@agentled/mcp-server

Name: Agentled MCP Server
Author: Agentled

Механизм автоматизации, созданный для ИИ-агентов. Интеллектуальная оркестрация ИИ-рабочих процессов с долгосрочной памятью, более чем 100 интеграциями и единой системой кредитов.

npm version license

Agentled Server MCP server

Что такое Agentled?

Agentled — это механизм автоматизации, созданный для ИИ-агентов. Он предоставляет Claude, Codex, Cursor, Windsurf и любому MCP-совместимому клиенту прямой доступ к интеллектуальной оркестрации рабочих процессов, долгосрочной памяти и более чем 100 интеграциям.

Три особенности, которые выделяют его:

🧠 Долгосрочная память — встроенный граф знаний хранит инсайты между выполнениями рабочих процессов. Ваши агенты становятся умнее со временем — они помнят прошлые исследования, оценки лидов, эффективность контента и бизнес-контекст.

⚡ Единые кредиты — один API-ключ, одна система кредитов, более 100 сервисов. Не нужно отдельно регистрироваться в LinkedIn, почтовых сервисах, инструментах парсинга, ИИ-моделях или генераторах видео. Подключитесь один раз и используйте всё.

🎯 Интеллектуальная оркестрация — ИИ рассуждает на каждом этапе. Рабочие процессы — это не просто «если это, то то», они понимают контекст, принимают решения и адаптируются к результатам.

Посмотрите на это в действии

$ 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

Один промпт. Три рабочих процесса. Обогащение данных LinkedIn, поиск email, ИИ-скоринг, многоканальная рассылка — всё оркестрируется и сохраняется в графе знаний для следующего запуска.

Быстрый старт

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

Локальная разработка

Используйте локальную точку входа, если хотите протестировать неопубликованные изменения в локальном приложении. npx -y @agentled/mcp-server всегда использует последнюю опубликованную версию npm-пакета.

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

Получение API-ключа

Зарегистрируйтесь на agentled.app
Откройте Workspace Settings > Developer
Создайте новый API-ключ (начинается с wsk_)

Почему Agentled MCP?

Один API-ключ. Одна система кредитов. 100+ сервисов.

Не нужно отдельно регистрироваться в API LinkedIn, почтовых сервисах, веб-парсерах, генераторах видео или ИИ-моделях. Agentled управляет всеми интеграциями через единую систему кредитов.

Возможность	Кредиты	Без Agentled
Обогащение данных компании в LinkedIn	50	LinkedIn API ($99/мес+)
Поиск и проверка email	5	Hunter.io ($49/мес)
ИИ-анализ (Claude/GPT/Gemini)	10-30	Несколько API-ключей + оплата
Веб-парсинг	3-10	Аккаунт Apify ($49/мес+)
Генерация изображений	30	Подписка DALL-E/Midjourney
Генерация видео (сцена 8с)	300	RunwayML ($15/мес+)
Преобразование текста в речь	60	ElevenLabs ($22/мес+)
Хранение графа знаний	1-2	Собственная инфраструктура
Синхронизация CRM (Affinity, HubSpot)	5-10	CRM API + промежуточное ПО

Рабочие процессы, которые учатся

Другие инструменты автоматизации начинают с нуля при каждом запуске. Граф знаний Agentled помнит всё между выполнениями — что сработало, что нет, что исправили люди. Каждый запуск дополняет предыдущий.

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)

Интеллектуальная оркестрация

В отличие от инструментов типа «триггер-действие», рабочие процессы Agentled используют ИИ-рассуждения на каждом этапе. Поддержка нескольких моделей (Claude, GPT-4, Gemini, Mistral, DeepSeek, Moonshot), адаптивное выполнение и шлюзы одобрения человеком при необходимости.

Что вы можете создать?

Обогащение лидов и автоматизация продаж

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

Производство контента и медиа

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

Исследование компаний и аналитика

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

Подбор инвесторов для венчурных фондов (реальный кейс)

"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."

Обработано более 3000 профилей. Отчеты, готовые к инвестиционному комитету. Обучение на основе прогнозов и результатов — точность выросла с 62% до 89% за 12 запусков без ручной настройки.

Встроенные возможности

Производство медиа: Генерация видео, генерация изображений, текст-в-речь, автосубтитры, сборка медиа

ИИ-интеллект: Мультимодельный ИИ (Claude, GPT-4, Gemini, Mistral, DeepSeek, Moonshot, xAI), граф знаний, циклы обратной связи, скоринг и аналитика

Данные и интеграция: LinkedIn (поиск, обогащение, публикации), email (отправка, персонализация), веб-парсинг, публикации в соцсетях, синхронизация CRM, анализ документов, OCR

Доступные инструменты

Рабочие процессы

Инструмент	Описание
`list_workflows`	Список всех рабочих процессов в рабочем пространстве
`get_workflow`	Получить полное определение рабочего процесса по ID
`create_workflow`	Создать новый рабочий процесс из JSON конвейера
`update_workflow`	Обновить существующий рабочий процесс
`add_step`	Добавить шаг с автоматическим позиционированием и перенастройкой указателей
`update_step`	Глубокое слияние обновлений в один шаг по ID
`remove_step`	Удалить шаг с автоматической перенастройкой указателей
`delete_workflow`	Безвозвратно удалить рабочий процесс
`validate_workflow`	Проверить структуру конвейера, возвращает ошибки по шагам
`publish_workflow`	Изменить статус рабочего процесса (черновик, активен, приостановлен, в архиве)
`export_workflow`	Экспортировать рабочий процесс в виде переносимого JSON
`import_workflow`	Импортировать рабочий процесс из экспортированного JSON

