mcpField
K
Kylas

Kylas

本地服务
github.com/kylastech数据与分析1237 周前更新

关于 Kylas

Kylas 是面向 Kylas CRM 潜在客户操作的 MCP 服务,支持创建和筛选潜在客户,并查询关联用户、产品及销售管道信息。

主要功能

  1. 01获取潜在客户字段说明
  2. 02使用动态字段创建潜在客户
  3. 03搜索和筛选潜在客户
  4. 04解析用户和产品 ID
  5. 05查询销售管道及阶段
  6. 06查找近期无活动的潜在客户

适用场景

  1. 01根据上下文创建 CRM 潜在客户
  2. 02查找符合条件的潜在客户
  3. 03将名称解析为 CRM ID
  4. 04识别指定时段内无活动的潜在客户

MCP 相关

该服务通过 stdio 向 MCP 客户端提供 Kylas CRM 潜在客户操作和信息查询,并要求提供 Kylas API 密钥。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"kylas-crm": {
"command": "uvx",
"args": [
"kylas-crm-mcp-server"
],
"env": {
"KYLAS_API_KEY": "<KYLAS_API_KEY>",
"KYLAS_BASE_URL": "<KYLAS_BASE_URL>"
}
}
}
}
启动命令uvx kylas-crm-mcp-server
需要配置的环境变量
KYLAS_API_KEY密钥Your Kylas API key (required)
KYLAS_BASE_URLKylas API base URL (optional, default: https://api.kylas.io/v1)

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypikylas-crm-mcp-server1.0.4

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Kylas CRM MCP 服务(仅限潜在客户)

用于 Kylas CRM 潜在客户操作的模型上下文协议服务。可从 Cursor、Claude Desktop 或任何 MCP 客户端使用它来创建潜在客户、搜索和筛选潜在客户,以及查询用户、产品和销售管道。

功能

  • get_lead_field_instructions – 获取潜在客户架构(标准字段和自定义字段、选项列表 ID)
  • create_lead – 根据用户上下文中的动态字段创建潜在客户
  • search_leads – 按多个条件搜索/筛选潜在客户
  • lookup_users – 将用户名解析为 ID(用于负责人、创建者等)
  • lookup_products – 将产品名称解析为 ID
  • lookup_pipelines / get_pipeline_stages – 解析开放/关闭/赢单潜在客户对应的销售管道和阶段
  • search_idle_leads – 查找 N 天内没有活动的潜在客户

要求

  • Python 3.10+
  • Kylas 账户和 API 密钥

安装

pip install -e .
# or from PyPI (after publish): pip install kylas-crm-mcp-server

配置

设置环境变量(或使用 .env 文件):

变量必需描述
KYLAS_API_KEY是你的 Kylas API 密钥
KYLAS_BASE_URL否API 基础 URL(默认值:https://api.kylas.io/v1)

运行服务

该服务使用 stdio 传输方式(MCP 的默认方式)。运行:

python -m kylas_crm_mcp
# or: python main.py  (when developing from repo root)

MCP 客户端(例如 Cursor)通常会启动此进程,并通过 stdin/stdout 通信。

Docker

docker build -t kylas-crm-mcp .
docker run -e KYLAS_API_KEY=your_key -i kylas-crm-mcp

开发

pip install -e ".[dev]"
pytest

发布到 MCP Marketplace

要将此服务发布到 官方 MCP Registry(使其显示在 Cursor 和其他 MCP 客户端中):

  1. 将软件包发布到 PyPI(注册表会通过你的 README 验证所有权)。
  2. 安装 mcp-publisher,运行 mcp-publisher login github,然后运行 mcp-publisher publish。

完整的分步指南请参阅 PUBLISHING.md。

许可证

许可证信息请参阅代码仓库。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。