Pendo MCP Code Exec

Pendo MCP代码执行

将您的Pendo MCP服务器转换为 代码第一个API 这将令牌使用率降低了98%，同时实现了更复杂的数据工作流。

问题

当前的MCP实施面临着严重的效率低下问题：

• 令牌块：所有11个以上的Pendo工具定义都预先加载到AI环境中
• 环境污染：即使只是移动数据，中间查询结果也会通过AI的上下文窗口
• 昂贵的工作流程：复杂的多工具Pendo分析可能会消耗15万多个代币

解决方案

该MCP服务器提供了一个 沙盒代码执行环境 AI代理可以：

1. 编写TypeScript代码与Pendo API交互
2. 在代码中处理和过滤数据（而不是在上下文中）
3. 仅将最终结果返回给AI

结果：复杂的Pendo工作流的令牌使用量减少了98%。

特性

• 🔒 安全沙盒执行 -代码在具有超时保护的隔离Worker线程中运行
• 📦 自动生成包装 -适用于所有11个Pendo MCP工具的TypeScript包装器
• 🚀 并行查询执行 -同时执行多个Pendo查询
• 💾 查询缓存 -基于文件的缓存，具有可配置的TTL
• 📚 可重复使用的技能 -常见Pendo分析模式库
• 🎯 类型安全 -具有适当接口的完全TypeScript支持

安装

从源代码安装

git clone https://github.com/adamteece/pendo-mcp-code-exec.git
cd pendo-mcp-code-exec
npm install
npm run build

备注：此包尚未发布到npm。从源代码安装，如上所示。

配置

Claude桌面设置

将此添加到您的Claude Desktop配置中(~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）：

{
  "mcpServers": {
    "pendo-code-execution": {
      "command": "node",
      "args": ["/absolute/path/to/pendo-mcp-code-exec/dist/server/index.js"],
      "env": {
        "PENDO_API_KEY": "your-api-key-here",
        "PENDO_SUBSCRIPTION_ID": "your-sub-id",
        "PENDO_MCP_COMMAND": "pendo-mcp",
        "PENDO_MCP_ARGS": "[]"
      }
    }
  }
}

重要：替换 /absolute/path/to/pendo-mcp-code-exec 使用克隆存储库的实际绝对路径。

环境变量

• PENDO_API_KEY -您的Pendo API密钥（必需）
• PENDO_SUBSCRIPTION_ID -您的Pendo订阅ID（必填）
• PENDO_MCP_COMMAND -运行实际Pendo MCP服务器的命令（默认值： pendo-mcp)
• PENDO_MCP_ARGS -Pendo MCP服务器的JSON参数数组（默认值： [])

用法

生成包装文件

在使用服务器之前，为所有Pendo工具生成TypeScript包装器：

npm run generate-wrappers

这将在中创建包装文件 servers/pendo/ 适用于所有11个Pendo工具。

可用工具

MCP服务器公开了三个主要工具：

1. execute_pendo_code

执行与Pendo数据交互的TypeScript代码。

例子：

import { activityQuery } from './servers/pendo/activityQuery.js';
import { searchEntities } from './servers/pendo/searchEntities.js';

// Search for pages
const pages = await searchEntities({
  subId: 'your-sub-id',
  appId: 'your-app-id',
  itemType: 'page',
  substring: 'dashboard'
});

// Get activity for top pages
const topPageIds = pages.slice(0, 5).map(p => p.id);
const activity = await activityQuery({
  subId: 'your-sub-id',
  appId: 'your-app-id',
  entityType: 'page',
  startDate: '2025-01-01',
  endDate: '2025-01-31',
  itemIds: topPageIds,
  period: 'dayRange'
});

// Process results in code
const summary = activity.rows
  .filter(row => row.numEvents > 100)
  .map(row => ({
    pageId: row.pageId,
    events: row.numEvents
  }));

console.log(JSON.stringify(summary, null, 2));

2. list_pendo_tools

列出所有可用的Pendo工具包装器及其TypeScript接口。

3. save_skill

将可重用的TypeScript函数保存到skills目录。

// Example: Save a skill
save_skill({
  name: 'low-engagement-finder',
  category: 'pendo-helpers',
  code: `
    export async function findLowEngagementAccounts(config) {
      // ... implementation
    }
  `
});

可用的吊坠工具

以下Pendo工具可作为TypeScript模块在 ./servers/pendo/:

1. 列出所有应用程序 -列出订阅和应用程序
2. accountMetadataSchema -获取可用的帐户元数据字段
3. accountQuery -使用元数据查询帐户数据
4. visitorMetadataSchema -获取可用的访问者元数据字段
5. visitorQuery -使用元数据查询访客数据
6. activity查询 -查询活动/使用数据（事件、页面、功能）
7. guideMetrics -获取指导绩效指标
8. 产品参与度得分 -计算PES分数
9. search实体 -搜索页面、功能、指南、曲目类型
10. 分段列表 -列出可用细分市场
11. 会话回放列表 -获取会话回放记录

可重复使用的技能

这 skills/pendo-helpers/ 目录包含预构建的分析函数：

采用分析

import { analyzeFeatureAdoption } from './skills/pendo-helpers/adoption-analysis.js';

const metrics = await analyzeFeatureAdoption({
  subId: 'your-sub-id',
  appId: 'your-app-id',
  featureName: 'Export Button',
  startDate: '2025-01-01',
  endDate: '2025-01-31'
});

console.log(metrics);
// {
//   featureName: 'Export Button',
//   totalUsers: 1000,
//   activeUsers: 450,
//   adoptionRate: 45,
//   avgEventsPerUser: 3.2
// }

