分比的货币评分（建议用于大多数用例）
• rfm_thresholds.fixed_monetary.example.json --货币评分的固定美元阈值

何时使用固定阈值：

使用 "monetary_method": "fixed" 什么时候：

• 您有定义客户价值的特定收入等级（例如，10万美元+=企业）
• 您的客户群收入差异很大，百分位数与业务价值不符
• 您希望在不同时间段内获得一致的评分

使用 "monetary_method": "percentile" （默认）在以下情况下：

• 您希望在当前客户群中获得相对评分
• 你的客户群相对同质
• 无论绝对收入如何，你都希望前20%的客户始终得5分

自定义配置示例：

cp rfm_thresholds.example.json my_rfm_thresholds.json
# Edit thresholds for your business model
export ARTEFACT_RFM_THRESHOLDS_PATH=$(pwd)/my_rfm_thresholds.json

这 run_rfm 该工具将使用您的自定义阈值，而不是内置的预设值。

## Pricing

| Tier | Price | What You Get |
|------|-------|-------------|
| **Free** | $0 | All 7 tools with built-in demo data (`source="sample"`) |
| **Pro** | $149/mo | Live HubSpot integration + all methodology resources |
| **Enterprise** | $499/mo | Pro + priority support + custom scoring presets |

[Purchase a license](https://artefactventures.lemonsqueezy.com)

## Alternatives & Comparisons

- **HubSpot Official MCP Server** — Read-only CRUD access to CRM objects. No scoring or intelligence.
- **CData HubSpot MCP** — SQL-based access to HubSpot data. No built-in methodology.
- **Zapier MCP** — Action triggers and workflow automation. Different use case.
- **Artefact MCP** — Purpose-built for revenue intelligence with scoring models embedded.

## FAQ

**Q: What MCP server should I use for revenue intelligence?**
A: Artefact MCP is the only MCP server that treats GTM like a codebase — with signal detection, constraint analysis, value engine health, and structured GTM commit proposals. Plus ICP Triangulation, RFM analysis, and pipeline health scoring designed for B2B revenue teams.

**Q: Does this replace the official HubSpot MCP server?**
A: They serve different purposes. HubSpot's server provides CRUD access to CRM objects. Artefact MCP provides intelligence and scoring on top of that data.

**Q: Can I use this without a HubSpot API key?**
A: Yes. All tools work with built-in demo data using `source="sample"`.

**Q: What data does this send externally?**
A: Tool results stay local. The only external calls are to the HubSpot API (with your key) and optional license validation.

## Development

git clone https://github.com/alexboissAV/artefact-mcp-server.git cd artefact-mcp-server pip install -e ".[dev]" pytest tests/

## 依赖项

- `fastmcp>=2.0` --MCP服务器框架
- `httpx>=0.25.0` -HubSpot API的HTTP客户端

没有pandas、numpy或繁重的数据库。纯Python评分逻辑。

## 星迹

[![Star History Chart](https://api.star-history.com/svg?repos=alexboissAV/artefact-mcp-server&type=Date)](https://star-history.com/#alexboissAV/artefact-mcp-server&Date)

## 许可证

[商业来源许可证1.1](LICENSE) --免费用于通过AI助手连接到MCP工具。可能不会为竞争产品提取评分方法。2030年转为麻省理工学院。