@agentled/mcp-server

Name: Agentled MCP Server
Author: Agentled

El motor de automatización creado para agentes de IA. Orquestación inteligente de flujos de trabajo de IA con memoria a largo plazo, más de 100 integraciones y créditos unificados.

npm version license

Agentled Server MCP server

¿Qué es Agentled?

Agentled es el motor de automatización creado para agentes de IA. Proporciona a Claude, Codex, Cursor, Windsurf y cualquier cliente compatible con MCP acceso directo a la orquestación inteligente de flujos de trabajo, memoria a largo plazo y más de 100 integraciones.

Tres cosas lo hacen diferente:

🧠 Memoria a largo plazo — Un grafo de conocimiento integrado almacena información a través de las ejecuciones de los flujos de trabajo. Tus agentes se vuelven más inteligentes con el tiempo: recuerdan investigaciones pasadas, puntuaciones de clientes potenciales, rendimiento de contenido y contexto empresarial.

⚡ Créditos unificados — Una clave API, un sistema de créditos, más de 100 servicios. No es necesario registrarse por separado en LinkedIn, correo electrónico, scraping, modelos de IA o generación de video. Conéctate una vez, úsalo todo.

🎯 Orquestación inteligente — La IA razona en cada paso. Los flujos de trabajo no son solo "si pasa esto, haz aquello": entienden el contexto, toman decisiones y se adaptan a los resultados.

Véalo en acción

$ agentled create "Outbound to fintech CTOs in Europe"

Loading workspace context from Knowledge Graph...
✦ ICP loaded  ✦ 3 prior campaigns  ✦ 847 contacts in KG

Creating campaign with 3 workflows...

━━ Workflow 1: Prospect Research  linkedin · hunter · clearbit
  ✓ LinkedIn: CTO + fintech + EU → 189 profiles
  ✓ Enriched via Hunter + Clearbit → 156 matched
  ✓ ICP scoring → 43 high-intent leads

━━ Workflow 2: Signal Detection  web-scraper · crunchbase
  ✓ Job postings → 12 hiring devops
  ✓ Crunchbase → 8 recently funded
  ✓ Cross-match: hiring + funded → 5 hot leads

━━ Workflow 3: Outreach  email · linkedin · kg
  ✓ Personalized emails from context
  ✓ LinkedIn requests with custom notes
  ✓ 43 leads saved to Knowledge Graph

Campaign saved. Scheduled: every 48h
Credits used: 720
→ https://www.agentled.app/your-team/fintech-cto-outbound

Un prompt. Tres flujos de trabajo. Enriquecimiento de LinkedIn, búsqueda de correos electrónicos, puntuación mediante IA, alcance multicanal: todo orquestado, todo almacenado en el grafo de conocimiento para la próxima ejecución.

Inicio rápido

claude mcp add agentled \
  -e AGENTLED_API_KEY=wsk_... \
  -- npx -y @agentled/mcp-server

Desarrollo local

Utiliza el punto de entrada local cuando quieras probar cambios no publicados contra una aplicación local. npx -y @agentled/mcp-server siempre utiliza el último paquete npm publicado.

cd agentled-mcp-server
npm run build

claude mcp add --transport stdio agentled_local \
  --env AGENTLED_API_KEY=wsk_... \
  --env AGENTLED_URL=http://localhost:8080 \
  -- node /absolute/path/to/agentsled-front/agentled-mcp-server/dist/index.js

Obtención de tu clave API

Regístrate en agentled.app
Abre Workspace Settings > Developer
Genera una nueva clave API (comienza con wsk_)

¿Por qué Agentled MCP?

Una clave API. Un sistema de créditos. Más de 100 servicios.

No es necesario registrarse por separado en APIs de LinkedIn, servicios de correo electrónico, web scrapers, generadores de video o modelos de IA. Agentled gestiona todas las integraciones a través de un único sistema de créditos.