并行查询

import { getMultiPageActivity } from './skills/pendo-helpers/parallel-queries.js';

const results = await getMultiPageActivity({
  subId: 'your-sub-id',
  appId: 'your-app-id',
  pageIds: ['page1', 'page2', 'page3'],
  startDate: '2025-01-01',
  endDate: '2025-01-31'
});

参与度评分

import { calculateEngagementScores } from './skills/pendo-helpers/engagement-scoring.js';

const scores = await calculateEngagementScores({
  subId: 'your-sub-id',
  appId: 'your-app-id',
  startDate: '2025-01-01',
  endDate: '2025-01-31'
});

console.log(scores);
// [{
//   accountId: 'acc123',
//   score: 75,
//   factors: { frequency: 80, breadth: 70, depth: 75, recency: 100 },
//   risk: 'low'
// }]

示例用例

寻找高价值、低参与度的客户

import { accountQuery } from './servers/pendo/accountQuery.js';
import { activityQuery } from './servers/pendo/activityQuery.js';

const accounts = await accountQuery({
  subId: 'your-sub-id',
  select: ['metadata.auto.lastvisit', 'metadata.custom.ARR']
});

const activity = await activityQuery({
  subId: 'your-sub-id',
  appId: 'your-app-id',
  entityType: 'account',
  startDate: '2025-10-01',
  endDate: '2025-10-31'
});

const lowEngagement = accounts
  .filter(acc => {
    const arr = acc.metadata?.custom?.ARR || 0;
    const events = activity.rows.find(a => a.accountId === acc.accountId)?.numEvents || 0;
    return arr > 50000 && events  b.metadata.custom.ARR - a.metadata.custom.ARR);

console.log(JSON.stringify({ lowEngagementAccounts: lowEngagement }, null, 2));

比较指南性能

import { searchEntities } from './servers/pendo/searchEntities.js';
import { guideMetrics } from './servers/pendo/guideMetrics.js';

const guides = await searchEntities({
  subId: 'your-sub-id',
  appId: 'your-app-id',
  itemType: 'guide',
  substring: 'onboarding'
});

const metricsPromises = guides.map(guide =>
  guideMetrics({
    subId: 'your-sub-id',
    guideId: guide.id,
    startDate: '2025-10-01',
    endDate: '2025-10-31'
  })
);

const allMetrics = await Promise.all(metricsPromises);

const comparison = guides.map((guide, idx) => ({
  guideName: guide.name,
  completionRate: allMetrics[idx].completionRate || 0,
  dismissalRate: allMetrics[idx].dismissalRate || 0
})).sort((a, b) => b.completionRate - a.completionRate);

console.log(JSON.stringify({ guideComparison: comparison }, null, 2));

发展

建筑

npm run build

以开发模式运行

npm run dev

运行测试

npm test

建筑

┌─────────────────────────────────────────────────────────────┐
│                        AI Agent (Claude)                     │
│  - Writes TypeScript code to interact with Pendo            │
│  - Sees only filesystem structure and final results         │
└────────────────────┬────────────────────────────────────────┘
                     │
                     ▼
┌─────────────────────────────────────────────────────────────┐
│              Sandboxed Execution Environment                 │
│  - Runs TypeScript code securely in Worker threads         │
│  - Has access to Pendo wrapper modules                      │
│  - Processes/filters data before returning to AI            │
└────────────────────┬────────────────────────────────────────┘
                     │
                     ▼
┌─────────────────────────────────────────────────────────────┐
│                   TypeScript Wrapper Layer                   │
│  servers/pendo/*.ts (auto-generated wrappers)               │
└────────────────────┬────────────────────────────────────────┘
                     │
                     ▼
┌─────────────────────────────────────────────────────────────┐
│                    Pendo MCP Server                          │
│  - Original 11 tool implementations                          │
│  - Connects to actual Pendo API                             │
└─────────────────────────────────────────────────────────────┘

安全

沙盒环境提供了多层安全性：

• 工作线程隔离 -代码在隔离的Worker线程中运行
• 超时保护 -30秒默认超时（可配置）
• 内存限制 -512MB默认内存限制
• 文件系统限制 -只读访问 servers/ 和 skills/，仅对以下对象具有写访问权限 cache/
• 无子进程生成 -防止执行任意命令

演出

• 查询缓存 -结果缓存1小时（可配置TTL）
• 并行执行 -多个Pendo查询同时运行
• 速率限制 -内置速率限制器（默认100个请求/分钟）

代币节省

“查找高价值、低参与度客户”的示例比较：

传统MCP方法：

• 加载11个工具定义：约2000个令牌
• 查询帐户：~50000个令牌（完整数据集）
• 查询活动：约50000个令牌（完整数据集）
• 按上下文筛选：约5000个令牌
• 总计：约107000个代币

代码执行方法：

• 使用筛选执行代码：约2000个令牌
• 仅返回筛选结果：约500个令牌
• 总计：约2500个代币

节省：减少98% 🎉

贡献

欢迎投稿！请阅读我们的投稿指南并提交pull请求。

许可证

麻省理工学院

支持

对于问题和疑问：

• GitHub问题：
• 彭多社区： 社区.pendo.io

致谢

专为Pendo MCP黑客马拉松（2025年11月12日-12月12日）而建。

受到Anthropic关于使用MCP和Cloudflare的“代码模式”实现执行代码的博客文章的启发。