Lead Intelligence MCP server
Commit 13. Nov. 2026Analysiert Sales Pipelines, um Leads zu bewerten, Konversionswahrscheinlichkeiten zu berechnen und Outreach-Aufgaben für Sales-Teams zu priorisieren.
Auch bekannt als Saify-Technologies/saifs-ai-mcps-docs, lead-intelligence
- Stars
- 4
- Tools
- 2
- Downloads, 30 Tage
- —
- Neueste Version
- 1.0.1
- Letzter Commit
- 13. Nov. 2026
- Lizenz
- MIT
Was ist Lead Intelligence MCP?
Lead Intelligence ist ein MCP server. Analysiert Sales Pipelines, um Leads zu bewerten, Konversionswahrscheinlichkeiten zu berechnen und Outreach-Aufgaben für Sales-Teams zu priorisieren. Er stellt 2 Tools bereit, etwa lead_pipeline, lead_pipeline_get_engine.
Zusammenfassung generiert aus dem README des Projekts
Über Lead Intelligence MCP server
Lead Intelligence bietet Sales-Teams und Managern analytische Tools zur Auswertung offener Sales Pipelines. Er verarbeitet Lead-Datensätze aus jedem CRM oder CSV-Export, der eine Lead-ID und ein Erstellungsdatum enthält. Der Server berechnet Konversionswahrscheinlichkeiten, erwartete Konversionszeiten und das gesamte finanzielle Risiko. Zudem bietet er Shapley-Attribution, um verschiedene Marketingkanäle zu bewerten, und erstellt eine tägliche Aufgabenliste für SDRs, die Call-, Nurture- und Verify-Aktionen umfasst.
Dies ist ein Remote-Server, der Streamable HTTP nutzt, sodass keine lokale Installation erforderlich ist. Nutzer verbinden sich über den bereitgestellten Endpoint und authentifizieren sich via OAuth 2.1 mit PKCE. Das lead_pipeline Tool verarbeitet bis zu 500 Leads direkt, während das lead_pipeline_get_engine Tool ein Python-Script für größere Datensätze bereitstellt, um lokales Scoring ohne Netzwerkaufrufe zu ermöglichen. Es lässt sich in Clients wie Claude Desktop, VS Code und Claude Code integrieren.
Was du damit machen kannst
- 1Täglichen Sales-Outreach priorisierenFrag die KI, welche spezifischen Kontakte die Sales Development Representatives sofort kontaktieren sollten.
- 2Finanzielles Pipeline-Risiko bewertenErmittle den gesamten Geldwert von Leads, die aktuell nicht durch den Funnel progressieren.
- 3Effektivität von Marketingkanälen bewertenAnalysiere, welche Kommunikationskanäle am erfolgreichsten bei der Generierung tatsächlicher Konversionen sind.
- 4Große Lead-Datensätze lokal verarbeitenGeneriere ein Script, um einen Export mit mehr als 500 Leads auf einer lokalen Maschine zu bewerten.
Geschrieben aus dem README des Projekts. Jeder Use Case wurde gegen ein Zitat daraus geprüft.
So installierst du Lead Intelligence MCP
Formate geprüft am 10. Nov. 2026Zu Cursor hinzufügenZu Goose hinzufügenLead Intelligence MCP in Claude Code installieren
$ claude mcp add --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcpLead Intelligence MCP in Cursor installieren
~/.cursor/mcp.json
{
"mcpServers": {
"lead-intelligence": {
"url": "https://lead-scoring-mcp.saifs.ai/mcp"
}
}
}Lead Intelligence MCP in VS Code installieren
.vscode/mcp.json
{
"servers": {
"lead-intelligence": {
"type": "http",
"url": "https://lead-scoring-mcp.saifs.ai/mcp"
}
}
}Lead Intelligence MCP in VS Code CLI installieren
$ code --add-mcp '{"name":"lead-intelligence","type":"http","url":"https://lead-scoring-mcp.saifs.ai/mcp"}'Lead Intelligence MCP in Codex installieren
$ codex mcp add lead-intelligence --url https://lead-scoring-mcp.saifs.ai/mcpLead Intelligence MCP in Codex config.toml installieren
~/.codex/config.toml
[mcp_servers.lead-intelligence] url = "https://lead-scoring-mcp.saifs.ai/mcp"
Lead Intelligence MCP in Gemini CLI installieren
$ gemini mcp add -s user --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcpLead Intelligence MCP in Gemini settings.json installieren
~/.gemini/settings.json
{
"mcpServers": {
"lead-intelligence": {
"url": "https://lead-scoring-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Lead Intelligence MCP tools 2
Erkannt aus dem READMElead_pipelinelead_pipeline_get_engine
| lead_pipeline | — | |
| lead_pipeline_get_engine | — |
Automatisierte Checks
