mcp

Lusha MCP Plugin

Lusha から、検証済みのメールアドレス、直通電話番号、携帯電話番号、リアルタイムの購買シグナルを使って、B2B の連絡先や企業を検索・充実化できます。すべて AI アシスタントから直接利用できます。

Codex（プラグイン）、Claude Code（Claude Code CLI／Cowork）、Cursor（プラグイン）、VS Code Copilot（MCP を使った GitHub Copilot Chat）、Gemini CLI（拡張機能）に対応しています。

スキル

検索と充実化

スキル	機能
enrich-contact	任意の人物を検索し、検証済みの直通電話番号と携帯電話番号、メールアドレス、企業情報を取得します
prospect	理想の顧客像（ICP）を平易な英語で説明すると、電話番号を表示した、条件に合う充実化済みのリードリストを取得できます
signal-prospect	購買シグナル（資金調達、採用の急増、転職など）を起点に、適切な意思決定者の電話番号を取得します
lookalike-prospect	参考にする企業または連絡先を5件以上 Lusha に提示すると、類似する充実化済みのリストを電話番号付きで取得できます

優先順位付けとフォローアップ

スキル	機能
work-my-accounts	「どこにアプローチすべきですか？」と尋ねると、推奨アカウント10件とそれぞれが選ばれた理由を取得し、選んだアカウントの意思決定者の架電リストを作成します
score-my-list	CSV、ドメインのリスト、または Workspace のテーブルを渡すと、ICP への適合度とリアルタイムの購買シグナルでスコアを付け、A、B、C の3段階に分類します
website-visitor-followup	ウェブサイトを訪問した企業を順位付けし、有望な企業を絞り込んで、意思決定者の電話番号を取得します
set-up-my-icp	ICP Target Profile を質問ごとに設定します。回答案も用意され、最後に条件に合うアカウントを10件プレビューできます
save-or-export	結果を Lusha Workspace のテーブルに保存するか、CRM にエクスポートします。まず CRM 接続を確認し、未接続の場合は接続を提案します

アウトリーチ文面の作成 — 2段階のスキルを順番に実行します

スキル	機能
outreach-research	ステージ1。販売するもの、対象者、根拠、差別化要因をまとめ、持ち運び可能なポジショニング資料（lusha-outreach-brief.md）を作成します。テキストのみで、Lusha API は呼び出しません
outreach-sequence	ステージ2。その資料と連絡先リストから、短く、シグナルに基づいた最初のメールを作成します（任意で2通目・3通目のメールや LinkedIn メッセージも作成できます）。各草案のフックと個別化の根拠も添えて、そのまま引き継げる CSV 形式で出力します

仕組み

検索・情報補完スキルは、それぞれ複数の Lusha API 呼び出しを連鎖させてワークフローを完了します。また、確認済みの電話番号を目立つ形で提示します。直通番号や携帯電話番号は付随的な出力ではなく、主要な出力の一部です。

優先順位付けスキルは、すでにお持ちの情報（ICP プロファイル、自社のリスト、またはウェブサイトのトラフィック）を起点にします。それぞれ、無料の呼び出し（ICP プロファイル、CRM 接続、訪問データ）から開始し、見つかった情報に応じて処理を進めます。まだ設定されていない項目については、エラーにするのではなく、設定方法の案内または代替手段を提示します。

クレジットを消費する各スキルは、次のとおりです。

• 呼び出しの前にコストを明示します
• 全ページを取得する前に、10件をプレビューします
• 選択した人物のみを表示します

サードパーティの情報源から後で回答が届くと、一部の情報表示はバックグラウンドで完了します。スキルは、二重に課金されないよう、情報表示の完了を待ちます。各検索・優先順位付け・情報補完スキルは、同じ2つの選択肢（Workspace テーブルへの保存、または CRM へのエクスポート）で終了します。どちらも save-or-export を通じて行い、さらに関連するスキルを1つ提示します。

スキルが行う Lusha の呼び出しにはすべて、前回の応答から conversation_id を引き継ぎ、スキル名を reason_for_invocation に設定します。

アウトリーチの2つのスキルは、これらを基盤として動作します。outreach-research は会話だけで完結し、保存して再利用できる概要を作成します。outreach-sequence はその概要を使用し、Lusha を直接呼び出すことはありません。シグナルの発見と情報収集は signal-prospect に、連絡先の情報補完は enrich-contact に委任するため、クレジットの処理を一元化できます。outreach-sequence が実行するすべての呼び出しでは、reason_for_invocation の値の先頭に outreach-sequence: が付きます。これにより、スキル経由の利用を識別できます（他の各スキルも同様に、自身の名前を呼び出しに設定します）。

すべてのクライアントは、同じ skills/*/SKILL.md ファイルと同じ Lusha MCP サーバーを読み込みます。異なるのは、クライアントごとのマニフェストとストアのエンドポイントだけです。

