mcp

Lusha MCP Plugin

直接在 AI 助手中使用 Lusha 查找并丰富 B2B 联系人和公司信息，获取经过验证的电子邮箱、直拨电话、手机号码和实时购买信号。

支持 Codex（插件）、Claude Code（Claude Code CLI / Cowork）、Cursor（插件）、VS Code Copilot（使用 MCP 的 GitHub Copilot Chat）和 Gemini CLI（扩展）。

技能

查找并丰富信息

技能	功能
enrich-contact	查询任意联系人，获取其经过验证的直拨电话和手机号码、电子邮箱及公司背景信息
prospect	用通俗英语描述你的 ICP，获取筛选并丰富过的潜在客户列表，同时显示电话号码
signal-prospect	从购买信号（融资、招聘激增、职位变动）入手，获取相关决策者的电话号码
lookalike-prospect	提供 5 家或更多参考公司或联系人，让 Lusha 获取匹配列表并补充电话号码

确定优先级并跟进

技能	功能
work-my-accounts	询问“我该跟进哪些客户？”，获取 10 个推荐客户及推荐理由，然后为你选择的客户获取决策者名单
score-my-list	提供 CSV、域名列表或 Workspace 表格，根据 ICP 匹配度和实时购买信号为其评分，并划分为 A、B、C 三个等级
website-visitor-followup	为访问你网站的公司排序，筛选出意向度高的公司，并获取决策者的电话号码
set-up-my-icp	逐个问题设置 ICP Target Profile，为你拟好每个问题的答案，然后预览 10 个匹配的客户
save-or-export	将任意结果保存到 Lusha Workspace 表格，或导出到 CRM；先检查 CRM 连接，再提供连接选项

撰写外联内容 — 分两个阶段，按顺序运行

技能	功能
outreach-research	阶段 1。记录你销售的产品、目标客户、证明材料和差异化优势，整理成可移植的定位简报（lusha-outreach-brief.md）。仅处理文本，不调用 Lusha API
outreach-sequence	阶段 2。将该简报与联系人列表转化为简短、基于信号的第一封邮件（可选生成第 2 至第 3 封邮件及 LinkedIn 消息），并以可直接交接的纯 CSV 格式输出，同时附上每份草稿的切入点及个性化内容来源

工作原理

查找和丰富类技能会将多个 Lusha API 调用串联成完整的工作流，并醒目地展示已验证的电话号码——直拨号码和手机号码都是主要输出，而非附带信息。

优先级排序类技能从你已有的信息出发：你的 ICP 档案、自有名单或网站流量。每项技能都会先使用免费调用（你的 ICP 档案、CRM 连接、访问数据），再根据发现的内容进行后续处理。尚未设置的内容会提供设置选项或备用方案，而不会报错。

每项会消耗额度的技能都会：

• 在调用前说明费用
• 完整拉取一页数据前先预览 10 条
• 只展示你选择的人员

部分展示请求会在第三方数据源稍后返回结果时于后台完成。技能会等待这些请求完成，而不是重复收费。每项查找、优先级排序和丰富类技能都会以相同的两个选项结束：保存到 Workspace 表格，或导出到 CRM（两者都通过 save-or-export 完成），并附带一项相关技能。

技能发出的每个 Lusha 调用都会传入上一条响应中的 conversation_id，并将 reason_for_invocation 标记为该技能的名称。

外联技能组合构建在这些技能之上。outreach-research 只负责对话，生成一份可保存并重复使用的简报。outreach-sequence 使用这份简报，且不会直接调用 Lusha：它会将信号发现和采集委派给 signal-prospect，将联系人丰富委派给 enrich-contact，从而将额度处理集中在一处。它触发的每次调用都会使用以 outreach-sequence: 开头的 reason_for_invocation 进行标记，这样就能归因由技能驱动的使用情况（其他技能也会以相同方式使用各自的名称标记调用）。