Capacidad	Créditos	Sin Agentled
Enriquecimiento de empresa en LinkedIn	50	API de LinkedIn ($99/mes+)
Búsqueda y verificación de correos	5	Hunter.io ($49/mes)
Análisis de IA (Claude/GPT/Gemini)	10-30	Múltiples claves API + facturación
Web scraping	3-10	Cuenta de Apify ($49/mes+)
Generación de imágenes	30	Suscripción a DALL-E/Midjourney
Generación de video (escena de 8s)	300	RunwayML ($15/mes+)
Texto a voz	60	ElevenLabs ($22/mes+)
Almacenamiento en Grafo de Conocimiento	1-2	Infraestructura personalizada
Sincronización CRM (Affinity, HubSpot)	5-10	API de CRM + middleware

Flujos de trabajo que aprenden

Otras herramientas de automatización comienzan desde cero en cada ejecución. El grafo de conocimiento de Agentled recuerda a través de las ejecuciones: qué funcionó, qué no, qué corrigieron los humanos. Cada ejecución se suma a la anterior.

Run 1:  Investor scoring → 62% accuracy (cold start)
Run 5:  → 78% (learning from IC feedback)
Run 12: → 89% (compound learning from outcomes, zero manual tuning)

Orquestación inteligente

A diferencia de las herramientas de "disparador-acción", los flujos de trabajo de Agentled tienen razonamiento de IA en cada paso. Soporte para múltiples modelos (Claude, GPT-4, Gemini, Mistral, DeepSeek, Moonshot), ejecución adaptativa y puertas de aprobación con intervención humana cuando sea necesario.

¿Qué puedes construir?

Enriquecimiento de clientes potenciales y automatización de ventas

"Find fintech CTOs in Europe, enrich via LinkedIn + Hunter, score by ICP fit,
draft personalized outreach, save everything to the Knowledge Graph"

Producción de contenido y medios

"Scrape trending topics in our niche, generate 5 LinkedIn posts with AI,
create thumbnail images, schedule publishing for the week"

Investigación e inteligencia empresarial

"Research this company from its URL — team, funding, market position, competitors.
Generate an investment memo. Store in KG for future reference."

Emparejamiento de inversores de capital riesgo (estudio de caso real)

"Match this startup against our 2,000+ investor database. Score by sector focus,
stage preference, check size, and portfolio synergy. Compare with last round's outcomes."

Más de 3,000 perfiles procesados. Informes listos para el comité de inversiones. Aprendizaje de predicción frente a resultado: la precisión pasó del 62% al 89% en 12 ejecuciones sin ajustes manuales.

Capacidades integradas

Producción de medios: Generación de video, generación de imágenes, texto a voz, subtítulos automáticos, ensamblaje de medios

Inteligencia de IA: IA de múltiples modelos (Claude, GPT-4, Gemini, Mistral, DeepSeek, Moonshot, xAI), Grafo de conocimiento, bucles de retroalimentación, puntuación y análisis

Datos e integración: LinkedIn (búsqueda, enriquecimiento, publicación), correo electrónico (envío, personalización), web scraping, publicación en redes sociales, sincronización CRM, análisis de documentos, OCR

Herramientas disponibles

Flujos de trabajo

Herramienta	Descripción
`list_workflows`	Lista todos los flujos de trabajo en el espacio de trabajo
`get_workflow`	Obtiene la definición completa del flujo de trabajo por ID
`create_workflow`	Crea un nuevo flujo de trabajo a partir de un JSON de pipeline
`update_workflow`	Actualiza un flujo de trabajo existente
`add_step`	Añade un paso con posicionamiento automático y reconfiguración de punteros
`update_step`	Fusiona actualizaciones en un solo paso por ID
`remove_step`	Elimina un paso con reconfiguración automática de punteros
`delete_workflow`	Elimina permanentemente un flujo de trabajo
`validate_workflow`	Valida la estructura del pipeline, devuelve errores por paso
`publish_workflow`	Cambia el estado del flujo de trabajo (borrador, activo, pausado, archivado)
`export_workflow`	Exporta un flujo de trabajo como JSON portátil
`import_workflow`	Importa un flujo de trabajo desde un JSON exportado

