MCP server de Lead Intelligence
Commit 13 nov 2026Analiza pipelines de ventas para calificar leads, calcular probabilidades de conversión y priorizar tareas de prospección para equipos de ventas.
También conocido como Saify-Technologies/saifs-ai-mcps-docs, lead-intelligence
- Stars
- 4
- Herramientas
- 2
- Descargas, 30 días
- —
- Última versión
- 1.0.1
- Último commit
- 13 nov 2026
- Licencia
- MIT
¿Qué es Lead Intelligence MCP?
Lead Intelligence es un MCP server. Analiza pipelines de ventas para calificar leads, calcular probabilidades de conversión y priorizar tareas de prospección para equipos de ventas. Expone 2 herramientas, como lead_pipeline, lead_pipeline_get_engine.
Resumen generado a partir del README del proyecto
Acerca del MCP server de Lead Intelligence
Lead Intelligence proporciona a equipos y gerentes de ventas herramientas analíticas para evaluar pipelines de ventas abiertos. Procesa registros de leads de cualquier CRM o exportación CSV que incluya un lead id y una fecha de creación. El servidor calcula probabilidades de conversión, tiempos de conversión esperados y el monto total de dinero en riesgo. También ofrece atribución Shapley para dar crédito a diferentes canales de marketing y genera una cola de tareas diaria para SDRs que consiste en acciones de llamada, nutrición y verificación.
Este es un servidor remoto que utiliza transporte streamable HTTP, lo que significa que no requiere instalación local. Los usuarios se conectan a través del endpoint proporcionado y se autentican usando OAuth 2.1 con PKCE. La herramienta lead_pipeline gestiona hasta 500 leads directamente, mientras que la herramienta lead_pipeline_get_engine proporciona un script de Python para conjuntos de datos más grandes, permitiendo la calificación local sin llamadas de red. Se integra con clientes como Claude Desktop, VS Code y Claude Code.
Qué puedes hacer con él
- 1Priorizar la prospección diaria de ventasPide a la IA que identifique qué contactos específicos deben contactar de inmediato los representantes de desarrollo de ventas.
- 2Evaluar el riesgo financiero del pipelineDetermina el valor monetario total de los leads que actualmente no están progresando a través del funnel.
- 3Evaluar la efectividad de los canales de marketingAnaliza qué canales de comunicación tienen más éxito para impulsar conversiones reales.
- 4Procesar grandes conjuntos de datos de leads localmenteGenera un script para calificar una exportación que contenga más de 500 leads en una máquina local.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar Lead Intelligence MCP
Formatos verificados el 10 nov 2026Añadir a CursorAñadir a GooseInstalar Lead Intelligence MCP en Claude Code
$ claude mcp add --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcpInstalar Lead Intelligence MCP en Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"lead-intelligence": {
"url": "https://lead-scoring-mcp.saifs.ai/mcp"
}
}
}Instalar Lead Intelligence MCP en VS Code
.vscode/mcp.json
{
"servers": {
"lead-intelligence": {
"type": "http",
"url": "https://lead-scoring-mcp.saifs.ai/mcp"
}
}
}Instalar Lead Intelligence MCP en VS Code CLI
$ code --add-mcp '{"name":"lead-intelligence","type":"http","url":"https://lead-scoring-mcp.saifs.ai/mcp"}'Instalar Lead Intelligence MCP en Codex
$ codex mcp add lead-intelligence --url https://lead-scoring-mcp.saifs.ai/mcpInstalar Lead Intelligence MCP en Codex config.toml
~/.codex/config.toml
[mcp_servers.lead-intelligence] url = "https://lead-scoring-mcp.saifs.ai/mcp"
Instalar Lead Intelligence MCP en Gemini CLI
$ gemini mcp add -s user --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcpInstalar Lead Intelligence MCP en Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"lead-intelligence": {
"url": "https://lead-scoring-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Herramientas de Lead Intelligence MCP 2
Detectado desde el READMElead_pipelinelead_pipeline_get_engine
| lead_pipeline | — | |
| lead_pipeline_get_engine | — |
Verificaciones automáticas
Ejecutado 13 nov 2026Informe completo →Aún no verificado. Un servidor necesita una puntuación de 80, ningún hallazgo grave y suficientes datos para que podamos revisarlo. Cómo funcionan las verificaciones · Qué corregir para obtener más puntos
- Repositorio de origen vinculado y accesiblesaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Aprobado
- El paquete indica este repositorio como su origenNo verificado
- Procedencia de la compilación (atestación de Sigstore)No verificado
- Licencia de código abierto (OSI)MITspdx.org/licenses/MIT.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo verificado
- No hay avisos críticos en el paquete ni en sus dependenciasNo verificado
- Sin instrucciones ocultas para el modelo2 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo tool named like delete, drop or execAprobado
- El endpoint remoto responde al handshake de MCPHTTPS endpoint answered 401 (sign-in required)Aprobado
README
Ver en GitHubLead 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
Preguntas sobre Lead Intelligence MCP
¿Cómo agrego Lead Intelligence MCP a Claude Code?
Ejecuta claude mcp add --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcp en tu terminal. Añade --scope user para que esté disponible en todos los proyectos.
¿Cómo agrego Lead Intelligence MCP a Cursor?
Abre ~/.cursor/mcp.json y añade el servidor en mcpServers, usando la configuración de Cursor que se muestra en la sección de instalación de arriba.
¿Qué herramientas proporciona Lead Intelligence MCP?
Expone 2 herramientas, incluidas lead_pipeline, lead_pipeline_get_engine.
¿Qué datos necesita el servidor para funcionar?
El servidor funciona con cualquier CRM o exportación CSV que incluya un lead id y una fecha de creación.