Geluften am 13. Nov. 2026Vollständiger Bericht →Noch nicht verifiziert. Ein Server benötigt einen Score von 80, keine kritischen Befunde und genug Daten für unsere Prüfung. Wie die Checks funktionieren · Was du für mehr Punkte verbessern kannst
- Source Repository verknüpft und erreichbarsaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Bestanden
- Paket nennt dieses Repository als QuelleNicht geprüft
- Build-Provenienz (Sigstore-Attestierung)Nicht geprüft
- Open Source Lizenz (OSI)MITspdx.org/licenses/MIT.html ↗Bestanden
- Commit oder Release im letzten JahrLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Bestanden
- OpenSSF ScorecardNicht geprüft
- Package-Name ähnelt keinem populären PackageNicht geprüft
- Keine kritischen Advisories im Paket oder seinen AbhängigkeitenNicht geprüft
- Keine versteckten Anweisungen an das Modell2 tool descriptions and the README read; no override phrases, credential paths or hidden charactersBestanden
- Destruktive Tools sind markiertNo tool named like delete, drop or execBestanden
- Remote-Endpoint beantwortet den MCP-HandshakeHTTPS endpoint answered 401 (sign-in required)Bestanden
README
Auf GitHub ansehenLead Intelligence
Scores an open sales pipeline from lead records: probability and expected time to convert, money at risk and the value of one contact, a funnel-stage outlook, multi-touch channel credit (Shapley attribution), and a daily CALL / NURTURE / VERIFY queue for SDRs and sales managers. Works from any CRM or CSV export with a lead id and a created date.
| Registry name | ai.saifs/lead-intelligence |
| Endpoint | https://lead-scoring-mcp.saifs.ai/mcp |
| Transport | Streamable HTTP (remote, nothing to install) |
| Auth | OAuth 2.1 — PKCE (S256) and dynamic client registration; your client opens a sign-in page on first use |
| Publisher | SAIFS AI |
Install
VS Code / GitHub Copilot
Add to .vscode/mcp.json (workspace) or your user mcp.json:
{
"servers": {
"saifs-lead-intelligence": {
"type": "http",
"url": "https://lead-scoring-mcp.saifs.ai/mcp"
}
}
}
Then start the server from the MCP view and sign in when prompted.
Claude (claude.ai, Desktop)
Settings → Connectors → Add custom connector, and paste:
https://lead-scoring-mcp.saifs.ai/mcp
Claude Code
claude mcp add --transport http saifs-lead-intelligence https://lead-scoring-mcp.saifs.ai/mcp
Any other MCP client
Point it at https://lead-scoring-mcp.saifs.ai/mcp using the Streamable HTTP transport. The server returns 401 with a
WWW-Authenticate: Bearer … resource_metadata=… challenge, so OAuth-aware clients sign in automatically.
Tools
| Tool | What it does |
|---|---|
lead_pipeline |
Scores up to 500 leads: conversion probabilities, pipeline value at risk, stage outlook, channel attribution, manager decisions (CALL TODAY / PUSH FORWARD / QUALIFY) and a per-lead ledger. Optional touch log and stage history improve the results. |
lead_pipeline_get_engine |
For pipelines over 500 leads: returns a runnable Python script that scores the export locally with no network calls. |
Example prompts
- “Here's our HubSpot lead export. Who should the team call today?”
- “Which leads are going cold and how much pipeline value is at risk?”
- “Which channels actually drive conversions — email, demo or webinar?”
Support
- Website: https://saifs.ai
- Issues: https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
- Privacy: https://saifs.ai/privacy_policy
Lead Intelligence MCP Fragen
Wie füge ich Lead Intelligence MCP zu Claude Code hinzu?
Führe claude mcp add --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcp in deinem Terminal aus. Füge --scope user hinzu, damit der Server in jedem Projekt verfügbar ist.
Wie füge ich Lead Intelligence MCP zu Cursor hinzu?
Öffne ~/.cursor/mcp.json und füge den Server unter mcpServers hinzu, mit der Cursor-Config aus dem Installationsabschnitt oben.
Welche Tools bietet Lead Intelligence MCP?
Er stellt 2 Tools bereit, darunter lead_pipeline, lead_pipeline_get_engine.
Welche Daten benötigt der Server zum Arbeiten?
Der Server arbeitet mit jedem CRM oder CSV-Export, der eine Lead-ID und ein Erstellungsdatum enthält.