クライアント	マニフェスト	MCP エンドポイント	呼び出し方法
Codex	.codex-plugin/plugin.json + mcp.json	mcp.lusha.com/mcp/codex	自然言語のリクエストに応じてスキルが有効になります
Claude Code	.claude-plugin/plugin.json	mcp.lusha.com/mcp/claude	/enrich-contact、/prospect など
Cursor	.cursor-plugin/plugin.json	mcp.lusha.com/mcp/cursor	自然言語のリクエストに応じてスキルが有効になります
VS Code Copilot	.github/plugin/plugin.json	mcp.lusha.com/mcp/copilot	/enrich-contact、/prospect など
Gemini CLI	gemini-extension.json	mcp.lusha.com/mcp/gemini	Gemini が必要に応じて該当するスキルを有効にします

スキルは、Lusha のツールを論理名（例：contacts_search）で参照するため、すべてのクライアントで同じスキルソースをそのまま使用できます。Gemini CLI は、同梱された skills/ ディレクトリを拡張機能のスキルとして自動検出します。

前提条件

• API にアクセスできる Lusha アカウント

インストール

Codex

Codex プラグインはリポジトリのルートにあります。.codex-plugin/plugin.json（マニフェスト）と mcp.json（MCP サーバー）があり、skills: "./skills/" は共有ルートの skills/ を参照しています。Codex は、ブランチまたはタグに固定された url ソースを使用するリポジトリのマーケットプレイスカタログ .agents/plugins/marketplace.json を通じてプラグインを検出します。このカタログを読み取るのは Codex/OpenAI のツールのみです。Claude、Copilot、Gemini は引き続き各プロバイダー固有のマニフェストを使用します。

url ソースを使用するのは、リポジトリのルートに解決されるローカルプラグインパスを Codex が拒否し（codex#17066）、インストール時にシンボリックリンクを黙って削除するためです（codex#18863）。url 経由でリポジトリをクローンすると、skills/ はプラグインのルートに実ファイルとして置かれるため、コピーもシンボリックリンクも不要です。

マーケットプレイスを追加してインストールします。

codex plugin marketplace add lusha-oss/lusha-mcp-plugin
codex
/plugins

Lusha Plugins を選択して Lusha プラグインをインストールし、新しい Codex スレッドを開始してスキルと MCP ツールを読み込みます。url ソースは .agents/plugins/marketplace.json で固定された参照からインストールするため、変更はその参照に反映されると有効になります。

Claude Code（CLI / Cowork）

/plugin marketplace add lusha-oss/lusha-mcp-plugin
/plugin install lusha

Cursor

Cursor は .cursor-plugin/plugin.json のプラグインマニフェストを読み取り、同梱されている skills/ を自動的に検出します。リポジトリをプラグインマーケットプレイスとして追加し、.cursor-plugin/marketplace.json の Lusha プラグイン（カタログ lusha-plugins、プラグイン lusha）をインストールします。MCP サーバーが接続されると、自然言語のリクエストに応じてすべてのスキルが有効になります。

VS Code Copilot

エージェントプラグインに対応したバージョンの VS Code と、GitHub Copilot 拡張機能が必要です。このプラグインは .github/plugin/plugin.json を通じて、MCP サーバーとすべてのスキルをまとめて提供します。

1. コマンドパレット（Cmd+Shift+P / Ctrl+Shift+P）を開きます。
2. Chat: Install Plugin From Source を実行します。
3. リポジトリ名 lusha-oss/lusha-mcp-plugin を貼り付けます。

Lusha MCP サーバーとすべてのスキルが自動的に読み込まれます。Copilot Chat では、スキル名を指定して呼び出します。例：/enrich-contact、/prospect、/work-my-accounts、/score-my-list、/outreach-sequence。

Gemini CLI

リポジトリのルートには gemini-extension.json マニフェストが用意されているため、Gemini CLI は Lusha MCP サーバーを設定し、同梱されているスキルを自動的に検出します。

gemini extensions install https://github.com/lusha-oss/lusha-mcp-plugin

すべてのスキルは拡張機能のスキルとして登録されており、Gemini は必要に応じて該当するスキルを有効にします（たとえば、連絡先の電話番号を探す、見込み客リストを作成する、アウトリーチ文面を作成するといった依頼に応じて有効になります）。gemini skills list を実行して、スキルが読み込まれたことを確認します。

認証

Lusha MCP サーバーは OAuth を使用します。Lusha のスキルまたはツールを初めて呼び出すときに、Lusha アカウントへのサインインを求められます。以降の呼び出しでは、認証済みセッションが再利用されます。

