MCP server Lead Intelligence
Commit 13 de nov. de 2026Analisa pipelines de vendas para pontuar leads, calcular probabilidades de conversão e priorizar tarefas de prospecção para equipes de vendas.
Também conhecido como Saify-Technologies/saifs-ai-mcps-docs, lead-intelligence
- Stars
- 4
- Ferramentas
- 2
- Downloads, 30 dias
- —
- Versão mais recente
- 1.0.1
- Último commit
- 13 de nov. de 2026
- Licença
- MIT
O que é o MCP Lead Intelligence?
Lead Intelligence é um MCP server. Analisa pipelines de vendas para pontuar leads, calcular probabilidades de conversão e priorizar tarefas de prospecção para equipes de vendas. Ele expõe 2 ferramentas, como lead_pipeline, lead_pipeline_get_engine.
Resumo gerado a partir do README do projeto
Sobre o MCP server de Lead Intelligence
O Lead Intelligence fornece ferramentas analíticas para equipes e gestores de vendas avaliarem pipelines de vendas abertos. Ele processa registros de leads de qualquer CRM ou exportação de CSV que inclua um lead id e uma data de criação. O servidor calcula probabilidades de conversão, tempos de conversão esperados e o montante total em risco. Também oferece atribuição Shapley para creditar diferentes canais de marketing e gera uma fila de tarefas diárias para SDRs, consistindo em ações de chamada, nutrição e verificação.
Este é um servidor remoto que utiliza transporte streamable HTTP, o que significa que não é necessária instalação local. Os usuários se conectam via endpoint fornecido e se autenticam usando OAuth 2.1 com PKCE. A ferramenta lead_pipeline processa até 500 leads diretamente, enquanto a ferramenta lead_pipeline_get_engine fornece um script Python para conjuntos de dados maiores, permitindo a pontuação local sem chamadas de rede. Ele se integra com clientes como Claude Desktop, VS Code e Claude Code.
O que você pode fazer com ele
- 1Priorizar prospecção diária de vendasPeça à IA para identificar quais contatos específicos os representantes de desenvolvimento de vendas devem contatar imediatamente.
- 2Avaliar risco financeiro do pipelineDetermine o valor monetário total dos leads que não estão progredindo pelo funil no momento.
- 3Avaliar a eficácia dos canais de marketingAnalise quais canais de comunicação são mais bem-sucedidos em gerar conversões reais.
- 4Processar grandes conjuntos de dados de leads localmenteGere um script para pontuar uma exportação contendo mais de 500 leads em uma máquina local.
Escrito a partir do README do projeto. Cada caso de uso é verificado com uma citação dele.
Como instalar o MCP Lead Intelligence
Formatos verificados em 10 nov 2026Adicionar ao CursorAdicionar ao GooseInstalar o MCP Lead Intelligence no Claude Code
$ claude mcp add --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcpInstalar o MCP Lead Intelligence no Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"lead-intelligence": {
"url": "https://lead-scoring-mcp.saifs.ai/mcp"
}
}
}Instalar o MCP Lead Intelligence no VS Code
.vscode/mcp.json
{
"servers": {
"lead-intelligence": {
"type": "http",
"url": "https://lead-scoring-mcp.saifs.ai/mcp"
}
}
}Instalar o MCP Lead Intelligence no VS Code CLI
$ code --add-mcp '{"name":"lead-intelligence","type":"http","url":"https://lead-scoring-mcp.saifs.ai/mcp"}'Instalar o MCP Lead Intelligence no Codex
$ codex mcp add lead-intelligence --url https://lead-scoring-mcp.saifs.ai/mcpInstalar o MCP Lead Intelligence no Codex config.toml
~/.codex/config.toml
[mcp_servers.lead-intelligence] url = "https://lead-scoring-mcp.saifs.ai/mcp"
Instalar o MCP Lead Intelligence no Gemini CLI
$ gemini mcp add -s user --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcpInstalar o MCP Lead Intelligence no Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"lead-intelligence": {
"url": "https://lead-scoring-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Ferramentas do MCP Lead Intelligence 2
Detectadas a partir do READMElead_pipelinelead_pipeline_get_engine
| lead_pipeline | — | |
| lead_pipeline_get_engine | — |
Verificações automatizadas
Executado em 13 de nov. de 2026Relatório completo →Ainda não verificado. Um servidor precisa de uma pontuação de 80, nenhum problema grave e dados suficientes para verificarmos. Como as verificações funcionam · O que corrigir para ganhar mais pontos
- Repositório de origem vinculado e acessívelsaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Passou
- O pacote indica este repositório como sua origemNão verificado
- Proveniência da build (atestação Sigstore)Não verificado
- Licença de código aberto (OSI)MITspdx.org/licenses/MIT.html ↗Passou
- Commit ou release no último anoLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Passou
- OpenSSF ScorecardNão verificado
- Nome do pacote não é próximo a um pacote popularNão verificado
- Nenhum aviso crítico no pacote ou em suas dependênciasNão verificado
- Sem instruções ocultas para o modelo2 tool descriptions and the README read; no override phrases, credential paths or hidden charactersPassou
- Ferramentas destrutivas estão rotuladasNo tool named like delete, drop or execPassou
- O endpoint remoto responde ao handshake do MCPHTTPS endpoint answered 401 (sign-in required)Passou
README
Ver no 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
Perguntas sobre o MCP Lead Intelligence
Como adiciono o MCP Lead Intelligence ao Claude Code?
Execute claude mcp add --transport http lead-intelligence https://lead-scoring-mcp.saifs.ai/mcp no seu terminal. Adicione --scope user para torná-lo disponível em todos os projetos.
Como adiciono o MCP Lead Intelligence ao Cursor?
Abra ~/.cursor/mcp.json e adicione o servidor em mcpServers, usando a configuração do Cursor mostrada na seção de instalação acima.
Quais ferramentas o MCP Lead Intelligence oferece?
Ele expõe 2 ferramentas, incluindo lead_pipeline, lead_pipeline_get_engine.
Quais dados o servidor precisa para funcionar?
O servidor funciona com qualquer CRM ou exportação de CSV que inclua um lead id e uma data de criação.