返回 MCP 目录
public公开dns本地运行

Lead Qualifier

一个基于ChatGPT的轻量级MCP工具,通过BANT机制(预算、权限、需求、时间线)来筛选潜在客户,并引导用户逐步输入信息。

article

README

🚀 潜在客户资格鉴定 MCP 工具

这是一个轻量级的MCP工具,借助ChatGPT,通过BANT机制(预算、权限、需求、时间表)对潜在客户进行资格鉴定,引导用户逐步输入相关信息,高效完成潜在客户评估。

🚀 快速开始

本工具可利用ChatGPT的能力,基于BANT机制实现潜在客户资格鉴定。你只需按以下步骤操作,即可快速使用。

✨ 主要特性

  • 🧠 基于大语言模型 (LLM) 提取潜在客户资格信息并评分。
  • 💬 采用对话式流程,每轮仅需输入一个字段信息。
  • 💾 支持快速的内存会话跟踪,可扩展为 Redis 支持。
  • 🔌 通过 MCP (sse) 与 Dify / Cursor 兼容。

📦 安装指南

配置 API 密钥

.env 文件中配置 ChatGPT 的 API 密钥:

OPENAI_API_KEY=1234

启动 NodeJS 服务器

安装依赖并启动服务器,此服务器即为 MCP 服务器:

npm install
npm start

可选:使用 ngrok 暴露服务器

若有需要,可使用 ngrok 暴露服务器:

ngrok http 3001

Dify Agent 策略配置示例

以下是 Dify Agent 策略配置示例:

{
  "lead_qualification": {
    "transport": "sse",
    "url": "https://24c3-172-235-53-238.ngrok-free.app/sse",
    "headers": {},
    "timeout": 50,
    "sse_read_timeout": 50
  }
}

💻 使用示例

基础用法

工具名称lead - qualifier

输入示例

{
  "sessionId": "abc123",
  "message": "我们的预算是每月 $1000"
}

输出示例

{
  content: [
    {
      type: "text",
      text: "你是主要评估这种工具的人吗,还是有其他人参与决策?"
    }
  ],
  isError: false
}

会话示例

{
  "qualificationMap": {
    "budget": "$1000 每月",
    "authority": "",
    "need": "",
    "timeline": ""
  },
  "scoreMap": {
    "budget": 30,
    "authority": 0,
    "need": 0,
    "timeline": 0
  },
  "totalScore": 30,
  "nextField": "authority",
  "lastPromptedField": "authority",
  "lastPromptedQuestion": "你是主要评估这种工具的人吗,还是有其他人参与决策?"
}
help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端