基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
5.0
关注
AI SCORE
工具产品2026-08-01 20:00

MCP扩展IDE:为Copilot集成实时B2B情报数据

dev.to · AI#MCP#IDE集成
Editor brief · 编辑速览

通过MCP服务器向IDE注入B2B公司数据、技术栈检测、意向信号,使用Zod模式防止参数幻觉。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

将实时 B2B 企业画像和意向数据原生接入 LLM,最高效的方式是部署一个 Model Context Protocol(MCP)server,无需构建自定义中间件。通过将我们的 B2B 潜在客户数据增强 MCP server 直接集成到 IDE 中,你可以让 AI Agent 在编码环境内直接查询实时公司画像、技术栈和意向信号。

这个 MCP server 会将细粒度的数据层直接暴露给 LLM 的上下文窗口。通过为每个工具定义使用严格的 Zod schema 注解,我们可以有效消除 LLM 的参数幻觉,确保模型只使用经过验证、具有明确类型的参数请求数据。

企业画像情报:获取实时营收、员工人数和总部所在地。

技术栈:识别潜在客户所使用的底层基础设施,包括 SaaS 工具、云服务提供商和框架。

意向信号:接收高保真、时效性强的信号,用于触发高优先级的客户触达。

经过验证的 Schema:每个工具请求都受到严格的输入校验保护,确保 LLM 不会误解必填的 company_domain 或 lead_email 字符串。

配置 Cursor / VS Code

要将 Agent 连接到实时数据流,请使用以下 server 定义更新 mcp.json 配置文件。完成此配置后,Copilot 就可以通过 enrich_lead 工具执行查询。

{
  "mcpServers": {
    "b2b-lead-enrichment": {
      "command": "npx",
      "args": ["-y", "@agent-infra/lead-enrichment-mcp"],
      "env": {
        "MCP_API_KEY": "your_api_key_here",
        "MCP_ENDPOINT": "https://lead-enrichment-mcp.agent-infra.workers.dev/mcp"
      }
    }
  }
}

JSON-RPC 响应结构

该工具会返回与标准 MCP client 兼容的结构化 JSON payload。下面是传递到 LLM 上下文中的响应对象示例:

{
  "jsonrpc": "2.0",
  "result": {
    "companyName": "Acme Corp",
    "industry": "Cloud Infrastructure",
    "technographics": ["AWS", "Kubernetes", "Datadog"],
    "intentSignals": {
      "category": "Cloud Migration",
      "score": 88
    },
    "confidenceScore": 0.94,
    "metadata": {
      "dataSource": "pro_tier_v2",
      "timestamp": "2023-10-27T10:00:00Z"
    }
  },
  "id": 1
}

零风险按量计费

我们采用基于效果的计费结构,将开发者的 ROI 放在首位。只有当数据增强查询成功,且 confidenceScore 超过 0.6 时,你才需要付费。如果我们的数据提供商无法验证企业画像记录,或者查询结果未达到置信度阈值,那么这次查询实际上不会产生任何费用。这样一来,你就可以构建自主运行的 SDR Agent 集群,而不必担心“垃圾数据”带来的额外成本。

准备好集成了吗?访问 lead-enrichment-mcp.agent-infra.workers.dev,生成你的 API key,立即开始将实时企业画像数据接入 AI 工作流。

如需采取进一步措施,你可以考虑屏蔽此人和/或举报滥用行为。

Original source

本文由 AI 翻译整理,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
Hugging Face热门论文速览:Agent、长期记忆、World Model
下一篇
世界AI合作组织成立,推进开源开放治理

资讯速览

dev.to · AI · 2026-08-01 20:00

AI 评分 5.0 / 10

相关标签

#MCP#IDE集成

继续阅读

  • Herdr:编码Agent的终端复用与并行管理方案
  • Hugging Face热门论文速览:Agent、长期记忆、World Model
  • 世界AI合作组织成立,推进开源开放治理
  • Adform脚本投毒:5000万美元的Web供应链攻击
  • 企业AI双面刃:2027年效率机遇与风险防控