所有客户端都会加载同一套 skills/*/SKILL.md 文件和同一个 Lusha MCP 服务——只有各客户端的清单和存储端点不同：

客户端	清单	MCP 端点	调用方式
Codex	.codex-plugin/plugin.json + mcp.json	mcp.lusha.com/mcp/codex	技能会根据自然语言请求激活
Claude Code	.claude-plugin/plugin.json	mcp.lusha.com/mcp/claude	/enrich-contact、/prospect 等
Cursor	.cursor-plugin/plugin.json	mcp.lusha.com/mcp/cursor	技能会根据自然语言请求激活
VS Code Copilot	.github/plugin/plugin.json	mcp.lusha.com/mcp/copilot	/enrich-contact、/prospect 等
Gemini CLI	gemini-extension.json	mcp.lusha.com/mcp/gemini	Gemini 会按需激活匹配的技能

技能通过裸逻辑名称（例如 contacts_search）引用 Lusha 工具，因此同一份技能源代码在所有客户端中的运行方式都相同。Gemini CLI 会自动发现作为扩展技能打包的 skills/ 目录。

先决条件

• 拥有可使用 API 的 Lusha 账户

安装

Codex

Codex 插件位于仓库根目录 — .codex-plugin/plugin.json（清单）和 mcp.json（MCP 服务），其中 skills: "./skills/" 指向共享的根目录 skills/。Codex 通过仓库的市场目录 .agents/plugins/marketplace.json 发现该插件，该目录使用固定到某个分支或标签的 url 来源。该目录仅供 Codex/OpenAI 工具读取 — Claude、Copilot 和 Gemini 继续使用各自提供商专用的清单。

使用 url 来源而不是 local 路径，是因为 Codex 会拒绝解析到仓库根目录的本地插件路径（codex#17066），并会在安装时静默丢弃符号链接（codex#18863）。通过 url 克隆仓库后，skills/ 会作为实际文件保留在插件根目录中，因此无需复制或创建符号链接。

添加市场并安装：

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

选择 Lusha Plugins，安装 Lusha 插件，然后启动新的 Codex 会话，以便加载技能和 MCP 工具。url 来源会从 .agents/plugins/marketplace.json 中固定的引用安装，因此更改一旦合并到该引用就会生效。

Claude Code（CLI / Cowork）

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

Cursor

Cursor 会读取 .cursor-plugin/plugin.json 中的插件清单，并自动发现捆绑的 skills/。将仓库添加为插件市场，然后从 .cursor-plugin/marketplace.json 安装 Lusha 插件（目录 lusha-plugins，插件 lusha）。MCP 服务连接后，所有技能都会根据自然语言请求激活。

VS Code Copilot

需要支持 Agent 插件的 VS Code 版本和 GitHub Copilot 扩展。该插件通过 .github/plugin/plugin.json 将 MCP 服务和所有技能捆绑在一起。

1. 打开命令面板（Cmd+Shift+P / Ctrl+Shift+P）。
2. 运行 Chat: Install Plugin From Source。
3. 粘贴仓库名称：lusha-oss/lusha-mcp-plugin。

Lusha MCP 服务和所有技能会自动加载。在 Copilot Chat 中通过技能名称调用技能，例如 /enrich-contact、/prospect、/work-my-accounts、/score-my-list 或 /outreach-sequence。

Gemini CLI

仓库根目录中包含 gemini-extension.json 清单，因此 Gemini CLI 会自动接入 Lusha MCP 服务并发现捆绑的技能。

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

所有技能都会注册为扩展技能 — Gemini 会按需激活匹配的技能（例如，当你要求它查找联系人的电话号码、创建潜在客户名单或起草外联内容时）。运行 gemini skills list 确认技能已加载。