Borradores y instantáneas

Herramienta	Descripción
`get_draft`	Obtiene la versión de borrador actual de un flujo de trabajo
`promote_draft`	Promociona un borrador a la versión activa
`discard_draft`	Descarta el borrador actual
`create_snapshot`	Crea una instantánea de configuración manual
`delete_snapshot`	Elimina una instantánea de configuración específica
`list_snapshots`	Lista las instantáneas de versión de un flujo de trabajo
`restore_snapshot`	Restaura un flujo de trabajo a una instantánea anterior

Ejecuciones

Herramienta	Descripción
`start_workflow`	Inicia una ejecución de flujo de trabajo con entrada. Pasa `useMocks: false` para forzar una ejecución real (que consume créditos) que ignora los datos simulados por paso; por defecto respeta los mocks configurados del flujo de trabajo.
`list_executions`	Lista las ejecuciones de un flujo de trabajo (paginado mediante `nextToken`)
`get_execution`	Obtiene detalles de ejecución con resultados de paso
`list_timelines`	Lista los registros de ejecución de pasos (líneas de tiempo) para una ejecución (paginado mediante `nextToken`)
`get_timeline`	Obtiene una línea de tiempo única por ID con la salida completa del paso
`stop_execution`	Detiene una ejecución en curso
`retry_execution`	Reintenta un paso fallido: detecta automáticamente el fallo más reciente si no se proporciona un ID de línea de tiempo

Aplicaciones y pruebas

Herramienta	Descripción
`list_apps`	Lista las aplicaciones e integraciones disponibles
`get_app_actions`	Obtiene esquemas de acción para una aplicación
`test_app_action`	Prueba una acción de aplicación sin crear un flujo de trabajo
`test_ai_action`	Prueba un prompt de IA sin crear un flujo de trabajo
`test_code_action`	Prueba código JavaScript en la misma VM aislada que en producción
`get_step_schema`	Obtiene los campos permitidos de PipelineStep agrupados por categoría

Conocimiento y datos

Herramienta	Descripción
`get_workspace`	Obtiene información y configuración del espacio de trabajo
`get_workspace_company_profile`	Obtiene el perfil de empresa editable del espacio de trabajo y sus ofertas
`update_workspace_company_profile`	Actualiza campos del perfil de empresa de nivel superior como nombre, URLs, logo, industria, tamaño e información adicional
`upsert_workspace_company_offerings`	Crea nuevas ofertas o actualiza ofertas existentes en el perfil de empresa del espacio de trabajo
`list_knowledge_lists`	Lista las listas de conocimiento en el espacio de trabajo
`get_knowledge_rows`	Obtiene filas de una lista de conocimiento
`get_knowledge_text`	Obtiene contenido de texto de una entrada de conocimiento
`create_knowledge_list`	Crea una nueva lista de conocimiento con un esquema tipado (idempotente ante colisión de claves)
`update_knowledge_list_schema`	Añade o elimina campos en un esquema de lista existente
`delete_knowledge_list`	Elimina permanentemente una lista y todas sus filas
`upsert_knowledge_rows`	Inserta o actualiza filas en una lista (máx 500/llamada, informe de errores por fila)
`delete_knowledge_rows`	Elimina filas por ID
`upsert_knowledge_text`	Crea o actualiza una entrada de conocimiento de texto
`delete_knowledge_text`	Elimina una entrada de conocimiento de texto por clave
`query_kg_edges`	Consulta aristas del grafo de conocimiento
`get_scoring_history`	Obtiene el historial de puntuación de una entidad

Branding (Marca blanca)

Herramienta	Descripción
`get_branding`	Obtiene la configuración de marca blanca del espacio de trabajo (displayName, logo, colores, favicon, insignia)
`update_branding`	Actualiza el branding: establece displayName, logoUrl, tagline, primaryColor, primaryColorDark, faviconUrl, hideBadge

Agente conversacional

Herramienta	Descripción
`chat`	Envía un mensaje al agente de IA de Agentled. Crea flujos de trabajo mediante lenguaje natural: no se requiere JSON. Soporta conversaciones de múltiples turnos mediante session_id.

