Agregue contexto de CRM a un agente de búsqueda de MCP consultando su CRM para obtener datos de la cuenta antes o después de las llamadas de búsqueda y luego fusionando el contexto de CRM con los resultados de búsqueda para producir respuestas más relevantes y conscientes de la cuenta. Los agentes de MCP con herramientas de búsqueda arrojan resultados genéricos que carecen de contexto específico del cliente. Al enriquecer los resultados de búsqueda con datos de CRM como la etapa del trato, las interacciones pasadas y el tamaño de la cuenta, el agente puede adaptar sus recomendaciones y priorizar la información que es importante para la cuenta específica que se está discutiendo.
Requisitos previos
- Python 3.8+ instalado
- solicita biblioteca instalada
- Una clave API de Scavio de scavio.dev
- Datos de CRM accesibles a través de API o archivo local
Guia paso a paso
Paso 1: Cargar datos de la cuenta CRM
Extraiga el contexto de la cuenta de su CRM para enriquecer los resultados de búsqueda.
Python
import os, requests, json
API_KEY = os.environ['SCAVIO_API_KEY']
# Simulated CRM data (replace with your CRM API call)
def load_crm_account(account_name: str) -> dict:
# In production: requests.get(f'{CRM_API}/accounts?name={account_name}')
crm_data = {
'Acme Corp': {
'deal_stage': 'negotiation',
'deal_value': 50000,
'industry': 'manufacturing',
'size': '500-1000 employees',
'last_contact': '2026-04-15',
'notes': 'Interested in automation tools. Key pain point: manual data entry.',
},
'Beta Inc': {
'deal_stage': 'discovery',
'deal_value': 25000,
'industry': 'saas',
'size': '50-200 employees',
'last_contact': '2026-05-01',
'notes': 'Evaluating search APIs for their product. Comparing with SerpAPI.',
},
}
return crm_data.get(account_name, {})
account = load_crm_account('Acme Corp')
print(f"Stage: {account.get('deal_stage')}, Industry: {account.get('industry')}")Paso 2: Buscar con contexto de cuenta
Utilice el contexto de CRM para refinar las consultas de búsqueda y obtener resultados más relevantes.
Python
def contextual_search(query: str, account: dict) -> list:
"""Search with CRM context to get industry-relevant results."""
industry = account.get('industry', '')
refined_query = f'{query} {industry}' if industry else query
resp = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': API_KEY},
json={'platform': 'google', 'query': refined_query}, timeout=15)
results = resp.json().get('organic_results', [])
return [{
'title': r.get('title', ''),
'url': r.get('link', ''),
'snippet': r.get('snippet', ''),
} for r in results[:5]]
account = load_crm_account('Acme Corp')
results = contextual_search('automation tools', account)
for r in results:
print(f" {r['title'][:50]}")Paso 3: Fusionar CRM y datos de búsqueda
Combine los datos de la cuenta de CRM con los resultados de la búsqueda en un bloque de contexto unificado.
Python
def merge_context(account_name: str, query: str) -> dict:
account = load_crm_account(account_name)
results = contextual_search(query, account)
return {
'account': {
'name': account_name,
'deal_stage': account.get('deal_stage', 'unknown'),
'industry': account.get('industry', ''),
'notes': account.get('notes', ''),
},
'search_results': results,
'context_type': 'enriched' if account else 'search_only',
}
merged = merge_context('Acme Corp', 'automation tools')
print(f"Context type: {merged['context_type']}")
print(f"Deal stage: {merged['account']['deal_stage']}")
print(f"Search results: {len(merged['search_results'])}")Paso 4: Formato para el agente MCP
Estructurar el contexto combinado para la inyección en la respuesta de la herramienta del agente MCP.
Python
def format_mcp_response(merged: dict) -> str:
parts = []
acct = merged.get('account', {})
if acct.get('deal_stage') != 'unknown':
parts.append('ACCOUNT CONTEXT:')
parts.append(f" Company: {acct.get('name', '')}")
parts.append(f" Deal Stage: {acct.get('deal_stage', '')}")
parts.append(f" Industry: {acct.get('industry', '')}")
if acct.get('notes'):
parts.append(f" Notes: {acct['notes']}")
parts.append('')
parts.append('SEARCH RESULTS:')
for i, r in enumerate(merged.get('search_results', []), 1):
parts.append(f'{i}. {r["title"]}')
if r.get('snippet'):
parts.append(f' {r["snippet"][:150]}')
return '\n'.join(parts)
response = format_mcp_response(merged)
print(response[:500])Paso 5: Prueba con llamada a la herramienta MCP
Simule una llamada a una herramienta MCP que combine la búsqueda de CRM con la búsqueda.
Python
def mcp_search_tool(params: dict) -> dict:
"""MCP tool handler for CRM-enriched search."""
query = params.get('query', '')
account_name = params.get('account', '')
if not query:
return {'error': 'query is required'}
merged = merge_context(account_name, query)
formatted = format_mcp_response(merged)
return {
'content': [{'type': 'text', 'text': formatted}],
'isError': False,
}
# Test the MCP tool
result = mcp_search_tool({'query': 'automation tools', 'account': 'Acme Corp'})
print(result['content'][0]['text'][:400])
# Test without account
result2 = mcp_search_tool({'query': 'search api comparison', 'account': ''})
print(f'\nWithout account: {len(result2["content"][0]["text"])} chars')Ejemplo en Python
Python
import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}
def crm_search(query, industry=''):
refined = f'{query} {industry}'.strip()
data = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
json={'platform': 'google', 'query': refined}).json()
return [{'title': r['title'], 'snippet': r.get('snippet', '')[:80]}
for r in data.get('organic_results', [])[:3]]
print(crm_search('automation tools', 'manufacturing'))Ejemplo en JavaScript
JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
async function crmSearch(query, industry = '') {
const r = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST', headers: H,
body: JSON.stringify({platform: 'google', query: `${query} ${industry}`.trim()})
});
return ((await r.json()).organic_results || []).slice(0, 3)
.map(r => ({title: r.title, snippet: (r.snippet || '').slice(0, 80)}));
}
crmSearch('automation tools', 'manufacturing').then(console.log);Salida esperada
JSON
An MCP search agent enriched with CRM account context that delivers industry-specific, deal-stage-aware search results for more relevant agent responses.