HubSpot MCP Server
2025.04.22
53
PythonCRM数据交互AI助手集成交流协作
HubSpot MCP Server 是一个模型上下文协议（MCP）服务器，旨在使AI助手能够与HubSpot CRM数据进行交互。该服务器作为AI模型与HubSpot账户之间的桥梁，提供对联系人、公司和互动数据的直接访问。通过内置的向量存储和缓存机制，克服了HubSpot API的限制，同时提高了响应速度。该实现优先考虑最常用、高价值的HubSpot操作，具有强大的错误处理和API稳定性。每个组件都针对AI友好的交互进行了优化，确保在复杂的多步骤CRM工作流程中也能保持可靠的性能。
View on GitHub
Overview
基本能力
产品定位
HubSpot MCP Server 是一个连接AI助手与HubSpot CRM数据的桥梁，旨在提供高效、稳定的数据交互能力。
核心功能
- 直接CRM访问：无需中间步骤，直接连接Claude和其他AI助手到HubSpot数据。
- 上下文保留：使用FAISS进行向量存储，支持跨先前交互的语义搜索。
- 零配置：简单的Docker部署，设置最少。
适用场景
- 从LinkedIn个人资料创建HubSpot联系人和公司。
- 查询最近的管道活动。
- 检索和管理HubSpot数据。
工具列表
| 工具 | 用途 |
|---|---|
hubspot_create_contact |
创建联系人，具有重复预防功能 |
hubspot_create_company |
创建公司，具有重复预防功能 |
hubspot_get_company_activity |
检索特定公司的活动 |
hubspot_get_active_companies |
检索最近活跃的公司 |
hubspot_get_active_contacts |
检索最近活跃的联系人 |
hubspot_get_recent_conversations |
检索最近的对话线程和消息 |
hubspot_search_data |
跨先前检索的HubSpot数据进行语义搜索 |
性能特性
- 向量存储：使用FAISS进行高效的语义搜索和检索。
- 线程级索引：单独存储每个对话线程以进行精确检索。
- 嵌入缓存：使用SentenceTransformer自动缓存。
- 持久存储：数据在可配置的存储目录中跨会话持久化。
- 多平台支持：针对各种架构优化的Docker镜像。
常见问题解答
- 如何获取HubSpot访问令牌？ 需要具有以下范围的HubSpot访问令牌：crm.objects.contacts（读/写）、crm.objects.companies（读/写）、sales-email-read。
使用教程
使用依赖
需要以下HubSpot访问令牌范围： - crm.objects.contacts (read/write) - crm.objects.companies (read/write) - sales-email-read
安装教程
快速开始
# 通过Smithery安装（推荐）
npx -y @smithery/cli@latest install mcp-hubspot --client claude
# 或直接拉取Docker镜像
docker run -e HUBSPOT_ACCESS_TOKEN=your_token buryhuang/mcp-hubspot:latest
Docker配置
在Claude桌面中手动配置：
{
"mcpServers": {
"hubspot": {
"command": "docker",
"args": [
"run", "-i", "--rm",
"-e", "HUBSPOT_ACCESS_TOKEN=your_token",
"-v", "/path/to/storage:/storage", # 可选的持久存储
"buryhuang/mcp-hubspot:latest"
]
}
}
}
构建Docker镜像
本地构建Docker镜像：
git clone https://github.com/buryhuang/mcp-hubspot.git
cd mcp-hubspot
docker build -t mcp-hubspot .
多平台构建：
docker buildx create --use
docker buildx build --platform linux/amd64,linux/arm64 -t buryhuang/mcp-hubspot:latest --push .
调试方式
开发环境安装：
pip install -e .