身份验证

Lusha MCP 服务使用 OAuth。首次调用 Lusha 技能或工具时，系统会提示你使用 Lusha 账户登录。后续调用会复用已通过身份验证的会话。

技能串联

各项技能旨在相互衔接：

• prospect → signal-prospect：先构建名单，再筛选出显示购买信号的公司
• lookalike-prospect → signal-prospect：先寻找相似对象，再按信号确定优先级
• enrich-contact → lookalike-prospect：先丰富单个联系人的信息，再寻找相似人选
• prospect / lookalike-prospect → score-my-list：根据 ICP 匹配度和购买信号，为刚构建的名单排序
• work-my-accounts ↔ set-up-my-icp：设置自己的 ICP 前，建议会基于计算得出的画像运行；新画像会预览其排名靠前的客户
• score-my-list → work-my-accounts：找出 A 级客户中的决策者
• 任意查找或确定优先级的技能 → save-or-export：将结果保存到 Workspace 表格，或导出到 CRM
• outreach-research → outreach-sequence：一次性收集定位信息，然后据此起草内容
• prospect → outreach-sequence：将潜在客户名单直接传入起草流程（可选——任何包含 full_name、company 和 title 的 CSV 均可）

outreach-sequence 需要 outreach-research 提供的简报；没有简报时，它会拒绝起草，而不会臆造定位信息。受众也是必需的，但来源不限：可以是粘贴的 CSV、附加文件、指定姓名的单个联系人，或由 prospect 传入。

交互式与自动化运行

outreach-sequence 有两种运行模式，在其 Execution Mode 部分中说明：

• 交互式（默认）——对话中有真人参与，因此该技能会询问信号偏好、是否存在适用于整个受众的信号，以及起草整批内容前是否需要查看样例。
• 自动化——调用方声明这是非交互式运行（"non-interactive"、"headless"、"automated run" 或 "no user is available to answer"），就像自动化运行器或定时任务那样。所有问题都根据提供的值或文档中说明的默认值处理，并继续执行；因为一旦输出问题，它就会成为最终输出，导致运行无法产生结果。

自动化模式绝不会放宽数据规则：简报和受众仍是硬性必需项，信号与信息丰富工作仍由其他技能处理，也不得捏造任何内容来填补缺漏。

草稿遵循的规则

• 邮件 1 分为五个简短部分（为何此时联系、痛点、产品的作用、一条佐证、一项提问），共 50–90 个词，主题为 3–5 个词。它会询问对方是否感兴趣，而不会邀请对方开会，除非你提出要求。
• 只有在信号与角色的痛点相关、日期在 90 天内，且表述遵循来源原文时，信号才会成为联系理由：使用具体月份，绝不写“上周”；不写百分比或估算数字。网站访问和意向主题只用于确定时机，绝不会出现在消息中。如果没有符合条件的信号，邮件 1 会从该角色的痛点切入，并提及一个关于联系人或其公司的真实细节。
• 邮件 2 会提出一个新的理由（第二个信号、一条佐证，或一个关于痛点的问题）；邮件 3 会通过提及邮件 1 的主题来结束对话串。两封邮件都会沿用邮件 1 的主题，以便发送工具将它们串在一起。
• LinkedIn 文案是对方接受邀请后发送的消息；除非你要求添加备注（最多 200 个字符），否则空白发送连接请求。
• 不使用占位符。 如果简报缺少某个部分所需的事实，就省略该部分，并在表格下方用一行说明应在简报中补充什么。只有在 Lusha 信息丰富结果显示了过往雇主时，才添加个性化内容：只写过往职位和雇主，不添加其他内容。

输出列（0.1.3）

linkedin_message（对方接受邀请后发送的消息）和 linkedin_connection_note 取代 linkedin_message_1–linkedin_message_3；每一行草稿还会新增 hook_source 和 personal_touch_source。请更新任何使用旧版 LinkedIn 列的 Braze、Outreach 或 Salesloft 模板。

简报格式

outreach-research 会生成简报 v2（``）：新增了佐证要点（每项均标记 可在邮件中提及）、与各 persona 匹配的职称、可选的邮件风格，以及一个 (未确认) 标记，用于标注来自网络搜索但尚未确认的值。两种技能仍可读取 v1 简报。

贡献

根目录下的 skills/ 是唯一事实来源——每个客户端（Codex、Claude、Copilot、Gemini）读取的都是这些相同文件，因此只能在 skills/ 下编辑技能。

发布时，请将 .agents/plugins/marketplace.json 中的 ref 更新为 Codex 用户应安装的分支或标签（例如，用于生产环境的 master，或测试期间使用的功能分支）。