Черновики и снимки

Инструмент	Описание
`get_draft`	Получить текущую версию черновика рабочего процесса
`promote_draft`	Повысить черновик до активной версии
`discard_draft`	Отменить текущий черновик
`create_snapshot`	Создать ручной снимок конфигурации
`delete_snapshot`	Удалить конкретный снимок конфигурации
`list_snapshots`	Список снимков версий для рабочего процесса
`restore_snapshot`	Восстановить рабочий процесс до предыдущего снимка

Выполнения

Инструмент	Описание
`start_workflow`	Запустить выполнение рабочего процесса с входными данными. Передайте `useMocks: false` для принудительного реального запуска (с расходом кредитов), игнорирующего моковые данные шагов; по умолчанию учитываются настроенные моки процесса.
`list_executions`	Список выполнений для рабочего процесса (пагинация через `nextToken`)
`get_execution`	Получить детали выполнения с результатами шагов
`list_timelines`	Список записей выполнения шагов (таймлайны) для выполнения (пагинация через `nextToken`)
`get_timeline`	Получить один таймлайн по ID с полным выводом шага
`stop_execution`	Остановить запущенное выполнение
`retry_execution`	Повторить неудачный шаг — автоматически определяет последнюю ошибку, если ID таймлайна не предоставлен

Приложения и тестирование

Инструмент	Описание
`list_apps`	Список доступных приложений и интеграций
`get_app_actions`	Получить схемы действий для приложения
`test_app_action`	Протестировать действие приложения без создания рабочего процесса
`test_ai_action`	Протестировать ИИ-промпт без создания рабочего процесса
`test_code_action`	Протестировать JavaScript-код в той же изолированной виртуальной машине, что и в продакшене
`get_step_schema`	Получить разрешенные поля PipelineStep, сгруппированные по категориям

Знания и данные

Инструмент	Описание
`get_workspace`	Получить информацию и настройки рабочего пространства
`get_workspace_company_profile`	Получить редактируемый профиль компании рабочего пространства и предложения
`update_workspace_company_profile`	Обновить поля профиля компании, такие как название, URL, логотип, отрасль, размер и дополнительная информация
`upsert_workspace_company_offerings`	Создать новые или обновить существующие предложения в профиле компании
`list_knowledge_lists`	Список списков знаний в рабочем пространстве
`get_knowledge_rows`	Получить строки из списка знаний
`get_knowledge_text`	Получить текстовое содержимое из записи знаний
`create_knowledge_list`	Создать новый список знаний с типизированной схемой (идемпотентно при коллизии ключей)
`update_knowledge_list_schema`	Добавить или удалить поля в существующей схеме списка
`delete_knowledge_list`	Безвозвратно удалить список и все его строки
`upsert_knowledge_rows`	Вставить или обновить строки в списке (макс. 500 за вызов, отчет об ошибках по каждой строке)
`delete_knowledge_rows`	Удалить строки по ID
`upsert_knowledge_text`	Создать или обновить текстовую запись знаний
`delete_knowledge_text`	Удалить текстовую запись знаний по ключу
`query_kg_edges`	Запрос ребер графа знаний
`get_scoring_history`	Получить историю скоринга для сущности

Брендинг (Whitelabel)

Инструмент	Описание
`get_branding`	Получить конфигурацию брендинга (displayName, логотип, цвета, favicon, значок)
`update_branding`	Обновить брендинг — установить displayName, logoUrl, tagline, primaryColor, primaryColorDark, faviconUrl, hideBadge

Разговорный агент

Инструмент	Описание
`chat`	Отправить сообщение ИИ-агенту AgentLed. Создавайте рабочие процессы на естественном языке — JSON не требуется. Поддерживает многоходовые диалоги через session_id.

Маршрутизатор намерений

Инструмент	Описание
`do`	Маршрутизатор намерений на естественном языке — опишите, что вы хотите, и он автоматически выберет и выполнит нужный инструмент

Переходите с n8n?

Импортируйте существующие рабочие процессы n8n и сделайте их нативными для ИИ:

Инструмент	Описание
`preview_n8n_import`	Предварительный просмотр импорта рабочего процесса n8n (тестовый запуск)
`import_n8n_workflow`	Импортировать рабочий процесс n8n в Agentled

Для агентств: Готовность к White-Label

Создавайте рабочие процессы один раз, развертывайте для нескольких клиентов под своим брендом. Настраивайте брендинг прямо с MCP-сервера:

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

Используйте get_branding и update_branding для управления displayName, логотипом, цветами, favicon, слоганом и видимостью значка. Внешний вид клиентского портала обновляется мгновенно.

Постоянная память — примеры

Память позволяет рабочим процессам учиться между выполнениями. Сохраняйте то, что сработало, и используйте это в следующий раз.

Сохранение факта после обогащения

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

Извлечение перед скорингом

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

Поиск прошлых результатов

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

Отслеживание метрики

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

Каждый последующий вызов с merge: 'increment' добавляет значение к существующему — чтение-модификация-запись не требуется.

Проактивные агенты — примеры

Проактивные агенты — это фоновые мониторы, которые автономно запускают рабочие процессы при выполнении условий.

Создание агента, который следит за новыми лидами

"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."

Структура конфигурации:

{
  "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
}

Создание агента с ИИ-оценкой

"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
}

Приостановка и возобновление

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

Работает с

Claude Code (Anthropic)
Codex (OpenAI)
Cursor
Windsurf
Любым MCP-совместимым клиентом

Ссылки

Сборка из исходного кода

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

Лицензия

MIT