Enrutador de intenciones

Herramienta	Descripción
`do`	Enrutador de intenciones de lenguaje natural: describe lo que quieres y selecciona y ejecuta automáticamente la herramienta correcta

¿Vienes de n8n?

Importa flujos de trabajo de n8n existentes y hazlos nativos de IA:

Herramienta	Descripción
`preview_n8n_import`	Previsualiza una importación de flujo de trabajo de n8n (simulación)
`import_n8n_workflow`	Importa un flujo de trabajo de n8n a Agentled

Para agencias: Listo para marca blanca

Crea flujos de trabajo una vez, despliégalos para múltiples clientes bajo tu propia marca. Configura el branding directamente desde el servidor MCP:

"Set my workspace branding: displayName 'Acme AI', primaryColor '#6366f1', tagline 'Powered by Acme'"

Usa get_branding y update_branding para gestionar displayName, logo, colores, favicon, tagline y visibilidad de la insignia. La apariencia del portal del cliente se actualiza al instante.

Memoria persistente: Ejemplos

Las memorias permiten que los flujos de trabajo aprendan a través de las ejecuciones. Almacena lo que funcionó, recuérdalo la próxima vez.

Almacena un hecho después del enriquecimiento

"Store a memory: key 'icp_criteria', value { industry: 'fintech', minEmployees: 50, region: 'EU' },
category 'preference', scope 'workspace'"

Recuerda antes de puntuar

"Recall memory 'icp_criteria' at workspace scope — use it to score this batch of leads"

Busca resultados pasados

"Search memories for 'conversion rate' in the 'outcome' category"

Rastrea una métrica en ejecución

"Store memory: key 'total_leads_processed', value 43, merge 'increment', scope 'workspace'"

Cada llamada posterior con merge: 'increment' se suma al valor existente: no se necesita lectura-modificación-escritura.

Agentes proactivos: Ejemplos

Los agentes proactivos son monitores en segundo plano que activan flujos de trabajo de forma autónoma cuando se cumplen las condiciones.

Crea un agente que vigile nuevos clientes potenciales

"Create a proactive agent named 'New Lead Watcher' that checks the 'incoming-leads' knowledge list
every 5 minutes. When new rows appear, start the 'lead-enrichment' workflow with the new rows as input.
Limit to 10 actions per day."

Estructura de configuración:

{
  "monitorInterval": "5m",
  "evaluation": { "mode": "rules" },
  "monitors": [{
    "type": "kg_list",
    "listKey": "incoming-leads",
    "condition": "new_rows"
  }],
  "actions": [{
    "type": "start_workflow",
    "workflowId": "wf_abc123",
    "inputMapping": { "leads": "{{monitor.newRows}}" }
  }],
  "maxActionsPerDay": 10,
  "cooldownMs": 300000
}

Crea un agente evaluado por IA

"Create a proactive agent that checks execution history every hour.
Use AI evaluation to decide if the failure rate is abnormal, then notify me via email."

{
  "monitorInterval": "1h",
  "evaluation": { "mode": "ai", "modelTier": "mini", "maxCreditsPerDay": 50 },
  "monitors": [{
    "type": "execution_history",
    "condition": "consecutive_failures",
    "threshold": 3
  }],
  "actions": [{
    "type": "notify",
    "channel": "email",
    "message": "{{monitor.summary}}"
  }],
  "maxActionsPerDay": 5
}

Pausa y reanuda

"Pause proactive agent pa_xyz789"
"Resume proactive agent pa_xyz789"

Funciona con

Claude Code (Anthropic)
Codex (OpenAI)
Cursor
Windsurf
Cualquier cliente compatible con MCP

Enlaces

Construcción desde el código fuente

git clone https://github.com/Agentled/mcp-server.git
cd mcp-server
npm install
npm run build

Licencia

MIT