スキルの連携

スキルは相互に連携するよう設計されています。

• prospect → signal-prospect：リストを作成し、購買シグナルを示している企業に絞り込みます
• lookalike-prospect → signal-prospect：類似企業を見つけ、シグナルに基づいて優先順位を付けます
• enrich-contact → lookalike-prospect：1人の連絡先情報を拡充し、次に似た人物を見つけます
• prospect / lookalike-prospect → score-my-list：作成したリストをICP適合度と購買シグナルに基づいて順位付けします
• work-my-accounts ↔ set-up-my-icp：独自のプロフィールを設定するまでは、算出済みのプロフィールに基づいておすすめを提示します。新しいプロフィールを設定すると、上位のアカウントをプレビューします
• score-my-list → work-my-accounts：Aランクの意思決定者を見つけます
• あらゆる検索または優先順位付けスキル → save-or-export：結果をWorkspaceのテーブルに保存するか、CRMにエクスポートします
• outreach-research → outreach-sequence：ポジショニングを一度まとめ、それに沿って下書きを作成します
• prospect → outreach-sequence：リードリストをそのまま下書き作成に渡します（任意 — full_name、company、title を含むCSVならどれでも使用できます）

outreach-sequence には outreach-research のブリーフが必要です。ブリーフがない場合、ポジショニングを捏造するのではなく、下書きの作成を拒否します。オーディエンスも必要ですが、どこから取得してもかまいません。貼り付けたCSV、添付ファイル、氏名を指定した1人の連絡先、または prospect からの引き継ぎを利用できます。

対話型実行と自動実行

outreach-sequence は、Execution Mode セクションで指定する2つのモードで実行されます。

• 対話型（デフォルト）— 会話に人間が参加しているため、シグナルに関する希望、オーディエンス全体に関わるシグナルの有無、バッチの下書きを作成する前にサンプルを確認するかどうかを質問します。
• 自動実行 — 呼び出し元が非対話型の実行（"non-interactive"、"headless"、"automated run"、または "no user is available to answer"）を宣言します。自動化ランナーやスケジュール済みジョブなどが該当します。すべての質問は、指定された値または文書化されたデフォルト値で解決され、実行が続行されます。質問を出力するとそれが最終出力となり、実行結果が何も生成されなくなるためです。

自動実行モードでもデータに関するルールは緩和されません。ブリーフとオーディエンスは引き続き必須であり、シグナルの確認と情報の拡充は引き続き他のスキルに委任されます。また、不足情報を補うために何かを捏造することはできません。

下書きの方針

• Email 1 は5つの短い要素（なぜ今なのか、課題、製品の機能、1つの実績、1つの質問）で構成し、50～90語、件名は3～5語にします。こちらから求めない限り、面談ではなく、関心があるかどうかを尋ねます。
• シグナルを連絡する理由にできるのは、ペルソナの課題に関連し、過去90日以内の日付で、情報源の記載どおりに述べられている場合に限ります。「先週」ではなく月を記載し、パーセンテージや推定値は使いません。ウェブサイトへの訪問とインテントトピックは送信のタイミングを決めるために使いますが、メッセージには記載しません。条件を満たすシグナルがない場合、Email 1ではペルソナの課題を切り口にし、連絡先またはその会社に関する実際の詳細を1つ挙げます。
• Email 2 では新たな理由を1つ提示します（2つ目のシグナル、実績、または課題に関する質問）。Email 3 ではEmail 1のトピックに触れてやり取りを締めくくります。どちらもEmail 1と同じ件名を使い、送信ツールでスレッドがまとまるようにします。
• LinkedIn の文面は、相手が承認した後に送るメッセージです。メモを付けるよう求めない限り、コネクションリクエストには何も書かずに送信します（メモは最大200文字）。
• プレースホルダーは使いません。 ブリーフにない事実を必要とする要素は省略し、テーブルの下に、ブリーフに追加すべき情報を1行で記載します。個人的な言及には、以前の勤務先が記載されたLushaの情報拡充結果のみを使用し、以前の役職と勤務先以外は記載しません。

出力列（0.1.3）

linkedin_message（相手が承認した後に送るメッセージ）と linkedin_connection_note は、linkedin_message_1～linkedin_message_3 に置き換わります。また、下書きを作成したすべての行に hook_source と personal_touch_source が追加されます。以前のLinkedIn列を使用していたBraze、Outreach、Salesloftのテンプレートを更新してください。

ブリーフの形式

outreach-research はブリーフ v2（``）を出力します。証拠となる情報（それぞれに メールで名前を出してもよい と明記）、ペルソナごとに合わせた役職名、任意のメールスタイル、ウェブ検索で得た未確認の値を示す (未確認) マーカーが追加されます。どちらのスキルも v1 のブリーフを読み取れます。

貢献

ルートの skills/ が唯一の信頼できる情報源です。すべてのクライアント（Codex、Claude、Copilot、Gemini）が同じファイルを読み取るため、スキルは skills/ 内でのみ編集してください。

リリース時には、Codex ユーザーがインストールするブランチまたはタグを指すように、.agents/plugins/marketplace.json の ref を更新してください（例：本番環境では master、テスト中は機能ブランチ）。